گیل اسکای

به گزارش رسانه PhoneArena، متا، یکی از بزرگترین شرکت های فناوری در جهان، مدل هوش مصنوعی Self-Tached Evaluator را با هدف آموزش سایر مدل های هوش مصنوعی معرفی کرد.

به طور خلاصه، Self-Taught Evaluator یک سیستم هوش مصنوعی است که توانایی ارزیابی و رتبه بندی سایر مدل های هوش مصنوعی را دارد. از طریق یادگیری عمیق، این سیستم به طور خودکار از داده های آموزشی خود برای یادگیری معیارهای ارزیابی و نحوه استفاده از آنها برای رتبه بندی مدل ها استفاده می کند.

در واقع بازخورد انسان در آموزش هوش مصنوعی برای اطمینان از صحت و اعتبار پاسخ های هوش مصنوعی ضروری است تا در صورت وجود خطایی توسط انسان رفع شود. اکنون مدل معرفی شده توسط متا با استفاده از تکنیکی به نام "زنجیره افکار" که قبلا در مدل o1 شرکت OpenAI دیده بودیم، این وظیفه را بر عهده دارد.

مزایای Self-Taught Evaluator:

اتوماسیون ارزیابی: سیستم می تواند به طور خودکار مدل های هوش مصنوعی را ارزیابی کند که به طور قابل توجهی زمان و هزینه ارزیابی را کاهش می دهد.
انصاف و بی طرفی: ارزیاب خودآموخته با استفاده از معیارهای عینی و علمی برای ارزیابی مدل ها، انصاف و بی طرفی را در ارزیابی تضمین می کند.
بهبود دقت: ارزیاب خودآموخته می تواند به طور مستمر خود را بهبود بخشد و با افزایش داده های آموزشی، دقت ارزیابی خود را افزایش دهد.
تعمیم پذیری: ارزیاب خودآموخته می تواند برای ارزیابی مدل های مختلف هوش مصنوعی در حوزه های مختلف استفاده شود.

ایده یک مدل هوش مصنوعی که بتواند خود و سایر مدل ها را بدون دخالت انسان ارزیابی کند، شبیه یک ایده آینده نگر از یک فیلم به نظر می رسد، اما تحولات اخیر نشان داده است که احتمالاً تا رسیدن به چنین سطحی از توانایی فاصله زیادی نداریم. این رویکرد می تواند گام مهمی به سوی دستیاران هوش مصنوعی مستقلی باشد که می توانند اشتباهات خود را اصلاح کنند.

با وجود چالش ها، آینده هوش مصنوعی Self-Taught Evaluator  روشن به نظر می رسد. همانطور که هوش مصنوعی پیشرفت می کند و داده های آموزشی بیشتر و با کیفیت بهتری در دسترس قرار می گیرد، هوش مصنوعی Self-Taught Evaluator می تواند به ابزاری ضروری برای ارزیابی و بهبود مدل های هوش مصنوعی تبدیل شود.