منبع: DALL-E / OpenAI

هوش مصنوعی (AI) نحوه زندگی و کار ما را به شیوه‌هایی تغییر می‌دهد که هرگز تصور نمی‌کردیم. در حالی که مدل‌های زبان بزرگ امروزی (LLM) چشمگیر هستند، اما مانند کتابخانه‌های عظیم عمل می‌کنند: سرشار از دانش اما پس از انتشار در زمان منجمد شده‌اند. چه می‌شد اگر هوش مصنوعی می‌توانست مانند ما در زمان واقعی یاد بگیرد و سازگار شود؟ Titan اینجاست که وارد می‌شود. Titan که اخیراً در مقاله‌ای پیش‌چاپ در arXiv معرفی شد، یک سیستم آزمایشی است که برای یادگیری در پرواز طراحی شده است و فرصت‌های جدیدی را برای هوش مصنوعی ایجاد می‌کند تا در کنار ما فکر کند و رشد کند. در حالی که معماری نوآورانه آن نوید زیادی را برای سازگاری بلادرنگ و سیستم های حافظه پیشرفته نشان می دهد، Titan همچنان در مرحله تحقیق است و هنوز به عنوان یک سیستم هوش مصنوعی قابل استقرار در دسترس نیست. بیایید نگاهی دقیق تر به قابلیت های بالقوه آن بیندازیم.

از دانش ثابت تا یادگیری زنده

به تفاوت بین به خاطر سپردن نقشه و کاوش در یک شهر جدید در حین قدم زدن در آن فکر کنید. هوش مصنوعی سنتی مانند آن نقشه حفظ شده است: مفید اما تغییرناپذیر. تیتان رویکرد متفاوتی دارد. این بیشتر شبیه یک کاوشگر کنجکاو است که همانطور که پیش می رود، درک درستی ایجاد می کند، درست مثل ما. به جای اینکه در طول آموزش یاد گرفته باشد، می تواند اطلاعات و ایده های جدیدی را در طول مکالمه با کاربران دریافت کند. این اطلاعات را از نقشه‌های ثابت و ثابت به وب‌های پویا تبدیل می‌کند که تجربه‌ای کاربر محورتر ایجاد می‌کنند.

تصور کنید یک مربی هوش مصنوعی دارید که فقط پاسخ های کتاب درسی را بازگو نمی کند، بلکه در واقع با نحوه یادگیری شما سازگار است. در حالی که سیستم‌های هوش مصنوعی معمولی فقط می‌توانند از آموزش اولیه خود استفاده کنند، روش Titan، اگرچه هنوز آزمایشی است، ممکن است بتواند سبک تدریس LLM را در محل تنظیم کند و هر جلسه را منحصراً برای شما طراحی کند. این فقط در مورد پاسخگو بودن نیست، بلکه در مورد یادگیری و رشد واقعی است که در زمان واقعی اتفاق می افتد.

یادگیری پویا: یک سیستم سه حافظه

تیتان از رویکرد جدیدی به نام «یادگیری به خاطر سپردن در زمان آزمون» استفاده می‌کند که نحوه پردازش اطلاعات توسط مغز انسان را نشان می‌دهد. در هسته آن سه نوع متمایز از حافظه با هم کار می کنند: حافظه دسترسی سریع آنچه را که در حال حاضر در حال وقوع است کنترل می کند – مانند پیگیری یک مکالمه مداوم یا حل یک مشکل فوری. حافظه بلند مدت الگوها و دانش مهمی را ذخیره می کند که ممکن است دوباره مورد نیاز باشد، شبیه به نحوه به خاطر سپردن تجربیات زندگی. بین این می نشیند حافظه کاری، که همزمان با استخراج از دانش ذخیره شده، وظایف فعلی را انجام می دهد.

این سیستم سه قسمتی چیزی است که تایتان را منحصر به فرد می کند. در حالی که مدل‌های فعلی هوش مصنوعی مانند Transformers در پاسخ‌های سریع عالی هستند، اما در تبادل طولانی‌تر گم می‌شوند، و سایر سیستم‌ها اطلاعات را چنان فشرده می‌کنند که جزئیات حیاتی را از دست می‌دهند، سیستم حافظه الهام‌گرفته از انسان Titan به آن کمک می‌کند هم سریع و هم عمیق فکر کند. با مدیریت اطلاعات بیشتر مانند ما، می‌تواند موقعیت‌های پیچیده‌ای را مدیریت کند که ممکن است هوش مصنوعی سنتی را تحت الشعاع قرار دهد – چه به دنبال یک مکالمه طولانی یا حل مشکلاتی باشد که هم نیاز به درک فوری و هم دانش عمیق‌تر دارد.

