سال 2023 سال پررونقی برای هوش مصنوعی بود. پیش‌بینی کردن آینده همیشه خطرناکه، ولی خب، یه تلاشی بکنیم:
۱. عینک‌های هوشمند هوش مصنوعی: رقبای جدی برای گوشی‌های هوشمند؟
با افزایش اهمیت قابلیت‌های چند وجهی (multimodal)، شرکت‌های پیشرو در هوش مصنوعی روی دستگاه‌های پوشیدنی هوش مصنوعی تمرکز می‌کنند و چه چیزی بهتر از عینک به عنوان یه دستیار هوش مصنوعیِ همیشه همراه؟ هم صدا رو از کنار گوش پخش می‌کنه، هم با دوربین نزدیک چشم ورودی‌های تصویری رو می‌گیره، هم دست‌ها آزادن و هم راحته. متا با عینک هوشمند Ray Ban پیشتاز این کاره، ولی یادتون بیاد شایعه‌ی همکاری OpenAI با اسنپ‌چت رو! این تازه اولشه...
۲. خداحافظ ChatGPT، عصر دستیارهای هوش مصنوعی متنوع‌تر فرا رسیده است
سال 2023 با سلطه‌ی ChatGPT شروع شد، اما سال رو داره با مدل‌های Bard، Claude، Llama، Mistral و هزاران مدل مشتق‌شده تموم می‌کنه. با پایین اومدن قیمت و افزایش رقابت، ChatGPT به‌عنوان تنها معیار ارزشیابی کم‌کم کنار می‌ره.
۳. فراتر از LLMها، به LMMها خوشامد بگویید:
مدل‌های بزرگ چندوجهی (Large Multimodal Models) ظهور خواهند کرد و LLMها رو تو بحث‌های هوش مصنوعی کنار می‌زنند. ارزیابی‌های چندوجهی، امنیت چندوجهی، و کلی چیز دیگه‌ای با پیشوند “چندوجهی” رو شاهد خواهیم بود. LMMها یه قدم به سمت دستیارهای هوش مصنوعی واقعا همه‌فن‌حریف نزدیک‌ترن.
۴. جهش بزرگ نداریم، اما پیشرفت تو همه‌چیز:
مدل‌های جدید مثل GPT5 جهش بزرگی ایجاد نمی‌کنن و LLMها با محدودیت‌های ذاتی خودشون و مشکل توهم‌زنی دست‌وپنجه نرم می‌کنن. در سال 2024 شاهد هیچ پیشرفتی که باعث بشه به اندازه‌ی کافی قابل اعتماد باشن و “هسته‌ی هوش مصنوعی عمومی پایه” رو حل کنن نخواهیم بود. پیشرفت‌های تکرارشونده باعث می‌شه “به اندازه‌ی کافی” برای انجام وظایف مختلف خوب باشن. بهبودهایی در روش‌های RAG، مدیریت و سازماندهی داده، تنظیم دقیق بهتر، کمی‌سازی و غیره LLMها رو به اندازه‌ی کافی قدرتمند و مفید برای کاربردهای مختلف می‌کنه و باعث استفاده‌ی هرچه بیشتر از اون‌ها در سرویس‌های مختلف تو صنایع مختلف می‌شه.
۵. کوچکی زیباست: مدل‌های زبان کوچک، قهرمان‌های آینده‌ی هوش مصنوعی؟
مدل‌های زبان کوچک (SLM) دیگه غریبه نیستن، ولی در سال 2024 اهمیتشون حتی بیشتر می‌شه. چرا؟ چون هم کم‌خرج‌ترن، هم مصرف انرژی و منابعشون پایین‌تره. این‌طوری هم برای شرکت‌ها به صرفه‌ترن، هم برای محیط‌زیست بهتر.
تکنیک “کمی‌سازی” هم پیشرفت زیادی می‌کنه که باعث می‌شه این مدل‌های کوچیک‌تر راحت‌تر روی دستگاه‌های خودتون مثل گوشی یا لپ‌تاپ اجرا بشن. یعنی به‌زودی کلی سرویس‌های هوش مصنوعی روی خود گوشیتون در دسترس خواهد بود، بدون نیاز به اینترنت یا کامپیوترهای قوی.
۶. مدل‌های متن‌باز پیروز می‌شن، اما بحث متن‌باز در مقابل بسته کم‌رنگ‌تر می‌شه
سال 2023 یه سال عالی برای جامعه‌ی نرم‌افزارهای متن‌باز بود. مدل‌های متن‌باز مثل Mistral نشون دادن که می‌تونن به خوبی مدل‌های تجاری مثل GPT-4 کار کنن و اختلاف عملکردشون خیلی کم شده (فقط 13٪ روی بنچمارک MMLU!).
همه‌ی شرکت‌های بزرگ فهمیدن که مدل‌های متن‌باز دیگه یه اپشن نیستن، یه ضرورتن. برای پیشرفت سریع‌تر هوش مصنوعی و ساخت مدل‌های بهتر. این مدل‌ها قرار نیست مدل‌های تجاری رو از دور خارج کنن، بلکه قراره با هم کار کنن و پیشرفت رو سریع‌تر کنن.
۷. چطور بفهمیم یه مدل هوش مصنوعی خوبه؟معما همچنان ادامه دارد
هنوز هم معلوم نیست که چه‌جوری باید مدل‌های هوش مصنوعی رو باهم مقایسه کرد و کدومشون عملکرد بهتری داره. هیچ بنچمارک یا جدول رده‌بندی‌ای نیست که همه‌چیز رو در نظر بگیره و جواب قطعی بده.
ولی خب، پیشرفت در این زمینه هم زیاده. ابزارهای جدید و استانداردهای بهتر ساخته می‌شه، مخصوصا برای مدل‌های چندوجهی. کم‌کم راه و چاه ارزیابی این مدل‌ها داره مشخص‌تر می‌شه.
۸. ریسک‌های آینده فعلا تو تعطیلاتن، ریسک‌های واقعی همین الان جلوی چشممون هستن
تو سال 2023 خیلی در مورد ریسک‌های دور و درازی هوش مصنوعی حرف زدیم، مثل سوء‌استفاده‌ی ربات‌ها برای کنترل دنیا. ولی خب، ریسک‌های واقعی‌تر و نزدیک‌تری هم هستن که باید بیشتر نگرانشون باشیم. مثل سوگیری‌های الگوریتم‌ها، اخبار جعلی، امنیت کاربران، سلامت انتخابات، و غیره. اینا مشکلاتیه که همین الان باید برای حلشون تلاش کنیم.
