کوندویت میخواد فکرت رو به متن تبدیل کنه
خلاصهٔ کاملتر
نائومی باشکانسکی تو این پست نوشته که ۲۳ جولای از OpenAI استعفا داده و روز بعدش بهعنوان یکی از پژوهشگرهای اولیهٔ کوندویت شروع به کار کرده؛ استارتاپی که کار خودش رو «ساختن تلپاتی» توصیف میکنه، یعنی مدلهایی که فکر رو به متن تبدیل میکنن و روی دادهٔ عصبی غیرتهاجمی آموزش میبینن. منظور از غیرتهاجمی اینه که خبری از کاشت تراشه تو مغز نیست و سیگنال از بیرون سر خونده میشه.
پیشبینی نویسنده اینه که تا چند سال دیگه اصلیترین راه حرف زدن ما با هوش مصنوعی، فکر کردنه نه تایپ. تو سناریویی که برای ۲۰۲۷ تصویر کرده، یه هدبند دور سرش میذاره، به کد و نمودارهای عاملش نگاه میکنه و همون فکرهای مبهم و کوتاهش به مدل کوندویت میرسه و از اونجا به شکل دستور روشن به عامل کدنویسی میره. برای ۲۰۳۰ و ۲۰۳۵ هم از اتصال مستقیم مدلهای هوش مصنوعی به فضای نهفتهٔ کوندویت و بعد قابلیت «نوشتن» روی مغز حرف میزنه.
از نظر فنی، ایده سادهست: ورودی فعالیت مغزیه و خروجی هدف، همون چیزی که فرد موقع ضبط مینوشته؛ مدل باید متنی تولید کنه که از نظر معنایی به متن اصلی نزدیک باشه. نویسنده به «درس تلخ» ریچ ساتن استناد میکنه: بهجای الگوریتم دستساز، دادهٔ بیشتر و محاسبات بیشتر. چون کمتر کسی حاضره تراشه تو مغزش بذاره، جمعآوری داده باید غیرتهاجمی باشه و چند مرتبه بزرگتر از هر چیزی که تو دانشگاه انجام شده.
ادعای کلیدی اینه که رمزگشایی بینقص لازم نیست. نویسنده فکرها رو به GPS تو شهر تشبیه میکنه: سیگنال نویزی بهتنهایی مکان دقیق رو نمیده، ولی کنار نقشه و مسیر — یعنی مدل زبانی و کانتکست — خیلی دقیق میشه. به گفتهٔ او شباهت کسینوسی پیشبینیها با فضای نهفتهٔ هدف، نسبت به لگاریتم ساعتهای داده خطی بالا میره و خودشون رو «تو دورهٔ GPT-2» میدونن. دلیل رفتنش هم سه چیزه: چشمانداز جاهطلبانه، آدمهای تیم، و اینکه برخلاف OpenAI همهچیز از صفر ساخته میشه.
نکات کلیدی:
- کوندویت روی مدلهای فکر به متن با دادهٔ عصبی غیرتهاجمی کار میکنه
- شرطبندی اصلی روی مقیاس دادهست، نه الگوریتم دستساز
- رمزگشایی بینقص لازم نیست؛ مدل زبانی نقش نقشه رو برای سیگنال نویزی بازی میکنه
- شباهت کسینوسی خروجی با هدف، خطی با لگاریتم ساعتهای داده بالا میره
- تیم وضعیت فعلی رو معادل «دورهٔ GPT-2» میدونه
- نویسنده این آینده رو «انسان در حلقه» میبینه: تقویت انسان بهجای جایگزینیاش




