رونمایی هیجان‌انگیز OpenAI از GPT-6؛ تبدیل پاسخ‌های چت‌بات به مینی‌اپ‌های تعاملی برای ۱.۲ میلیارد کاربر!

مدل GPT-6 رابط‌های کاربری زنده و تعاملی را به ChatGPT می‌آورد

بر اساس بیانیه رسمی معرفی GPT-6، شرکت OpenAI فرایند عرضه مدل پرچمدار GPT-6 را برای تمامی پلن‌های چت‌جی‌پی‌تی (ChatGPT) آغاز کرده است. ویژگی انقلابی جدیدی به نام «رابط کاربری هوشمند» (Intelligent UI) به این مدل امکان می‌دهد تا نمودارها، فرم‌ها، دکمه‌ها و ابزار‌های تعاملی کوچک را درست داخل متن پاسخ سرهم کند. با این قابلیت، هر جواب می‌تواند مثل یک رابط کاربری اختصاصی برای یک تسک مشخص عمل کند و به کاربران اجازه دهد بدون ترک محیط گفتگو، محاسبات را انجام دهند، گزینه‌ها را با هم مقایسه کنند یا داده‌ها را دستکاری نمایند.

کاربران پلن‌های پولی ChatGPT حدود یک ماه زودتر از عرضه عمومی به اولین نسخه‌های GPT-6 دسترسی پیدا کردند؛ اما حالا طبق اعلام OpenAI، این آپدیت بزرگ قرار است به دست بیش از ۱.۲ میلیارد کاربر فعال هفتگی برسد. تب Chat اولین بخشی است که این به‌روزرسانی را دریافت می‌کند و مدل‌های فعال در بخش‌های Work و Codex فعلاً بدون تغییر باقی می‌مانند.

پاسخی که درست مثل یک نرم‌افزار کار می‌کند

مدل GPT-6 بسته به نیاز کاربر، متن، المان‌های بصری و کنترل‌های نرم‌افزاری را به بهترین شکل ترکیب می‌کند. برای مثال، اگر بخواهید دو چیز را با هم مقایسه کنید، پاسخ در پنل‌های کنار هم نمایش داده می‌شود؛ توضیحات علمی می‌توانند با دیاگرام‌های تعاملی همراه شوند و سوالات ساده و مستقیم هم همچنان در قالب همان متن ساده و سریع همیشگی پاسخ داده می‌شوند.

شرکت OpenAI کارکرد این سیستم را با یک ابزار برنامه‌ریزی شام نشان داده که در آن با جابه‌جا کردن اسلایدر تعداد مهمان‌ها، مقادیر خرید به شکل خودکار تغییر می‌کنند. نمونه جذاب دیگر، تبدیل معمای معروف احتمالات «مونتی هال» (Monty Hall) به یک شبیه‌ساز زنده است که کاربران می‌توانند مستقیماً در صفحه چت با آن تعامل داشته باشند و احتمالات را تست کنند.

رابط کاربری چطور به شکل زنده استریم و اجرا می‌شود؟

قابلیت Intelligent UI بر پایه کامپوننت‌های بومی قابل استریم و یک کامپایلر اختصاصی کار می‌کند که خروجی مدل را لحظه‌به‌لحظه هنگام تولید پردازش می‌کند. به زبان ساده، مدل همان‌طور که فکر می‌کند، عناصر ساختاریافته رابط کاربری را ارسال می‌کند و ChatGPT همزمان آن‌ها را به شکل تدریجی رندر می‌کند؛ یعنی یک نمودار یا دکمه حتی قبل از آماده شدن کل متن پاسخ، روی صفحه ظاهر می‌شود.

شرکت OpenAI روش‌های آموزشی مدل را هم گسترش داده تا بتواند محتوا، چیدمان، جلوه‌های بصری، تعاملی بودن، وضوح و کامل بودن را به دقت ارزیابی کند. مدل GPT-6 یاد گرفته که چه زمانی از یک کامپوننت استفاده کند، چطور آن را بچیند و چه زمان‌هایی یک پاسخ متنی ساده اثرگذاری بهتری دارد. بنابراین آموزش مدل علاوه بر تولید کد، تصمیم‌گیری‌های هوشمندانه برای طراحی رابط کاربری را هم در بر می‌گیرد.

فرآیند استدلال خیلی سریع‌تر به چشم کاربر می‌آید

مدل GPT-6 می‌تواند زنجیره استدلال درونی خود را با تولید پاسخ‌های قابل مشاهده ترکیب کند و جلو ببرد. در مدل‌های استدلالی قبلی، چت‌بات تا زمانی که بخش اعظم پردازش را تمام نمی‌کرد پاسخی نشان نمی‌داد و کاربر معطل می‌ماند. اما به گفته OpenAI، مدل‌های جدید زمان انتظار را در نظر می‌گیرند و پاسخ را تکه‌تکه می‌سازند، به طوری که هر تکه اطلاعات مفیدی به خروجی نهایی و یکپارچه اضافه می‌کند.

