OpenAI در آخرین روز رویداد ۱۲ روزه معرفی محصولات و قابلیت‌های جدید خود، از مدل o3 به‌عنوان جایگزین o1 رونمایی کرد. این مدل که شامل دو نسخه o3 و o3-mini است، به‌عنوان یک گام مهم به‌سوی هوش جامع مصنوعی (AGI) معرفی شده است. بااین‌حال، هنوز فاصله زیادی تا دستیابی به AGI واقعی وجود دارد. ㅤ

ویژگی‌های کلیدی مدل هوش مصنوعی o3

ㅤ

نزدیک‌تر به AGI

OpenAI ادعا می‌کند که مدل o3 حداقل در برخی شرایط خاص توانسته به سطح AGI نزدیک شود. این مدل در بنچمارک ARC-AGI که میزان یادگیری سیستم هوش مصنوعی از مهارت‌های جدید را خارج از داده‌های آموزشی اندازه‌گیری می‌کند، به امتیاز ۸۷.۵ درصد دست یافته است. این امتیاز در حالت تفکر طولانی ثبت شده است و نشان‌دهنده قدرت این مدل در استدلال پیچیده است. ㅤ

نسخه‌های مختلف

• o3: نسخه کامل‌تر با توانایی استدلال عمیق‌تر.
• o3-mini: نسخه کوچک‌تر و سبک‌تر برای استفاده در کاربردهای خاص.

انعطاف‌پذیری در زمان استدلال

یکی از ویژگی‌های برجسته o3 قابلیت تنظیم زمان استدلال است. این مدل می‌تواند بر اساس نیاز، زمان تفکر کوتاه، متوسط یا طولانی داشته باشد. هرچه زمان بیشتری برای استدلال اختصاص داده شود، عملکرد مدل بهبود می‌یابد. ㅤ

روش آموزش پیشرفته

مدل o3 با روشی به نام یادگیری تقویتی آموزش داده شده است که در آن از فرایندی به نام زنجیره خصوصی تفکر استفاده می‌شود. این فرایند به مدل امکان می‌دهد پیش از ارائه پاسخ، استدلال کند و قدم‌های بعدی را از پیش برنامه‌ریزی کند. ㅤ

دلایل انتخاب نام o3 به‌جای o2

نام این مدل از o1 به o3 تغییر یافت و از نام o2 صرف‌نظر شد. بر اساس گزارش‌ها، دلیل این تغییر، جلوگیری از مشکلات حقوقی احتمالی با اپراتور مخابراتی بریتانیایی O2 بوده است. سم آلتمن**، مدیرعامل OpenAI، به‌طور ضمنی این موضوع را در لایو شرکت تأیید کرد. ㅤ

زمان عرضه و دسترسی

• **o3-mini: پیش‌نمایش این نسخه از امروز در اختیار کارشناسان ایمنی قرار می‌گیرد و عرضه عمومی آن برای اواخر ژانویه ۲۰۲۴ برنامه‌ریزی شده است.
• o3: عرضه نسخه کامل در تاریخی نامعلوم پس از o3-mini انجام خواهد شد.

نقاط قوت و چالش‌ها

ㅤ

نقاط قوت

• توانایی استدلال پیشرفته و حل مسائل چندمرحله‌ای.
• قابلیت تنظیم زمان تفکر بر اساس نیاز.
• عملکرد ۳ برابر بهتر نسبت به مدل o1 حتی در شرایط زمان تفکر کوتاه.

چالش‌ها

• هنوز فاصله زیادی تا دستیابی به AGI واقعی وجود دارد.
• نیاز به آزمایش و بازخورد گسترده برای بهبود مدل.