از سال 2016، مایکروسافت تلاش کرده است تا به یک قدرت برتر در حوزه هوش مصنوعی در مقیاس جهانی تبدیل شود. هدف این شرکت، تبدیل Azure به یک پلتفرم پیشرفته مبتنی بر هوش مصنوعی با قابلیتهای فوقالعاده است. در همین راستا، مایکروسافت با OpenAI همکاری کرده تا زیرساختهای خود را توسعه دهد و دادهها را دموکراتیزه کند.
تا به امروز، این همکاری نتایج امیدوارکنندهای به همراه داشته است. از جمله زیرساختی که OpenAI برای آموزش مدلهای پیشرفته خود از آن استفاده کرده و در Azure پیادهسازی شده است تا محصولات هوش مصنوعی پیشگام مانند GitHub Copilot، DALL·E 2 و ChatGPT را قدرت ببخشد. مایکروسافت نیز از این پیشرفتها بهشدت دفاع میکند و آنها را به نمایش میگذارد.
اخیراً، نمایندگان شرکت BitPeak به رویدادی با عنوان “Azure و OpenAI: شرکای تحول جهانی با هوش مصنوعی” دعوت شدند. در این مقاله، نکات کلیدی این وبینار را با شما به اشتراک میگذاریم، از جمله استراتژی مایکروسافت، پیادهسازیهای انجامشده و موارد استفاده، به همراه نگاهی کوتاه به آینده GPT-4.
اگر شما به هوش مصنوعی علاقهمند هستید – که باید باشید! – خوششانس هستید. بدون مقدمهچینی بیشتر، بیایید وارد بحث شویم.
✅استراتژی و سرمایهگذاریهای مایکروسافت
میزبانان این رویداد با تأکید بر ضرورت سرمایهگذاری در هوش مصنوعی برای شرکتهایی که نمیخواهند از رقابت عقب بمانند، سخنرانی خود را آغاز کردند. رشد مداوم فناوری، فشار زیادی برای پیشرفت ایجاد میکند و در غیر این صورت، شرکتها غیررقابتی خواهند شد.
این مقدمه تا حدی مقدمهای آشکار برای تبلیغ محصولات مایکروسافت بود، اما مفهوم آن درست است. هوش مصنوعی اکنون به یک فناوری اصلی تبدیل شده است، با نتایج نسبتاً قابلاعتماد و مقرونبهصرفه – و جهان بهسرعت در حال پذیرش آن است.
✅تحقیق و فناوری
محصول شاخص مایکروسافت بدون شک ChatGPT است که با سرعتی شگفتانگیز، جهان را تسخیر کرد و تنها در دو ماه به ۱۰۰ میلیون کاربر رسید. برای مقایسه، فیسبوک ۴.۵ سال زمان برد تا به همین تعداد کاربر دست یابد. این چتبات با ترکیبی از گفتگوهای نزدیک به انسان، تولید کد و ارائه توضیحات، و البته ارائه اطلاعات نادرست با اعتمادبهنفس بالا، محبوبیت فراوانی کسب کرد—ویژگیهایی که حتی بسیاری از انسانها هم به آنها مسلط نیستند!
اما اگر شوخی را کنار بگذاریم، چرا ChatGPT تا این حد خاص و متفاوت از سایر چتباتها است؟
مفهوم چتبات جدید نیست، اما همانطور که در این وبینار نشان داده شد، شما میتوانید از ChatGPT بخواهید که یک برنامه غذایی برای خانوادهای با نیازهای خاص (مانند مقدار دقیق غذا، سبک آشپزی و ارزش غذایی) تنظیم کند. این هوش مصنوعی نهتنها برنامه را ایجاد میکند (نه اینکه صرفاً از اینترنت کپی کند!)، بلکه اگر بخواهید، یک لیست خرید نیز برای شما آماده خواهد کرد. ممکن است لیست خرید در ابتدا اشتباه باشد، اما پس از اصلاح و تعامل بیشتر، میتوانید اطلاعات دقیقتری دریافت کنید و راهی نزدیکترین فروشگاه شوید.