البته این آمار و ارقام حاصل ارزیابی‌های درون‌سازمانی خود OpenAI است و باید منتظر ماند و دید بنچمارک‌ها و تست‌های مستقل در حجم‌های کاری مختلف چطور این ادعاها را تأیید می‌کنند.

عرضه دو مدل در شش سطح اشتراک مختلف

چت‌جی‌پی‌تی کاربران اشتراکی را به نسخه GPT-6 Sol و کاربران پلن‌های ارزان‌تر یا رایگان را به GPT-6 Luna متصل می‌کند. OpenAI هر دو نسخه را مدل‌هایی بهینه‌سازی‌شده برای مکالمات روزمره توصیف کرده است.

فعال‌سازی این قابلیت در اشتراک‌های سازمانی (Enterprise) همچنان به تنظیمات و صلاحدید مدیران شبکه در هر سازمان بستگی دارد.

مقاومت بالا در برابر تلاش‌های جیل‌بریک چندمرحله‌ای

شرکت OpenAI می‌گوید GPT-6 دستاوردهای پروژه تحقیقات ایمنی آسترا (Astra) را به ارث برده که شامل پایبندی سفت‌وسخت‌تر به خطوط قرمز و توضیح شفاف‌تر درباره محدودیت توانایی‌ها نسبت به GPT-5.6 Sol است. در تست‌های نفوذ و ارزیابی‌های امنیتی این شرکت، GPT-6 مقاومت بسیار بیشتری در برابر حملات تطبیقی جیل‌بریک نشان داده؛ یعنی روش‌هایی که در آن‌ها کاربر تلاش می‌کند طی چند پیام پیاپی مدل را دور بزند.

علاوه بر این، GPT-6 حالا با صراحت و راحتی بیشتری اعلام می‌کند که اطلاعات یا ابزار‌های لازم برای انجام یک درخواست را در اختیار ندارد. این ویژگی برای پاسخ‌های تعاملی اهمیت حیاتی دارد، چون یک دکمه یا کنترلر شیک نرم‌افزاری ممکن است به اشتباه این حس را القا کند که مدل به داده‌ها یا دسترسی‌هایی مجهز است که در واقعیت ندارد.

ابزار‌ها و کنترل‌های تعاملی تولیدشده کجا به کار می‌آیند؟

کار‌هایی که دارای ورودی‌های متغیر هستند یا نیاز به مقایسه‌های ساختاریافته دارند، بیش‌ترین بهره را از این رابط‌های کاربری تعاملی می‌برند. مثال‌های مطرح‌شده توسط OpenAI در چهار دسته اصلی جا می‌گیرند:

• برنامه‌ریزی با نقشه‌ها، خطوط زمانی یا ماشین‌حساب‌های مقیاس‌پذیر؛ مثل برنامه‌ریزی سفرهای جاده‌ای، آماده‌سازی غذا و سناریوهای بازنشستگی مالی.
• آموزش از طریق مثال‌های تعاملی و قابل دستکاری؛ از جمله مسائل احتمالات و توزیع‌های آماری.
• ساخت ابزار‌های کاربردی دم‌دستی؛ مانند ابزار دانگ‌بندی هزینه قبوض، ماشین‌حساب‌های سفارشی و بازی‌های کوچک سرگرم‌کننده.
• مقایسه محصولات یا گزینه‌های مختلف در پنل‌های ساختاریافته و منظم در کنار یکدیگر.

با این حال، OpenAI اعتراف کرده که قضاوت‌های طراحی و کیفیت خروجی هنوز به کار بیشتری نیاز دارد. ممکن است چیدمان‌ها، المان‌های کنترلی و محاسبات تولیدشده، به‌ویژه در روز‌های اول عرضه، کیفیت متغیری داشته باشند. همچنین ابزار‌هایی که برای تصمیم‌گیری‌های حساس مالی، پزشکی یا عملیاتی استفاده می‌شوند، حتماً نیازمند اعتبارسنجی فراتر از ظاهر شیک ارائه‌شده توسط مدل خواهند بود.

مرز و محدودیت‌های رابط برنامه‌نویسی (API)

وقتی طراحی رابط کاربری به رفتار درونی مدل تبدیل می‌شود

در گذشته رابط‌های کاربری نرم‌افزارها همیشه از قبل و برای دسته‌ای کلی از وظایف طراحی می‌شدند؛ اما اکنون Intelligent UI بخشی از رابط کاربری را تازه بعد از ارسال درخواست کاربر خلق می‌کند؛ یعنی چیدمان، دکمه‌ها و تعامل‌پذیری مستقیماً به خروجی خود مدل تبدیل شده‌اند. برای توسعه‌دهندگان، این اتفاق میدان ارزیابی مدل‌ها را به کلی دگرگون می‌کند: دقت و سرعت پاسخ‌دهی همچنان فاکتورهای کلیدی هستند، اما اگر OpenAI این قابلیت را در آینده فراتر از ChatGPT عرضه کند، سنجش کیفیت رابط کاربری تولیدشده نیازمند تست‌ها و بنچمارک‌های کاملاً جدیدی خواهد بود.