آخرین بروزرسانی در ۵ تیر ۱۴۰۵ توسط Dr.Arman
تصور کنید میخواهید به کسی رانندگی یاد بدهید. آیا به او میگویید فقط فرمان را بچرخاند، یا اول به او میفهمانید که اگر فرمان را چرخاند، ماشین به کدام سمت میرود؟ علیبابا با معرفی Qwen-AgentWorld، رویکرد سنتی در توسعه عاملهای هوش مصنوعی را کاملاً دگرگون کرده است. آنها مدلی ساختهاند که هرگز برای «انجام دادن» کاری آموزش ندیده، اما در عمل، همه را شکست داده است.
پارادوکس بزرگ: مدلی که عمل نمیکند اما بهتر عمل میکند!
در دنیای هوش مصنوعی، ما همیشه به دنبال این بودهایم که به مدلها یاد بدهیم چطور وظایف را انجام دهند. اگر از یک مدل میخواستیم کدی بنویسد یا فایلی را جابهجا کند، تمرکز بر روی «خروجی نهایی» بود. اما تیم Qwen در علیبابا متوجه یک سقف شیشهای بزرگ شد؛ مشکلی که همه تیمهای بزرگ با آن دستوپنجه نرم میکنند.
وقتی شما یک عامل (Agent) را در محیط واقعی مثل اینترنت یا یک سیستمعامل آموزش میدهید، محدود به اتفاقاتی هستید که در آن لحظه رخ میدهد. شما نمیتوانید به یک موتور جستجوی واقعی دستور بدهید که عمداً نتایج غلط یا ناقص برگرداند تا هوش مصنوعی شما یاد بگیرد چطور با خطاها برخورد کند. اینجاست که Qwen-AgentWorld وارد بازی میشود و قواعد را عوض میکند.
چرا این تحول همین حالا برای شما اهمیت دارد؟
اگر شما هم از آن دسته افرادی هستید که اخبار هوش مصنوعی را دنبال میکنید، احتمالاً واژه «AGI» یا هوش عمومی مصنوعی را زیاد شنیدهاید. محققان علیبابا معتقدند قطعه گمشده این پازل، «مدلسازی جهان» (World Modeling) است. آنها به جای اینکه به مدل بگویند «اگر این را دیدی، فلان کار را بکن»، از او پرسیدند: «اگر این کار را انجام دادی، جهان چه واکنشی نشان میدهد؟»
این تغییر دیدگاه به ظاهر ساده، نتایج خیرهکنندهای داشته است. علیبابا به تازگی Qwen3.7-Max را معرفی کرده بود که میتوانست ۳۵ ساعت به طور مستقل کار کند، اما AgentWorld یک قدم فراتر رفته است. این مدل یاد گرفته که محیطهای مختلف از جمله اندروید، وب، ترمینال و حتی مهندسی نرمافزار را شبیهسازی کند. این یعنی ما دیگر محدود به دادههای دنیای واقعی نیستیم.
نگاهی به درون موتورخانه: Qwen-AgentWorld چطور کار میکند؟
بیایید کمی عمیقتر شویم. اکثر مدلهای عاملی بر اساس یک سوال آموزش میبینند: «با توجه به آنچه محیط به من نشان داد، قدم بعدی من چیست؟» اما مدل جدید علیبابا دقیقاً معکوس عمل میکند: «با توجه به کاری که من انجام دادم، محیط در قدم بعدی چه شکلی خواهد بود؟» این یعنی مدل به جای یک «مجری»، تبدیل به یک «پیشگو» شده است.
برای رسیدن به این سطح از درک، علیبابا از معماری Mixture-of-Experts (MoE) استفاده کرده است. در این ساختار، تمام پارامترهای مدل همزمان فعال نیستند. مثلاً در مدل ۳۹۷ میلیاردی آنها، تنها ۱۷ میلیارد پارامتر در هر لحظه فعال میشود. این هوشمندی باعث میشود مدل بتواند پنجره محتوایی عظیم ۲۵۶ هزار توکنی را مدیریت کند و بفهمد در یک سیستمعامل پیچیده یا یک وبسایت شلوغ، چه اتفاقاتی در حال رخ دادن است.
سه مرحله تا رسیدن به درک کامل از جهان
تیم تحقیق علیبابا این مدل را در سه مرحله سختگیرانه آموزش داده است. در مرحله اول، مدل یاد میگیرد که محیطها چطور رفتار میکنند؛ از پاسخهای API گرفته تا تغییرات در ساختار DOM مرورگرها. در مرحله دوم، مدل یاد میگیرد که قبل از پیشبینی، «استدلال» کند. یعنی بفهمد «چرا» فلان اتفاق در محیط میافتد.
