در دوازدهم سپتامبر ۲۰۲۴ شرکت OpenAI از دو مدل تازه با نام‌های o1-preview و o1-mini رونمایی کرد. تفاوت اصلی این مدل‌ها با نسل‌های قبلی در یک ایده ساده اما مهم بود: مدل پیش از آن‌که جواب نهایی را بنویسد، مدت بیشتری «فکر می‌کند». این رویکرد، توجه بسیاری از پژوهشگران و توسعه‌دهندگان را به خود جلب کرد و بحث درباره «استدلال در زمان اجرا» را به مرکز صنعت هوش مصنوعی آورد.
چه چیزی عرضه شد؟#
بر اساس اطلاعاتی که دربارهٔ این عرضه منتشر شده، o1-preview و o1-mini در همان روز ۱۲ سپتامبر ۲۰۲۴ برای کاربران ChatGPT Plus و Team در دسترس قرار گرفتند. مدل کوچک‌تر یعنی o1-mini ارزان‌تر و سریع‌تر طراحی شده بود و برای وظایفی مثل برنامه‌نویسی کاربرد داشت. ورود کاربران سازمانی و آموزشی کمی دیرتر انجام شد و همچنین محدودیت‌های استفاده در روزهای بعد بازنگری شد؛ برای نمونه، سقف استفاده از o1-preview در ChatGPT هفته‌ای ۵۰ پیام و برای o1-mini روزی ۵۰ پیام اعلام شد.
نسخهٔ کامل و نهایی o1 چند ماه بعد، در پنجم دسامبر ۲۰۲۴، منتشر شد و همراه آن اشتراک ChatGPT Pro با نسخه‌ای پرمصرف‌تر از مدل عرضه گردید.
استدلال زنجیره‌ای و پاسخ‌های کندتر#
ایدهٔ کلیدی o1 این است که مدل با یادگیری تقویتی آموزش دیده تا پیش از پاسخ، زنجیره‌ای از مراحل استدلال را طی کند. نتیجه این است که پاسخ‌ها کمی دیرتر می‌رسند، اما در مسائلی که چند گام منطقی لازم دارند دقت بالاتری دیده می‌شود. نکتهٔ جالب اینجاست که OpenAI زنجیرهٔ استدلال داخلی مدل را عمداً از دید کاربر پنهان نگه می‌دارد. شرکت دلیل این کار را ملاحظات ایمنی و مزیت رقابتی عنوان کرده و حتی تلاش برای افشای آن را در شرایط استفاده ممنوع کرده است. برخی توسعه‌دهندگان این تصمیم را به‌دلیل کاهش شفافیت نقد کردند.