این مثال نشان میدهد که هوش مصنوعی نهتنها کاربردهای واقعی در زندگی روزمره دارد و میتواند خود را اصلاح کند (یا حداقل نزدیکترین پاسخ ممکن را ارائه دهد)، بلکه قادر است در موضوعات متنوعی کمک کند.
اما حالا که دانستیم چرا ChatGPT مهم است، بیایید دقیقتر بررسی کنیم که چگونه این کار را انجام میدهد.
✅معماری ChatGPT: مدلی واحد با قابلیتهای چندگانه
اولین بخش از تواناییهای ChatGPT، معماری آن است. این مدل یک مدل واحد با قابلیت انجام چندین وظیفه است، که آن را از سیستمهای سنتی متمایز میکند. در روشهای قدیمی، برای هر وظیفه یک مدل جداگانه آموزش داده میشد، اما ChatGPT با یک معماری نوین، چندین کارکرد را در یک مدل واحد ترکیب میکند. اما این سیستم دقیقاً چگونه کار میکند؟
یادگیری انتقالی (Transfer Learning)
از یادگیری انتقالی استفاده میکند، به این معنی که ابتدا بر روی حجم عظیمی از دادههای متنی متنوع پیشآموزش داده میشود. این مرحله به مدل امکان میدهد که درک کلی از زبان، حقایق و تواناییهای استدلالی به دست آورد. سپس این مدل برای وظایف خاص تنظیم دقیق (Fine-Tuning) میشود. این روش انعطافپذیری بالایی ایجاد میکند و باعث میشود مدل بدون نیاز به آموزش مجدد برای هر وظیفه، بتواند وظایف گوناگونی را انجام دهد.
یادگیری بدون نمونه (Zero-Shot Learning)
به دلیل آموزش گسترده اولیه، ChatGPT قادر است یادگیری بدون نمونه را انجام دهد. در این روش، مدل بر اساس دادههایی که در طول پیشآموزش یاد گرفته است، میتواند وظایفی را انجام دهد که بهطور خاص برای آنها آموزش ندیده است.
برای این کار، از کدگذاری معنایی (Semantic Embeddings) استفاده میشود، که مفاهیم را در فضای برداری (Vector Space) نمایش میدهد. این تکنیک به مدل اجازه میدهد که مفاهیم جدید را با استفاده از شباهت آنها به دادههای قبلی شناسایی کند.
یادگیری با نمونه کم (Few-Shot Learning)
یادگیری با نمونههای اندک ChatGPT همچنین میتواند در یادگیری با نمونههای اندک مشارکت کند که در آن یاد میگیرد که تنها با چند مثال یک وظیفه جدید را انجام دهد در این روش مدل با مثالهایی به صورت یک اعلان ارائه میشود که به آن کمک میکند زمینه و الزامات وظیفه را درک کند برای دستیابی به این هدف یادگیری با نمونههای اندک معمولاً از تکنیکهایی مانند یادگیری انتقالی فرا یادگیری و آموزش اپیزودیک استفاده میکند یادگیری انتقالی شامل تطبیق یک مدل از پیشآموزشدیدهشده با یک وظیفه جدید با دادههای محدود است در حالی که فرا یادگیری شامل آموزش یک مدل برای یادگیری نحوه یادگیری سریع وظایف جدید است
به لطف این رویکرد چتبات از نظر تخصیص منابع کارآمدتر سادهتر برای استقرار بهتر در تعمیم و سازگاری با وظایف جدید آسانتر برای نگهداری و قادر به یافتن و استفاده از همافزایی بین قابلیتهای خود است چرا سایر مدلهای هوش مصنوعی از این رویکرد استفاده نمیکنند یا در آن به اندازه کافی مهارت ندارند