به یاد آوردن و فراموش کردن

مدل آزمایشی تیتان از رویکرد جدیدی برای مدیریت حافظه استفاده می‌کند و چگونگی اولویت‌بندی و فیلتر کردن اطلاعات توسط انسان‌ها را منعکس می‌کند. این بر روی نقاط داده های شگفت انگیز یا جدید تمرکز می کند و اطمینان می دهد که بینش های جدید و غیرمنتظره حفظ می شوند. به طور همزمان، از یک مکانیسم فراموشی برای حذف اطلاعات کمتر مرتبط یا زائد، جلوگیری از اضافه بار حافظه و حفظ کارایی استفاده می کند. این تعادل پویا بین به خاطر سپردن و فراموشی به تیتان اجازه می‌دهد تا در زمان واقعی بدون گرفتار شدن در جزئیات غیرضروری سازگار شود – درست همانطور که مغز ما تجربیات کلیدی را در اولویت قرار می‌دهد و در عین حال چیزهای بی‌اهمیت را کنار می‌گذارد. تایتان با مدیریت موثر منابع حافظه خود، چابک، متمرکز و قادر به انجام وظایف پیچیده و در حال تکامل است.

شخصی سازی بلادرنگ آینده

امکانات یک سیستم هوش مصنوعی که بتواند در زمان واقعی بیاموزد و تطبیق یابد بسیار فراتر از اتوماسیون ساده است و این نوید را می دهد که نحوه کار، یادگیری و خلق ما را در آینده تغییر دهد.

• آموزش می تواند واقعاً شخصی شود، با معلمان هوش مصنوعی که در واقع نیازهای هر دانش آموز را درک می کنند و با آنها سازگار می شوند.
• در مراقبت‌های بهداشتی، پزشکان می‌توانند شرکای هوش مصنوعی داشته باشند که در عین حال که وضعیت منحصر به فرد هر بیمار را در نظر می‌گیرند، با آخرین تحقیقات به‌روز می‌مانند.
• نویسندگان و هنرمندان می توانند با هوش مصنوعی که در کنار فرآیند خلاقانه آنها تکامل می یابد، همکاری کنند و دیدگاه های جدیدی را ارائه دهند که با پروژه رشد می کند.
• خدمات مشتری می تواند به چیزی واقعاً شخصی تبدیل شود، جایی که دستیاران هوش مصنوعی هر تعامل را به یاد می آورند و از آن یاد می گیرند.

شریک در مسیری واگرا

Titan یک گام مهم رو به جلو در تحقیقات فناوری هوش مصنوعی است، اما همچنین سؤالات مهمی در مورد ماهیت مشارکت انسان و هوش مصنوعی ایجاد می کند. در حالی که به عنوان یک همراه یادگیری شروع می شود که با ما رشد می کند، توانایی آن در جذب و انطباق در زمان واقعی می تواند به چیزی پیچیده تر منجر شود. انسان‌ها از طریق تجربه تدریجی و محدودیت‌های بیولوژیکی یاد می‌گیرند، اما پتانسیل یادگیری تیتان با محدودیت‌های مشابه محدود نمی‌شود. می تواند با سرعتی که می تواند از رشد شناختی انسان پیشی بگیرد، پردازش، ادغام و تکامل یابد.

سوال واقعی این نیست که آیا هوش مصنوعی دیگر می تواند مشکلات را حل کند یا حتی چگونه می تواند در کنار ما یاد بگیرد. درعوض، باید در نظر بگیریم که چه اتفاقی می‌افتد وقتی مسیرهای یادگیری ما از هم جدا می‌شود، وقتی شرکای هوش مصنوعی ما شروع به پردازش و تکامل با سرعتی نمایی سریع‌تر از آنچه که شناخت انسان اجازه می‌دهد، می‌شود. Titan به ما نگاهی اجمالی به آینده‌ای می‌دهد که در آن هوش مصنوعی تنها یک ابزار یا حتی یک شریک معمولی نیست، بلکه شاید اولین قدم به سوی نوع جدیدی از هوش باشد که به روش‌هایی اساساً متفاوت از خودمان می‌آموزد و رشد می‌کند.