پروژه GPT-6 Astra اوبر؛ بازنویسی مستقیم وزن‌های مدل‌های هوش مصنوعی

پژوهشگران مؤسسه فناوری ماساچوست (MIT) در تازه‌ترین بررسی‌های خود نشان داده‌اند که مدل GPT-6 Astra از شرکت OpenAI قادر است تنظیمات داخلی و وزن‌های عددی سایر مدل‌های هوش مصنوعی را بدون نیاز به فرآیند سنتی آموزش ریاضیاتی، مستقیماً درک کرده و بازنویسی کند. در این روش که محققان آن را «برنامه‌نویسی فضای وزن» می‌نامند، مدل زبانی مانند یک مکانیک عمل کرده و پارامترهای داخلی مدل‌های دیگر را تنظیم می‌کند.

در آزمایش‌های مختلف، Astra توانست بازی‌های کامپیوتری و زبان آموزشی مدل‌های کوچک‌تر را تنها با بررسی مقادیر عددی خام آن‌ها شناسایی کند. در یک آزمایش کاربردی‌تر، این مدل توانست با تغییر تنها ۰.۰۱۶ درصد از وزن‌های مدل زبانی Qwen، دقت آن را در حل مسائل ریاضی به شکل قابل‌توجهی افزایش دهد و خطاهای تکرار حلقه متن را کاهش دهد. با این حال، این روش همچنان محدودیت‌هایی دارد و نمی‌تواند مهارت‌های بنیادینی را که یک مدل از پایه فاقد آن است، ایجاد کند.

این دستاورد مباحث تازه‌ای را درباره آینده بهینه‌سازی و ممیزی امنیتی مدل‌های هوش مصنوعی بدون نیاز به هزینه‌های سنگین بازآموزی مطرح کرده است. در حالی که برخی کارشناسان پیشینه این نظریه‌ها را به دهه‌های گذشته نسبت می‌دهند، نکته برجسته در کارکرد Astra توانایی مدل‌های زبانی امروزی در ترجمه دقیق میان زبان انسان و مقادیر عددی شبکه‌ها است.