پاسخ ساده است منابع ChatGPT از منابع عظیمی بهره میبرد چه از نظر زیرساختی که از قابلیتهای آن پشتیبانی میکند و چه از نظر تأمین و پردازش دادههای آموزشی
اما پاسخهای ساده معمولاً کافی نیستند در ادامه چند ترفند دیگر که هوش مصنوعی برای پاسخ به سؤالاتی از آزمون Bar Exam گرفته تا سوالات اطلاعات عمومی درباره برنامههای دهه هشتاد میلادی استفاده میکند آورده شده است
ایمنی
برای افزایش ایمنی OpenAI از یادگیری تقویتی از بازخورد انسانی RLHF استفاده میکند در طول فرآیند تنظیم دقیق یک مدل اولیه با استفاده از تنظیم دقیق تحت نظارت بر روی مجموعه دادهای از مکالمات که در آن مربیان انسانی پاسخها را ارائه میدهند ایجاد میشود این مجموعه داده سپس با مجموعه داده InstructGPT که به قالب مکالمه تبدیل شده است ترکیب میشود برای ایجاد یک مدل پاداش برای یادگیری تقویتی مربیان هوش مصنوعی پاسخهای مختلف مدل را بر اساس کیفیت رتبهبندی میکنند سپس مدل با استفاده از بهینهسازی سیاست مجاوری تنظیم دقیق میشود و این فرآیند به صورت تکراری برای بهبود ایمنی انجام میشود
تنظیم دقیق
تنظیم دقیق از طریق یک فرآیند دو مرحلهای انجام میشود پیشآموزش و تنظیم دقیق تحت نظارت در طول پیشآموزش مدل از یک مجموعه داده عظیم متنی یاد میگیرد و درک کلی از زبان حقایق و تواناییهای استدلالی را کسب میکند در مرحله تنظیم دقیق تحت نظارت مجموعه دادههای سفارشی توسط OpenAI با کمک مربیان انسانی که در مکالمات شرکت میکنند و پاسخهای مناسب ارائه میدهند ایجاد میشود سپس مدل با یادگیری از این پاسخها درک متنی و انسجام خود را بهبود میبخشد
مقیاسپذیری مقیاسپذیری عمدتاً از طریق افزایش تعداد پارامترهای مدل انجام میشود ChatGPT در جدیدترین نسخه خود دارای میلیاردها پارامتر است که به آن امکان میدهد الگوها و روابط پیچیدهتری را در دادههای آموزشی یاد بگیرد معماری ترانسفورمر مقیاسپذیری کارآمد را با بهرهگیری از پردازش موازی و محاسبات توزیعشده امکانپذیر میکند و به مدل اجازه میدهد مقادیر عظیمی از دادهها را بهطور کارآمد پردازش کند
کاهش سوگیری ناشی از اعلان
برای کاهش سوگیری ناشی از اعلان OpenAI تکنیکهایی مانند پاداشهای مبتنی بر قانون را بررسی میکند که در آن سوگیریهای موجود در محتوای تولید شده توسط مدل جریمه میشوند رویکرد دیگر استفاده از افزایش دادههای خلاف واقع است که شامل ایجاد تغییراتی در همان اعلان و آموزش مدل بر روی این اعلانهای متنوع برای تولید پاسخهای سازگارتر است
✅معماری ترانسفورمر
معماری ترانسفورمر معماری ترانسفورمر که توسط Vaswani و همکارانش در سال ۲۰۱۷ معرفی شد پایه و اساس GPT-4 و سایر مدلهای پیشرفته زبان است ویژگیهای کلیدی این معماری شامل موارد زیر است
مکانیسم توجه خودکار ترانسفورمرها از مکانیسم توجه خودکار استفاده میکنند که به مدل امکان میدهد بخشهای مختلفی از دنباله ورودی را وزندهی کرده و در هنگام تولید خروجی روی بخشهای مرتبط از نظر متنی تمرکز کند
