هوش مصنوعی OpenAI قادر به حل مسائل پیچیده‌ی ریاضی است_خبررسان

: مدل اوپن‌ای‌آی: پیشرفت چشمگیر در استدلال ریاضی و علمی, : شرکت اوپن‌ای‌آی (OpenAI) روز پنج‌شنبه مدل جدیدی از چت‌بات محبوب خود را با نام معرفی کرد که قابلیت حل مسائل پیچیده ریاضی، برنامه‌نویسی و علوم را با استدلال منطقی عمیق دارد.

این پیشرفت پاسخ مستقیمی به چالش‌های موجود در مدل‌های پیشین مانند چت‌جی‌پی‌تی و جمنای است که در مواجهه با محاسبات پیچیده اغلب دچار خطا می‌شدند. تفاوت بنیادین با مدل‌های قبلی جاکوب پاچاکی، دانشمند ارشد اوپن‌ای‌آی، توضیح داد که برخلاف مدل‌های قدیمی که بلافاصله پاسخ می‌دادند، مدل قادر است با تأمل و تحلیل مرحله‌به‌مرحله، چندین راهکار را بررسی و بهترین جواب را انتخاب کند.

بیشتر بخوانید: سرپرست جدید دانشگاه ملی مهارت منصوب شد

در نمایشی برای نیویورک تایمز، این سیستم موفق شد یک پازل کلمات پیچیده (آکروستیک) را حل کند، به سوالی تخصصی شیمی در سطح دکترا پاسخ دهد و بر اساس علائم و سابقه پزشکی، بیماری را تشخیص دهد. یادگیری تقویتی و شبیه‌سازی تفکر انسانی این تکنولوژی بخشی از تلاش‌های گسترده صنعت برای ساخت سیستمی است که فرایند تفکر انسانی را در حل مسئله تقلید می‌کند.

اوپن‌ای‌آی از روش یادگیری تقویتی استفاده کرده تا مدل با انجام تعداد زیاد آزمایش و خطا، استراتژی‌های بهینه را بیاموزد. شرکت‌های بزرگ دیگر مانند گوگل، متا، مایکروسافت و گیت‌هاب نیز در توسعه فناوری‌های مشابه فعال هستند. کاربردهای عملی و دسترسی کاربران هدف نهایی، ایجاد ابزارهایی است که در حل مسائل پیچیده به متخصصان کمک کنند.

بیشتر بخوانید: افراد نابینا به طور منحصر به فرد دارای الگوهای اتصالات مغزی هستند_خبررسان

برنامه‌نویسان می‌توانند برای کدنویسی پیشرفته، معلمان برای ابزارهای آموزشی تعاملی و محققان در حوزه‌های فیزیک، شیمی و پزشکی از این قابلیت‌ها بهره‌مند شوند.

از روز پنج‌شنبه، کاربران اشتراک چت‌جی‌پی‌تی پلاس (ChatGPT ) و تیم‌ها (ChatGPT ) می‌توانند به این مدل دسترسی پیدا کنند و اوپن‌ای‌آی آن را به توسعه‌دهندگان نرم‌افزار نیز عرضه می‌کند. عملکرد در آزمون‌ها و چالش‌های باقی‌مانده آزمایش‌ها نشان می‌دهد مدل در آزمون‌های استاندارد مانند المپیاد جهانی ریاضی عملکرد بهتری از نسخه‌های پیشین داشته است.

بیشتر بخوانید: چطور ها است مناسب برای وب‌سایت‌های چندزبانه را انتخاب کنیم؟_خبررسان

با این حال، توسعه‌دهندگان تأکید می‌کنند که آزمون‌های استاندارد همیشه بازتاب‌دهنده عملکرد در دنیای واقعی نیستند و این سیستم‌ها همچنان کامل نیستند و امکان خطا وجود دارد. با ادامه تحقیقات، انتظار می‌رود دقت و قابلیت‌های این مدل‌ها به طور مداوم بهبود یابد.