متا مدل هوش مصنوعی جدیدی به نام “ارزیاب خودآموز” معرفی کرده است که هدف آن ارزیابی خودکار و بهینه سازی آموزش دیگر مدل های هوش مصنوعی است. این مدل می تواند نیاز به دخالت انسان در بررسی مدل ها را کاهش دهد و فرایند توسعه را به طرز چشمگیری تسریع کند.
عملکرد مدل ارزیاب خودآموز متا
مدل جدید متا با استفاده از داده های تولید شده توسط هوش مصنوعی آموزش دیده و قادر است فرایندهای پیچیده را به گام های کوچکتر تقسیم کند. این ویژگی باعث می شود دقت در حل مسائل پیچیده مانند علوم، برنامه نویسی و ریاضیات افزایش پیدا کند. به عبارت دیگر، این مدل نه تنها دیگر مدل های هوش مصنوعی را ارزیابی می کند، بلکه قادر است آن ها را آموزش داده و بهبود دهد.
مدل ارزیاب خودآموز متا بر اساس تکنیکی مشابه آنچه که توسط OpenAI برای ارزیابی مدل هایش استفاده می شود، توسعه یافته است. این مدل مسائل دشوار را به بخش های ساده تر تقسیم کرده و به صورت تدریجی به پاسخ صحیح نزدیک می شود.
تاثیر ارزیاب خودآموز بر توسعه هوش مصنوعی
“جیسون وستون”، یکی از محققان اصلی این پروژه، می گوید که هدف از توسعه این مدل، بهبود مستمر و خودارزیابی هوش مصنوعی است تا جایی که حتی از توانایی های انسانی هم فراتر رود. او معتقد است که در آینده نزدیک، مدل های هوش مصنوعی به سطحی از خودمختاری می رسند که بدون نیاز به بازخورد انسانی، اشتباهات خود را تشخیص داده و اصلاح کنند.
این مدل می تواند رویکردهای سنتی و هزینه بر فعلی مانند یادگیری تقویتی از بازخورد انسانی را کنار بگذارد. در این روش ها، معمولاً کارشناسان برای ارزیابی دقت پاسخ های هوش مصنوعی نقش حیاتی دارند، اما مدل ارزیاب خودآموز این نیاز را به طور کامل از بین می برد.
به طور کلی، این تکنولوژی جدید متا می تواند گام بزرگی در توسعه دستیارهای هوش مصنوعی باشد که به شکل خودکار و بدون نیاز به نظارت انسانی عمل کنند.