کدگذاری موقعیتی ترانسفورمرها بهطور ذاتی حس ترتیب توالی را ندارند کدگذاری موقعیتی برای تزریق اطلاعات مربوط به موقعیت توکنها در دنباله ورودی استفاده میشود تا مدل ترتیب کلمات را درک کند
نرمالسازی لایهای این تکنیک برای تثبیت و تسریع آموزش شبکههای عصبی عمیق از طریق نرمالسازی ورودی در سراسر لایهها استفاده میشود
توجه چندسری این مکانیزم مدل را قادر میسازد تا همزمان بر روی بخشهای مختلفی از دنباله ورودی تمرکز کرده و روابط مختلف از نظر متنی را در دادهها بیاموزد
لایههای پیشخور این لایهها که پس از مکانیسم توجه چندسری استفاده میشوند شامل شبکههای کاملاً متصل هستند که در یادگیری روابط غیرخطی بین توکنهای ورودی کمک میکنند
با استفاده از این ویژگیهای پیشرفته معماری ترانسفورمر به ChatGPT این امکان را میدهد تا متنی را تولید کند که از نظر متنی دقیقتر منسجمتر و شبیهتر به متن انسانی باشد در مقایسه با سایر مدلهای هوش مصنوعی
✅همکاریها
برای ایجاد و حفظ موقعیت برتر در حوزه فناوری هوش مصنوعی، مایکروسافت بهطور فعال به دنبال ایجاد همکاریهای استراتژیک با مؤسسات تحقیقاتی پیشرو، استارتاپها و سایر شرکتهای فناوری بوده است. این همکاریها به مایکروسافت امکان میدهد از تخصصهای خارجی بهره ببرد، دانش را به اشتراک بگذارد و بهصورت مشترک راهکارهای پیشرفته هوش مصنوعی را توسعه دهد، خدمات مجهز به هوش مصنوعی خود را گسترش دهد و آنها را با زیرساختهای خود تطبیق دهد. مهمترین شریک مایکروسافت بدون شک OpenAI است که بههمراه این شرکت چهار مدل اصلی را توسعه میدهد.

مدلهای سری GPT، مانند GPT-3 و GPT-4، مجموعهای از مدلهای زبانی توسعهیافته توسط OpenAI هستند که شامل برخی از بزرگترین و قدرتمندترین مدلهای زبانی تا به امروز میشوند. برای مثال، GPT-4 ممکن است تا 100 تریلیون پارامتر داشته باشد، در حالی که GPT-3 دارای 175 میلیارد پارامتر است که همچنان عددی چشمگیر محسوب میشود.
GPT-3 قادر است بر اساس ورودیای که دریافت میکند، متنی مشابه زبان انسان را درک و تولید کند. این مدل میتواند وظایف مختلفی مانند ترجمه، خلاصهسازی، پاسخ به سؤالات و حتی نوشتن کد را بدون نیاز به تنظیمات اضافی انجام دهد. تواناییهای GPT-3، افقهای جدیدی را در پردازش زبان طبیعی گشوده و توجه قابلتوجهی از جامعه هوش مصنوعی را به خود جلب کرده است، بهگونهای که کاربردهای روزمره آن بهوضوح در حال گسترش هستند.
با تکیه بر موفقیت GPT-3، OpenAI نسخههای بهبودیافتهای مانند GPT-3.5 و سپس GPT-4 را معرفی کرد که هر نسخه جدید بهبودهای قابلتوجهی را به همراه داشته است. GPT-3.5 توانایی تنظیم بهتر و ارتباط قویتر با متن را ارائه داد، درحالیکه GPT-4 از تمام مدلهای قبلی پیشی گرفته و پیچیدگی و عملکرد برتری از خود نشان داده است. این مدل علاوه بر قابلیتهای GPT-3 مانند ترجمه، خلاصهسازی و تولید کد، توانایی بیشتری در درک و تولید متن مشابه انسان دارد و دامنه کاربردهای هوش مصنوعی را در بخشهای مختلف و زندگی روزمره گسترش میدهد.
