OpenAI o1

OpenAI o1 هو نموذج تحويلي توليدي مُدرَّب مسبقًا (GPT)، وهو الأول في سلسلة نماذج الاستدلال "o" من OpenAI . أصدرت OpenAI نسخة تجريبية من o1 في 12 سبتمبر 2024. يقضي o1 وقتًا في "التفكير" قبل الإجابة، مما يجعله أكثر كفاءة في مهام الاستدلال المعقدة والعلوم والبرمجة من GPT-4o . ^{[ 1 ]} أُصدرت النسخة الكاملة لمستخدمي ChatGPT في 5 ديسمبر 2024. ^{[ 2 ]}

بحسب OpenAI، تم تدريب النموذج o1 باستخدام خوارزمية تحسين جديدة ومجموعة بيانات مصممة خصيصًا لها، مع دمج التعلم المعزز في عملية التدريب. ^{[ 8 ]} وصفت OpenAI النموذج o1 بأنه مكمل للنموذج GPT-4o وليس خليفة له. ^{[ 12 ] [ 13 ]}

يقضي النموذج o1 وقتًا إضافيًا في التفكير (تكوين سلسلة من الأفكار) قبل تقديم الإجابة، مما يجعله أكثر كفاءة في مهام الاستدلال المعقدة، لا سيما في العلوم والرياضيات . [ ^{1 ] بالمقارنة} مع النماذج السابقة، تم تدريب o1 على تكوين " سلاسل فكرية " طويلة قبل تقديم الإجابة النهائية. ^{[ 14 ] [ 15 ]} ووفقًا لميرا موراتي ، تمثل هذه القدرة على التفكير قبل الإجابة نموذجًا جديدًا إضافيًا، يعمل على تحسين مخرجات النموذج من خلال زيادة قوة الحوسبة المستخدمة في توليد الإجابة، بينما يعمل نموذج توسيع نطاق النموذج على تحسين المخرجات من خلال زيادة حجم النموذج وبيانات التدريب وقوة الحوسبة المستخدمة في التدريب. ^{[ 12 ]} تشير نتائج اختبارات OpenAI إلى وجود علاقة بين الدقة ولوغاريتم مقدار الحوسبة المستخدمة في التفكير قبل الإجابة. ^{[ 15 ] [ 14 ]}

أظهر برنامج o1-preview أداءً يُقارب مستوى الدكتوراه في اختبارات قياس الأداء المتعلقة بالفيزياء والكيمياء والأحياء. في امتحان الرياضيات الأمريكي المدعو ، حلّ 83% من المسائل (12.5/15)، مقارنةً بـ 13% (1.8/15) لبرنامج GPT-4o. كما احتلّ مرتبةً ضمن أفضل 89% في مسابقات البرمجة على منصة Codeforces . ^{[ 16 ]} أما برنامج o1-mini فهو أسرع وأقل تكلفة بنسبة 80% من o1-preview. وهو مناسبٌ بشكلٍ خاص للبرمجة والمهام المتعلقة بمجالات العلوم والتكنولوجيا والهندسة والرياضيات ، ولكنه لا يمتلك نفس "المعرفة الشاملة" التي يتمتع بها o1-preview. ^{[ 17 ]}

أشارت OpenAI إلى أن قدرات الاستدلال لدى o1 تجعله أكثر التزامًا بقواعد السلامة المُقدمة في نافذة السياق الخاصة بالموجه. وأفادت OpenAI أنه خلال اختبار، استغل أحد نماذج o1-preview خللًا في الإعدادات لينجح في مهمة كان من المفترض أن تكون مستحيلة بسبب خلل برمجي. ^{[ 18 ] [ 19 ]} كما منحت OpenAI معهدَي سلامة الذكاء الاصطناعي في المملكة المتحدة والولايات المتحدة إمكانية الوصول المبكر إلى النموذج لأغراض البحث والتقييم والاختبار. ووفقًا لتقييمات OpenAI، صُنِّف كل من o1-preview وo1-mini ضمن فئة "المخاطر المتوسطة" في مجال الأسلحة البيولوجية والكيميائية والإشعاعية والنووية. وكتب دان هندريكس أن "النموذج يتفوق بالفعل على علماء الدكتوراه في معظم الأحيان في الإجابة على الأسئلة المتعلقة بالأسلحة البيولوجية ". وأشار إلى أن هذه القدرات المثيرة للقلق ستستمر في التطور. ^{[ 20 ]}

يتطلب النموذج o1 عادةً وقتاً وقوة حاسوبية أكبر من نماذج GPT الأخرى من OpenAI، لأنه يُولّد سلاسل طويلة من الأفكار قبل تقديم الاستجابة النهائية. ^{[ 14 ]}

وفقًا لشركة OpenAI، قد يقوم النموذج o1 "بتزييف التوافق "، أي توليد استجابة تتعارض مع الدقة وتسلسل تفكيره الخاص، في حوالي 0.38% من الحالات. ^{[ 21 ]}

تمنع OpenAI المستخدمين من محاولة كشف تسلسل تفكير o1، وهو مخفيٌّ عمدًا وغير مُدرَّب على الامتثال لسياسات الشركة. تخضع المطالبات للمراقبة، وقد يفقد المستخدمون الذين ينتهكون هذا الأمر عمدًا أو سهوًا إمكانية الوصول إلى o1. تُشير OpenAI إلى سلامة الذكاء الاصطناعي والميزة التنافسية كأسباب لهذا التقييد، الذي وصفه المطورون الذين يعملون مع نماذج اللغة الكبيرة (LLMs) بأنه فقدان للشفافية. ^{[ 22 ]}

في أكتوبر 2024، نشر باحثون في شركة آبل بحثًا أوليًا يفيد بأن نماذج التعلم المنطقي (LLMs) مثل o1 قد تُكرر خطوات الاستدلال من بيانات التدريب الخاصة بها. ^{[ 23 ]} وبتغيير الأرقام والأسماء المستخدمة في مسألة رياضية، أو ببساطة بإعادة تشغيل المسألة نفسها، كان أداء نماذج التعلم المنطقي أسوأ قليلًا من أفضل نتائجها المعيارية. أما إضافة معلومات خارجية غير ذات أهمية منطقية إلى المسائل فقد تسببت في انخفاض أكبر بكثير في الأداء، من -17.5% لنموذج o1-preview و-29.1% لنموذج o1-mini، إلى -65.7% لأسوأ نموذج تم اختباره. ^{[ 24 ]}

أظهرت تقييمات السلامة التي أجرتها شركة أبولو للأبحاث أن نظام o1 كان أكثر قدرة على الخداع من غيره من الأنظمة الرائدة في الاختبارات الخاضعة للرقابة (مثل محاولة نسخ نفسه إلى خادم خارجي عند التهديد بإيقاف التشغيل). وعند مواجهته، نادراً ما اعترف بفعل الخداع (في 20% من حالات الاختبار). ^{[ 25 ]}

• نموذج الاستدلال
• قائمة نماذج اللغة الكبيرة

• الموقع الرسمي