مالک اینستاگرام با رونمایی Muse Wonder گامی بزرگ به‌سوی هوش مصنوعی فوق‌ هوشمند برداشت

متا با معرفی سری جدید مدل‌های هوش مصنوعی خود، مرزهای توانمندی دستیارهای دیجیتال را جابه‌جا کرد. دو مدل پیشرفته با نام‌های Muse Wonder و Muse Wonder Full در کانون این رونمایی قرار دارند که با هدف ارائه‌ی عملکردی کم‌نظیر در انجام وظایف فردی و حرفه‌ای طراحی شده‌اند. هدف غایی چنین دستاوردی، نزدیک‌تر شدن به رویای هوش فوق‌ هوشمند شخصی و ایجاد تحول در شیوه‌ی تعامل کاربران با ابزارهای دیجیتال است.

بر اساس بیانیه‌ی مطبوعاتی متا، توسعه‌ی این خانواده‌ی جدید حاصل بازنگری بنیادی متا در زیرساخت‌های هوش مصنوعی طی چهارده ماه گذشته به شمار می‌رود. پژوهشگران متا پس از بازسازی کامل زیرساخت‌ها و معرفی مدل Muse Spark، روند مقیاس‌پذیری منظمی را در پیش گرفتند.

مدل‌های جدید در دیتاسنتر عظیم و گیگاواتی Prometheus آموزش دیده‌اند تا توان محاسباتی کم‌نظیری را برای حل مسائل پیچیده‌ی کاری و روزمره در اختیار میلیاردها کاربر قرار دهند.

یکی از بزرگ‌ترین چالش‌ها در ساخت دستیارهای هوشمند، حفظ داده‌های کلیدی در گذر زمان است. متا برای رفع این مانع از قابلیت Active Memory یا حافظه‌ی پویا بهره می‌گیرد. این سیستم داده‌های حیاتی کاربر را در طول گفت‌وگوهای متعدد حفظ می‌کند و هنگام نیاز، جزئیات لازم را با دقت بازمی‌یابد تا رشته‌ی کلام و اهداف کاری از دست نرود.

در کنار حافظه، ویژگی دیگری تحت عنوان Active Focus یا تمرکز فعال ایفای نقش می‌کند. وقتی مدلی با هدفی چالش‌برانگیز روبه‌رو می‌شود، به‌جای متوقف شدن در برابر موانع، مسیرهای جایگزین را می‌آزماید و با شرایط تازه سازگار می‌شود. عملکرد مداوم در پروژه‌های طولانی‌مدت بر پایه‌ی معیارهایی چون FocusBench و SWE-Marathon سنجیده شده است که پایداری عملیاتی مدل‌ها را نشان می‌دهند.

مدل‌های جدید متا توانسته‌اند دانش تخصصی را در حوزه‌هایی فراتر از گفت‌وگوهای معمولی به کار بگیرند. بررسی قراردادهای حقوقی، درک داده‌های پیچیده‌ی مالی و تحلیل اطلاعات سلامت بخشی از این قابلیت‌ها هستند. ارزیابی‌ها در بنچمارک‌های سخت‌گیرانه‌ای مانند Harvey LAB نشان می‌دهد که مدل‌ها به‌خوبی اسناد تخصصی را پردازش می‌کنند و مطابق با دستورالعمل‌های دقیق گام برمی‌دارند.

برنامه‌نویسی حوزه‌ای است که تمامی این مهارت‌ها را در کنار هم می‌آزماید. اجرای پروژه‌های نرم‌افزاری به بازبینی مداوم کدها، ردیابی نیازمندی‌ها و اصلاح مکرر نیاز دارد. هر دو مدل برای توسعه‌ی پروژه‌های کوچک و سامانه‌های نرم‌افزاری کلان آماده شده‌اند و روی وظایف گسترده و طولانی آموزش دیده‌اند تا پایداری و دقت کدنویسی را حفظ کنند.

بسیاری از مدل‌های هوش مصنوعی امتیازهای بالایی در آزمون‌های آزمایشگاهی ثبت می‌کنند، اما هنگام برخورد با وظایف ناشناخته عملکرد چندان درخشانی ندارند. متا برای غلبه بر این پدیده نشان داد که مدل Muse Wonder Full به لطف مدل پایه‌ی قوی‌تر، توانایی چشمگیری در تعمیم دانسته‌ها به موقعیت‌های جدید دارد و به‌مراتب بهتر از پیش‌بینی‌های قبلی روی داده‌های ناآشنا عمل می‌کند.

دستیابی به هوش مصنوعی فوق‌ هوشمند بدون امنیت بالا ناممکن است. متا تدابیر حفاظتی مستحکمی را در برابر تهدیدات سایبری و خطرات CBRN در این مدل‌ها تعبیه کرده و راهکارهای ترازسازی رفتاری را ارتقا داده است تا اطلاعات محرمانه و اسناد شخصی کاربران در امن‌ترین شرایط ممکن پردازش شوند.

نسخه‌ی Muse Wonder هم‌اکنون از طریق رابط برنامه‌نویسی Meta Model API در دسترس است و کاربران Muse Code می‌توانند به نسخه‌ی توانمندتر Muse Wonder Full دسترسی داشته باشند.