Codex یک مدل هوش مصنوعی است که بر پایه GPT-3 ساخته شده و بهطور خاص برای درک و تولید کد طراحی شده است. این مدل میتواند دستورات مربوط به کدنویسی را درک کرده و به زبان طبیعی به آنها پاسخ دهد و کدهایی را در زبانهای برنامهنویسی مختلف تولید کند. برجستهترین کاربرد Codex، ابزار GitHub Copilot است، یک ابزار تکمیل کد مبتنی بر هوش مصنوعی که توسط GitHub (زیرمجموعه مایکروسافت) با همکاری OpenAI توسعه یافته است. Copilot به توسعهدهندگان کمک میکند با پیشنهاد تکمیل کد، نوشتن توابع کامل و حتی ارائه بخشهای کد متناسب با محتوای کاری آنها، بهرهوری خود را افزایش دهند. باوجود چالشهای حقوقی اخیر، بدون شک این ابزار بسیار کاربردی است.
DALL-E یک مدل هوش مصنوعی است که قابلیتهای GPT-3 را با تکنیکهای تولید تصویر ترکیب کرده و توانایی خلق تصاویر اصلی بر اساس توضیحات متنی را دارد. با دریافت یک دستور متنی، DALL-E میتواند مجموعهای گسترده از تصاویر خلاقانه و گاه سوررئال را تولید کند که نشاندهنده توانایی مدل در درک زمینه متن و ارائه نمایشهای بصری مرتبط است. قابلیتهای منحصربهفرد DALL-E تأثیر بسزایی در صنایع خلاقانه مانند تبلیغات، هنر و سرگرمی دارد، بهویژه در کاهش موانع ورود به این حوزهها.
ChatGPT یک مدل هوش مصنوعی است که بهطور خاص برای تولید پاسخهای محاورهای بهینهسازی شده است. این مدل برای ارائه تعاملات متنی منسجمتر، آگاه از زمینه و مشابه گفتوگوهای انسانی در یک محیط چت طراحی شده است. از ChatGPT میتوان برای کاربردهای مختلفی مانند پشتیبانی مشتری، دستیارهای مجازی، تولید محتوا و موارد دیگر استفاده کرد. تمرکز این مدل بر مکالمه باعث شده است که متنهای تولیدشده توسط هوش مصنوعی جذابتر، مرتبطتر و مفیدتر در سناریوهای تعاملی باشند. و هرچند ممکن است هنوز در درک شوخیهای نورم مکدونالد (فعلاً) ناتوان باشد، اما توانایی آن همچنان شگفتانگیز است.

واضح است که مایکروسافت تصمیم گرفته است هوش مصنوعی را ترویج دهد، زیرا پتانسیل تبدیل شدن به تسهیلکننده اصلی و ارائهدهنده زیرساختها را میبیند، در حالی که همزمان این فرآیند را دموکراتیزه کرده و مأموریت خود را برای افزایش بهرهوری در مقیاس جهانی تحقق میبخشد. با این حال، در طول این رویداد بهطور قاطع بیان شد که همکاری با OpenAI، هرچند که ثمربخش و مهم است، تنها بخشی از مجموعه خدماتی است که مایکروسافت ارائه میدهد. این شرکت از تواناییهای مدلسازی ماشینی خود به روشهای مختلفی استفاده میکند که در ادامه معرفی میشوند، با استفاده از خدمات قدیمی که بهوسیله هوش مصنوعی تقویت شدهاند و پیشنهادات جدیدی که به افزایش بهرهوری هدفگذاری شدهاند.

✅اخلاقیات
حال با افرادی مانند ایلان ماسک و بیل گیتس که نسبت به هوش مصنوعی و رشد آن هشدار میدهند، مسئله اخلاق در تحقیق و توسعه مطرح میشود. و در حالی که احتمال اینکه ChatGPT که تنها یک مدل آماری است تبدیل به «بازلیسک روکو» شود بسیار ضعیف است، خطرات خودکارسازی، استفاده غیراخلاقی از دادهها و افزایش وابستگی به پاسخهای سریع و آسان تولید شده توسط ChatGPT همچنان وجود دارند.
