معماری جدید هوش مصنوعی دیپ‌سیک می‌تواند با نظارت انسانی کمتری فعالیت کند

شرکت هوش مصنوعی چینی دیپ‌سیک از یک معماری آزمایشی جدید برای توسعه عامل‌های هوش مصنوعی خودمختارتر رونمایی کرد. این سیستم با هدف هماهنگ‌سازی چند دستیار هوش مصنوعی، تقسیم وظایف و اجرای فرایندهای پیچیده با نیاز کمتر به نظارت انسان طراحی شده است.

این معماری که سوپر ایجنت نام دارد، قصد دارد یکی از محدودیت‌های رو به رشد در حوزه خودکارسازی هوش مصنوعی را برطرف کند. اگرچه عامل‌های هوش مصنوعی به‌صورت مستقل توانمندتر شده‌اند، مدیریت هم‌زمان چند عامل همچنان به توجه و دخالت قابل‌توجه انسان نیاز دارد. این طرح در شرایطی مطرح شده که رقابت میان دیپ‌سیک و رقبای آمریکایی آن، یعنی OpenAI و آنتروپیک، برای ساخت سیستم‌های هوش مصنوعی توانمند در انجام وظایف پیچیده مهندسی نرم‌افزار شدت گرفته است.

نسل بعدی دستیارهای برنامه‌نویسی قرار نیست فقط به درخواست‌های جداگانه کاربران پاسخ دهند؛ بلکه انتظار می‌رود فرایندهای طولانی‌تر را مدیریت کنند، به اطلاعات جدید واکنش نشان دهند و چندین عملیات مختلف را با حداقل دخالت انسان پیش ببرند.

کاهش وابستگی خودکارسازی هوش مصنوعی به نظارت انسان

دیپ‌سیک معتقد است پیشرفت مدل‌های هوش مصنوعی باعث شده عامل‌ها بتوانند وظایف متنوعی از مدیریت تقویم و نوشتن ایمیل گرفته تا تهیه گزارش و برنامه‌نویسی را به‌صورت خودکار انجام دهند. با وجود این پیشرفت‌ها، هماهنگ‌کردن چند عامل همچنان دشوار باقی مانده است؛ زیرا انسان‌ها هنوز باید وظایف را تعیین کنند، روند پیشرفت را زیر نظر بگیرند و اختلاف میان خروجی‌های مختلف را برطرف سازند.

تیم توسعه‌دهنده این پروژه تخمین می‌زند که هر فرد معمولاً فقط می‌تواند سه تا پنج نشست فعال عامل هوش مصنوعی را به‌طور هم‌زمان مدیریت کند. این محدودیت در عمل میزان کاری را که سازمان‌ها می‌توانند به هوش مصنوعی واگذار کنند کاهش می‌دهد؛ حتی اگر هر عامل به‌تنهایی توانایی انجام وظایف محول‌شده را داشته باشد.

معماری پیشنهادی سوپر ایجنت برای رفع این مشکل، از یک سیستم مرکزی هماهنگ‌کننده بهره می‌برد. این سیستم وظایف بزرگ را به بخش‌های کوچک‌تر تقسیم می‌کند، آن‌ها را به چند عامل مختلف برای اجرای موازی می‌سپارد و بدون نیاز به مدیریت جداگانه هر نشست توسط انسان، روند پیشرفت کار را دنبال می‌کند.

این سیستم همچنین به‌گونه‌ای طراحی شده تا به‌جای انتظار برای دریافت دستور مستقیم، به‌صورت فعال به رویدادهای جدید واکنش نشان دهد. برای مثال، یک عامل می‌تواند با شناسایی گزارش یک باگ نرم‌افزاری در گفت‌وگوی گروهی، تلاش کند مشکل را بازتولید کرده و راه‌حلی برای رفع آن پیدا کند. در صورت دستیابی به نتیجه مناسب، عامل می‌تواند تغییر پیشنهادی در کد را برای بررسی و تأیید انسان ارسال کند. همچنین اگر در انجام وظیفه شکست بخورد، بدون ارسال اعلان‌های غیرضروری سکوت خواهد کرد.

دستیارهای برنامه‌نویسی؛ میدان رقابت جدید شرکت‌های هوش مصنوعی

پیشنهاد تازه دیپ‌سیک نشان‌دهنده تغییر مسیر گسترده‌تر صنعت هوش مصنوعی نیز محسوب می‌شود؛ جایی که توسعه‌دهندگان برای ساخت سیستم‌هایی رقابت می‌کنند که به‌جای پاسخ‌گویی به درخواست‌های محدود برنامه‌نویسی، توانایی مدیریت تمام مراحل توسعه نرم‌افزار را داشته باشند.

کلود کد از شرکت آنتروپیک و کدکس از شرکت OpenAI قابلیت‌های دستیارهای برنامه‌نویسی مبتنی بر هوش مصنوعی را گسترش داده‌اند. این ابزارها اکنون می‌توانند در بخش‌های مختلف یک پایگاه کد فعالیت کنند، وظایف گوناگون را اجرا کنند و در فرایندهای پیچیده‌تر توسعه نرم‌افزار مشارکت داشته باشند. معماری پیشنهادی دیپ‌سیک رویکرد متفاوتی را دنبال می‌کند و تمرکز اصلی آن بر هماهنگی میان چند عامل هوش مصنوعی و واکنش به تغییر شرایط در حین انجام کار قرار دارد.

بر اساس آزمایش‌های ارائه‌شده از سوی این شرکت، معماری جدید یک وظیفه را در کمتر از ۱۶ دقیقه به پایان رسانده است؛ درحالی‌که اجرای همان کار با روش متداول بیش از ۲۹ دقیقه زمان برده است. این نتیجه نشان می‌دهد اجرای موازی وظایف و هماهنگی خودکار میان عامل‌ها می‌تواند زمان موردنیاز برای انجام برخی فرایندها را کاهش دهد.

با این حال، نتایج این آزمایش به‌تنهایی ثابت نمی‌کند که سیستم جدید در مقایسه با دستیارهای برنامه‌نویسی رقیب عملکرد بهتری دارد. مقاله فنی منتشرشده جزئیات کافی درباره میزان تعمیم‌پذیری این نتیجه، معیارهای سنجش کیفیت وظایف و پایداری عملکرد معماری در سناریوهای مختلف توسعه نرم‌افزار ارائه نکرده است.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.