مرحله سوم، یعنی یادگیری تقویتی (RL)، جایی است که پیشبینیها صیقل میخورند. علیبابا از بیش از ۱۰ میلیون مسیر تعامل با محیط برای این کار استفاده کرده است. نتیجه؟ مدلی که میتواند حتی در دامنههایی که هرگز در زمان آموزش ندیده (مثل سه مورد از هفت بنچمارک اصلی)، عملکرد فوقالعادهای از خود نشان دهد. این همان جادوی انتقال دانش از پیشبینی به عمل است.
دنیای خیالی که نتایج واقعی میسازد
یکی از جالبترین بخشهای این تحقیق، آزمایش روی جستجوی اینترنتی بود. محققان مدل را در محیطهایی کاملاً «خیالی» و ساخته شده توسط خود مدل آموزش دادند. شاید فکر کنید این کار باعث میشود مدل از واقعیت دور شود، اما برعکس! وقتی این مدل را به دنیای واقعی و جستجوگرهای واقعی فرستادند، عملکرد آن از ۳۴ درصد به بیش از ۵۰ درصد صعود کرد.
این یعنی هوش مصنوعی با تمرین در یک «شبیهساز کنترلشده»، توانسته مهارتهایی را یاد بگیرد که در دنیای واقعی به ندرت با آنها روبرو میشد. به این فکر کنید که یک خلبان چقدر در شبیهساز پرواز تمرین میکند تا برای شرایط اضطراری آماده شود؛ شرایطی که شاید در کل دوران کاریاش در دنیای واقعی فقط یک بار رخ دهد. Qwen-AgentWorld دقیقاً همین کار را برای هوش مصنوعی انجام داده است.
چالشها و نقدهایی که باید بدانید
البته همه چیز هم گل و بلبل نیست! بلافاصله پس از انتشار این مقاله، جامعه محققان AI در شبکههای اجتماعی واکنش نشان دادند. یکی از انتقادهای اصلی این بود که بنچمارک AgentWorldBench توسط خود علیبابا ساخته شده است. منتقدان میگویند: «آنها امتحان را خودشان طراحی کردند و بعد خودشان هم در آن اول شدند!»
نقد جدیتر مربوط به پدیده «بیشبرازش» یا Overfitting است. برخی متخصصان معتقدند اگر شبیهساز بیش از حد «تمیز» یا دارای الگوهای خاص باشد، هوش مصنوعی یاد میگیرد که چطور شبیهساز را دور بزند، نه اینکه چطور وظیفه اصلی را انجام دهد. با این حال، نتایج علیبابا در محیطهای کاملاً غریبه نشان میدهد که آنها احتمالاً توانستهاند از این تله فرار کنند.
درسهایی برای تیمهای توسعهدهنده هوش مصنوعی
اگر شما در حال ساخت یا کار با سیستمهای مبتنی بر عاملهای هوش مصنوعی هستید، این خبر یک زنگ بیدارباش است. دیگر نمیتوان فقط به دادههای ایستا یا آموزشهای مستقیم تکیه کرد. شما به یک لایه شبیهسازی نیاز دارید. لایهای که در آن بتوانید «شرایط مرزی» و لبههای تیز واقعیت را که در حالت عادی دیده نمیشوند، به مدل تزریق کنید.
نکته کلیدی دیگر این است که مدلسازی محیط باید خیلی زودتر از آموزش خودِ عامل شروع شود. یافتههای علیبابا نشان میدهد که اگر مدل قبل از شروع یادگیریِ وظایف، درک درستی از «جهان» داشته باشد، سرعت رشد و دقت آن به شکل نمایی افزایش مییابد. این یعنی سرمایهگذاری روی «درک محیط» بسیار ارزشمندتر از صرفاً جمعآوری دادههای «دستور و پاسخ» است.
آینده در دستان مدلهای پیشگوست
در نهایت، کار علیبابا به ما میگوید که مسیر رسیدن به هوش مصنوعی واقعاً خودمختار، از دل «عمل کردن» نمیگذرد، بلکه از دل «فهمیدن» میگذرد. وقتی یک مدل هوش مصنوعی بتواند پیامد کارهای خود را قبل از انجام دادن پیشبینی کند، ما به لبههای جدیدی از تکنولوژی رسیدهایم. این نه تنها امنیت سیستمها را بالا میبرد، بلکه اجازه میدهد هوش مصنوعی در محیطهای پیچیدهتر و حساستر با اطمینان بیشتری عمل کند.
به نظر شما، آیا روزی میرسد که هوش مصنوعی بتواند تمام پیامدهای یک تصمیم پیچیده انسانی را پیشبینی کند؟ پیشنهاد میکنم نگاهی به کدهای نسخه ۳۵ میلیاردی Qwen که به صورت متنباز منتشر شده بیندازید و خودتان قدرت پیشگویی آن را امتحان کنید. آینده هوش مصنوعی، یاد گرفتن از تجربههایی است که هنوز اتفاق نیفتادهاند!
منبع:
https://venturebeat.com/technology/alibabas-model-never-trained-as-an-agent-and-improved-agent-performance-across-seven-benchmarks
مطالب مرتبط