پس چه اقداماتی در طول توسعه نسل جدید مدلهای هوش مصنوعی انجام میشود تا اطمینان حاصل شود که این مدلها بیشتر فایده دارند تا ضرر و تبدیل به Skynet برای مردم عادی نمیشوند؟
اصول اخلاقی: مایکروسافت مجموعهای از اصول اخلاقی را برای هدایت توسعه و پیادهسازی هوش مصنوعی ایجاد کرده است. این اصول شامل عدالت، قابلیت اعتماد و ایمنی، حفظ حریم خصوصی و امنیت، شمولیت، شفافیت و پاسخگویی هستند.
تشخیص و کاهش تعصب: مایکروسافت از ترکیب الگوریتمها و بازبینیکنندگان انسانی برای شناسایی و کاهش تعصب در خدمات هوش مصنوعی خود استفاده میکند. به عنوان مثال، ابزارهایی توسعه داده است که میتوانند زبان تعصبآمیز در رباتهای چت مانند ChatGPT را شناسایی و اصلاح کنند.
حریم خصوصی و امنیت دادهها: مایکروسافت سیاستها و رویههای سختگیرانهای برای حفاظت از حریم خصوصی و امنیت دادههای کاربران دارد. همچنین ابزارها و تنظیماتی را به کاربران ارائه میدهد تا نحوه استفاده از دادههایشان را کنترل کنند.
قابل توضیح بودن و شفافیت: مایکروسافت قصد دارد خدمات هوش مصنوعی خود را برای کاربران قابل توضیح و شفافتر کند. این شرکت ابزارهایی مانند مجموعه ابزار «AI Explainability 360» را توسعه داده است که به توسعهدهندگان این امکان را میدهد که تصمیمات مدلهای هوش مصنوعی را درک و توضیح دهند.
شراکتها و همکاریها: مایکروسافت با دولتها، سازمانهای غیردولتی و موسسات دانشگاهی همکاری میکند تا اطمینان حاصل کند که خدمات هوش مصنوعی آن برای منافع اجتماعی استفاده میشود. به عنوان مثال، این شرکت با سازمانهایی مانند یونیسف و بانک جهانی برای توسعه راهحلهای هوش مصنوعی که به چالشهای اجتماعی و زیستمحیطی پرداختهاند، همکاری میکند.
مبادرت به هوش مصنوعی مسئولانه: مایکروسافت یک ابتکار عمل هوش مصنوعی مسئولانه راهاندازی کرده است تا توسعه و پیادهسازی هوش مصنوعی اخلاقی، شفاف و قابل اعتماد را ترویج دهد. این ابتکار شامل مجموعهای از ابزارها و منابع است که توسعهدهندگان میتوانند برای ساخت راهحلهای هوش مصنوعی مسئولانه از آنها استفاده کنند.
اما همه اینها نتوانست از متهم شدن ربات چت به نقض کذب در یک پرونده افترا جلوگیری کند که توسط شهردار ویکتوریا، برایان هود، مطرح شده است. او ادعا میکند که ربات چت هوش مصنوعی به اشتباه او را به عنوان کسی که به دلیل یک رسوایی رشوهخواری خارجی زندانی شده است، توصیف کرده است. علاوه بر این، سوالاتی در مورد قوانین حفظ حریم خصوصی دادهها وجود دارد که ممکن است توسط ChatGPT نقض شود که باعث شده این سرویس در ایتالیا ممنوع شود.
سازمان نظارتی به «عدم اطلاعرسانی به کاربران و تمام کسانی که دادههایشان توسط OpenAI جمعآوری میشود» اشاره کرده و گفته است که به نظر میرسد «هیچ مبنای قانونی برای جمعآوری و پردازش انبوه دادههای شخصی برای ‘آموزش’ الگوریتمهایی که پلتفرم بر آنها تکیه دارد، وجود ندارد». همچنین جالب است که پژوهشگر هوش مصنوعی عذرخواهی کرده و متعهد به کار مداوم و بازسازی اعتماد نقضشده شده است.
