‏⚡ بازخوانی یک پیش‌بینی تاریخی در هوش مصنوعی

‏۹ سال پیش، Andrej Karpathy، محقق برجسته و از بنیان‌گذاران OpenAI، در توییتی تأمل‌برانگیز جمله‌ای را منتشر کرد که امروز بیش از هر زمان دیگری مصداق پیدا کرده است.

‏🔬 او در تاریخ ۴ اوت ۲۰۱۷ با قاطعیت نوشت که Gradient descent (الگوریتم بهینه‌سازی پایه برای آموزش مدل‌های یادگیری عمیق) می‌تواند بهتر از انسان کدنویسی کند.

‏🧠 این دیدگاه در آن زمان شاید اغراق‌آمیز به نظر می‌رسید، اما با ظهور مدل‌های زبانی بزرگ و ابزارهای Code Generation، این پیش‌بینی اکنون به بخشی جدایی‌ناپذیر از چرخه توسعه نرم‌افزار تبدیل شده است.

‏🚀 گذشت زمان ثابت کرد که توانایی مدل‌ها در بهینه‌سازی پارامترها برای حل مسائل پیچیده، مرزهای برنامه‌نویسی سنتی را جابه‌جا کرده و مسیر توسعه را برای متخصصان این حوزه به کلی دگرگون ساخته است.

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Andrej_Karpathy #Gradient_descent

‏تحلیل آندری کارپاتی از شکاف درک قابلیت‌های LLM

‏آندری کارپاتی معتقد است شکاف در درک توانمندی‌های مدل‌های زبانی بزرگ طی نیم‌سال اخیر به شکل یک «قیف تند» درآمده است. او کاربران هوش مصنوعی را به چهار دسته تقسیم می‌کند:

‏* ۶ میلیارد نفر: بدون تجربه یا تعامل جدی با مدل‌های زبانی.
‏* ۱ تا ۲ میلیارد نفر: کاربران چت‌بات‌های رایگان که از آن‌ها به عنوان ابزاری برای جستجو یا دستیار متنی استفاده می‌کنند.
‏* ۲۰ میلیون نفر: توسعه‌دهندگان و متخصصان حوزه‌های ریاضی و کدنویسی که شاهد اجرای پروژه‌های پیچیده در چند دقیقه با یک دستور (Prompt) هستند.
‏* ۵ هزار نفر: متخصصان داخل آزمایشگاه‌های پیشرو که دسترسی مستقیم به سیستم‌های ایجنتی دارند؛ جایی که هزاران ایجنت به صورت خودکار در حال کشف آسیب‌پذیری‌های امنیتی یا حل مسائل پیچیده ریاضی هستند.

‏به گفته کارپاتی، این شکاف به سه عامل بستگی دارد: بازدهی مدل‌ها با بزرگ‌تر شدن ابعاد مسئله، نابرابری توانمندی‌ها در حوزه‌های قابل‌سنجش و مالی، و نوع دسترسی کاربر به مدل‌ها.

🇮🇷 - هوش مصنوعی و علم داده به فارسی
🌐 سایت | تلگرام | بله | ایتا | ارتباط با ما

#Andrej_Karpathy #Frontier_models