مدل‌های هوش مصنوعی استدلال‌محور در حال محبوب شدن هستند؛ چه به نفع ما، چه به ضررمان

آغاز دوره‌ای تازه برای مدل‌های استدلال‌محور

در ماه‌های اخیر، پس از معرفی مدل o1 از سوی OpenAI که با هدف تقویت توانایی استدلال طراحی شده، موجی از توجه به مدل‌های استدلال‌محور شکل گرفته است. در اوایل نوامبر، شرکت پژوهشی هوش مصنوعی DeepSeek که از حمایت معامله‌گران کمی (Quantitative Traders) برخوردار است، نخستین الگوریتم استدلالی خود با نام DeepSeek-R1 را معرفی کرد. هم‌زمان، تیم Qwen از علی‌بابا نیز مدلی را ارائه داد که به گفته این شرکت، نخستین رقیب متن‌باز واقعی برای o1 به شمار می‌رود.

اما چه عاملی باعث این رشد سریع شده است؟

یکی از دلایل اصلی، جست‌وجو برای یافتن مسیرهای تازه جهت ارتقای فناوری هوش مصنوعی مولد است. همان‌طور که «مکس زف» اشاره کرده، روش‌های سنتی برای بزرگ‌تر کردن مدل‌ها دیگر مانند گذشته بازدهی ندارند. در نتیجه، شرکت‌های فعال در حوزه هوش مصنوعی تحت فشار رقابتی شدیدی قرار دارند تا سرعت نوآوری خود را حفظ کنند. برآوردها نشان می‌دهد ارزش بازار جهانی هوش مصنوعی در سال ۲۰۲۳ به ۱۹۶.۶۳ میلیارد دلار رسیده و ممکن است تا سال ۲۰۳۰ به ۱.۸۱ تریلیون دلار افزایش یابد.

OpenAI بر این باور است که مدل‌های استدلال‌محور می‌توانند مسائل پیچیده‌تری را نسبت به نسل‌های پیشین حل کنند و گامی مهم در پیشرفت هوش مصنوعی مولد باشند. با این حال، همه کارشناسان با این دیدگاه موافق نیستند.

تردیدها نسبت به آینده این رویکرد

Ameet Talwalkar، دانشیار یادگیری ماشین در دانشگاه Carnegie Mellon، نسل نخست این مدل‌ها را قابل توجه می‌داند، اما در عین حال نسبت به هر کسی که با اطمینان از آینده این فناوری سخن می‌گوید، تردید دارد. او می‌گوید:

«شرکت‌های هوش مصنوعی انگیزه مالی دارند که درباره فناوری‌های آینده خود ادعاهای خوش‌بینانه مطرح کنند. این خطر وجود دارد که بیش از حد روی یک مسیر خاص متمرکز شویم. به همین دلیل، جامعه پژوهشی هوش مصنوعی باید مراقب باشد فریب هیاهو و بازاریابی این شرکت‌ها را نخورد و در عوض بر نتایج واقعی تمرکز کند.»

دو ایراد اصلی: هزینه بالا و مصرف پردازشی سنگین

مدل‌های استدلال‌محور دست‌کم دو ضعف مهم دارند:

• هزینه استفاده بالا
• نیاز شدید به توان پردازشی

برای مثال، OpenAI برای هر حدود ۷۵۰ هزار کلمه که مدل o1 تحلیل می‌کند، ۱۵ دلار دریافت می‌کند و برای هر ۷۵۰ هزار کلمه خروجی، ۶۰ دلار هزینه می‌گیرد. این رقم حدود سه تا چهار برابر بیشتر از هزینه مدل غیر استدلالی جدید OpenAI یعنی GPT-4o است.

البته o1 در پلتفرم ChatGPT به‌صورت رایگان هم در دسترس است، اما با محدودیت‌هایی همراه است. OpenAI اخیراً نسخه پیشرفته‌تری با نام o1 pro mode را نیز عرضه کرده که هزینه آن به رقم قابل توجه ۲۴۰۰ دلار در سال می‌رسد.

Guy Van Den Broeck، استاد علوم کامپیوتر در دانشگاه UCLA، در این باره می‌گوید:

«هزینه کلی استفاده از استدلال در مدل‌های زبانی بزرگ قطعاً در حال کاهش نیست.»

چرا این مدل‌ها تا این حد گران هستند؟

یکی از دلایل اصلی هزینه بالای مدل‌های استدلال‌محور، نیاز آن‌ها به منابع محاسباتی سنگین است. برخلاف بسیاری از مدل‌های هوش مصنوعی، مدل‌هایی مانند o1 تلاش می‌کنند در حین پیشروی، کار خود را نیز راستی‌آزمایی کنند. این رویکرد کمک می‌کند خطاهای کمتری رخ دهد، اما معمولاً باعث می‌شود روند یافتن پاسخ کندتر شود.

OpenAI آینده‌ای را تصور می‌کند که در آن مدل‌های استدلال‌محور ممکن است برای حل یک مسئله، ساعت‌ها، روزها یا حتی هفته‌ها زمان صرف کنند. هرچند هزینه استفاده از چنین مدل‌هایی بالا خواهد بود، اما اگر خروجی آن‌ها به کشف فناوری‌هایی مانند باتری‌های جدید یا روش‌های درمان سرطان منجر شود، شاید این هزینه توجیه‌پذیر باشد.

با این حال، ارزش عملی مدل‌های استدلال‌محور امروزی هنوز چندان روشن نیست.

کارایی امروز؛ هنوز محل بحث

Costa Huang، پژوهشگر و مهندس یادگیری ماشین در Ai2، معتقد است که مدل o1 در محاسبات، چندان قابل اتکا نیست. حتی با نگاهی سریع به شبکه‌های اجتماعی می‌توان نمونه‌های متعددی از خطاهای o1 pro mode را مشاهده کرد.

او توضیح می‌دهد:

«این مدل‌های استدلال‌محور تخصصی هستند و ممکن است در حوزه‌های عمومی عملکرد خوبی نداشته باشند. برخی محدودیت‌ها زودتر از بقیه برطرف خواهند شد.»

در همین راستا، Van Den Broeck استدلال می‌کند که این مدل‌ها در واقع استدلال واقعی انجام نمی‌دهند و به همین دلیل در نوع مسائلی که می‌توانند با موفقیت حل کنند، محدود هستند. او می‌گوید:

«استدلال واقعی باید برای همه مسائل قابل اعمال باشد، نه فقط برای مسائلی که احتمالاً در داده‌های آموزشی مدل وجود داشته‌اند. این همان چالش اصلی است که هنوز باید بر آن غلبه کنیم.»