بنابراین، در حالی که هوش مصنوعی فرصتهای عظیمی را ارائه میدهد و هم مایکروسافت و هم OpenAI سعی میکنند تحقیق خود را به شیوهای اخلاقی انجام دهند، مهم است که از خطرات و فرصتهای بالقوه آگاه و مراقب باشیم.
✅کدام شرکتها با OpenAI همکاری کردهاند؟
شرکت تحقیق و توسعه هوش مصنوعی (AI) در واقع در اواخر سال 2022 شکوفا شد، زمانی که شروع به دریافت بودجه قابل توجهی از غولهای صنعتی مانند مایکروسافت کرد. حتی گوگل و آمازون نیز پروژههای هوش مصنوعی خود را به ترتیب در الکسا و بارد ایجاد کردهاند.
مایکروسافت
رابطه مایکروسافت با OpenAI در سال 2019 آغاز شد، زمانی که این شرکت 1 میلیارد دلار در شرکت توسعه هوش مصنوعی سرمایهگذاری کرد تا قابلیتهای جدیدی برای سرویس ابری Azure خود و اهداف تحقیقاتی بلندمدت توسعه دهد. مایکروسافت در طول سه سال بعدی 2 میلیارد دلار دیگر به OpenAI سرمایهگذاری کرد.
این دو شرکت به همکاری در توسعه آنچه که مایکروسافت آن را “اولین ابرکامپیوتر مبتنی بر هوش مصنوعی ابری جهان” توصیف کرده، ادامه دادند، که برای آموزش مدلهای یادگیری عمیق و سایر وظایف استفاده میشود. OpenAI همچنین به شدت از سرورهای مایکروسافت Azure برای میزبانی محصولات و خدماتی مانند Copilot، GitHub و به طور ویژه ChatGPT استفاده کرده است. غول فناوری مستقر در ردموند برای این کار با جنجالهای حقوقی روبرو شده است. به محض انتشار Copilot، دستیار هوش مصنوعی برای برنامهنویسان که بر روی نمونههای کد عمومی موجود در GitHub آموزش دیده بود، مایکروسافت، GitHub و OpenAI به دلیل نقض احتمالی حق چاپ مورد شکایت قرار گرفتند.
مایکروسافت اخیراً اعلام کرد که قصد دارد ChatGPT را در موتور جستجوی Bing خود گنجانده و به آن امکان دهد تا پاسخهایی به پرسشها بنویسد به جای صرفاً نمایش فهرستی از لینکها. مایکروسافت همچنین اعلام کرده است که قصد دارد OpenAI را در محصولات مصرفی خود پیادهسازی کند. به عنوان مثال، احتمال دارد که مایکروسافت فناوری هوش مصنوعی را در برنامههای Word، PowerPoint و Outlook ادغام کند.
شاترستوک
شاترستوک از سال 2021 با OpenAI همکاری میکند، زمانی که این شرکت از کتابخانه تصاویر شاترستوک برای آموزش مدل DALL-E خود استفاده کرد. شاترستوک مشخص کرده است که تمام محتوای تولید شده توسط هوش مصنوعی به صورت شفاف بر روی سایت خود منتشر خواهد شد و این که هنگام استفاده از هوش مصنوعی مولد برای ایجاد یک تصویر، این موضوع فاش خواهد شد.
BuzzFeed
BuzzFeed نیز به جنبش OpenAI پیوسته است. این شرکت اعلام کرده است که از ژانویه 2023 استفاده از OpenAI را در محتوای اصلی خود آغاز خواهد کرد، عمدتاً برای ارتقاء آزمونها و همچنین برای تولید محتوای اصلی.
Salesforce Salesforce، نام بزرگی در صنعت، برای همکاری با OpenAI اقدام کرده است. این شرکت قصد دارد از تواناییهای هوش مصنوعی برای تولید پیشنویس ایمیل، اطلاعات حساب مشتری و حتی زبان کدنویسی استفاده کند.
Atlassian
در آوریل 2023، شرکت نرمافزاری Atlassian از ادامه مذاکرات خود با OpenAI خبر داد. این همکاری برای بهبود کارایی و سرعت در پردازش درخواستهای پشتیبانی فنی کارکنان در Slack انجام خواهد شد.
Bain & Company شرکت مشاوره جهانی Bain & Company در فوریه 2023 اعلام کرد که با OpenAI همکاری کرده است. این دو شرکت برای ارتقاء قابلیتهای دیجیتال Bain و بهرهمندی از ابزارهای OpenAI مانند ChatGPT با هم همکاری میکنند.
Neo
آلای پارا تووی، سرمایهگذار و بنیانگذار شتابدهنده استارتاپی Neo نیز همکاری خود را با OpenAI اعلام کرده است. این همکاری به تمام شرکتهای زیرمجموعه Neo این امکان را میدهد که از Azure مایکروسافت و ابزارهای ChatGPT و DALL-E OpenAI استفاده کنند.
Consensus
در زمینه جستجوی علمی وب، Consensus یکی از استارتاپهای امیدوارکننده است. این شرکت مستقر در بوستون در سپتامبر 2022 راهاندازی شد و از آن زمان بیش از 200,000 کاربر ثبتنامی جمعآوری کرده است. هدف این شرکت حل مشکل نتایج نادرست جستجو با ارائه دانش تخصصی از 200 میلیون مقاله تحقیقاتی علمی است.
در آوریل 2023، Consensus اعلام کرد که توانسته است 3 میلیون دلار در یک دور تأمین مالی اولیه جمعآوری کند تا به ادامه کار خود بپردازد و همچنین تصمیم گرفته است با OpenAI همکاری کند تا زبان ساده و کاربرپسند را در دسترس قرار دهد. اره اولسون، مدیرعامل این شرکت گفت: “ما حقیقت را ارج مینهیم و همیشه به دنبال روشی آسان برای ارتباط با منابع دقیق و معتبر بودهایم. ما Consensus را ساختیم چون میخواستیم این ابزار برای خودمان وجود داشته باشد.”
این پلتفرم با استفاده از قابلیتهای تولیدی OpenAI، پاسخها را به طور مستقیم از منابع خود ترکیب کرده و هدف آن استفاده از “مدلهای زبانی برای خودکارسازی مراحلی است که یک متخصص برای رسیدن به یک نتیجه دقیق طی میکند و ایجاد یک تجربه جستجوی شهودی و آسان برای استفاده در اطراف این مراحل خودکار” است. اولسون به VentureBeat گفت.
خلاصه
به طور کلی، استراتژی هوش مصنوعی مایکروسافت و همکاری آن با OpenAI پتانسیل زیادی برای شکلدهی به آینده تکنولوژی هوش مصنوعی و کاربردهای آن در صنایع مختلف دارند. با دمکراتیزه کردن هوش مصنوعی، ادغام قابلیتهای هوش مصنوعی در محصولات خود و تقویت همکاریهای استراتژیک، مایکروسافت آماده است تا در رأس انقلاب هوش مصنوعی بماند، نوآوری را پیش ببرد و پیشرفتهای بیسابقهای در این حوزه ایجاد کند. مهمترین نکته برای این شرکت این است که کاربران به خدمات افزایش بهرهوری آنها و ارائهدهندگان راهحلهای مبتنی بر هوش مصنوعی به زیرساختها و توان پردازشی آنها وابسته باشند.
این یک گسترش طبیعی از استراتژی تجاری مایکروسافت است، اما برخلاف Azure یا Power BI، هژمونی آنها در حوزه هوش مصنوعی تا به حال تقریباً بیرقیب است. حتی گوگل به نظر نمیرسد پاسخ درست را پیدا کرده باشد، شاید به این دلیل که هوش مصنوعی خود، Bard، عادت دارد پاسخهای غلط بدهد. برای ما، انسانهای معمولی، تنها چیزی که باقی میماند این است که با تحولات همگام باشیم، امیدوار باشیم که اخلاق در تحقیق حاکم شود و آماده یک دنیای با یا توسط هوش مصنوعی باشیم.
