هوش مصنوعی تکاملی

تکامل چیست؟

Evolutionary AI یعنی ساختن نسل‌های متوالی از مدل‌ها که هر نسل از نسل قبلی باهوش‌تر است. این روش از تکامل طبیعی الهام گرفته شده: موجودات با هم ترکیب می‌شوند، بهترین‌ها زنده می‌مانند، و نسل بعدی قوی‌تر می‌شود. در هوش مصنوعی هم همین کار را با مدل‌ها انجام می‌دهیم.

در مقاله قبلی، یک Dense Model ساختیم که دانش ۱۳۰ مدل را در خود داشت. حالا تصور کنید ۵ Dense Model می‌سازیم — هر کدام با تخصص متفاوت. سپس این ۵ مدل را با هم ترکیب می‌کنیم تا یک Dense جدید بسازیم که از همه قوی‌تر است. این Dense جدید نسل دوم است. از نسل دوم، نسل سوم را می‌سازیم و همین‌طور ادامه می‌دهیم.

نسل‌های متوالی

استراتژی با ۴ سرور

با ۴ سرور (هر کدام ۴ عدد L40S)، چه نسل‌هایی قابل ساخت هستند؟

نسل ۱ (ماه ۱-۳): ۵ Dense 7B

• Dense 1: متن و زبان فارسی
• Dense 2: تصویر و بینایی
• Dense 3: صدا و گفتار
• Dense 4: منطق و استدلال
• Dense 5: دانش تخصصی (پزشکی، مهندسی، حقوق)

نسل ۲ (ماه ۴-۵): Dense 35B

• ترکیب ۵ Dense نسل ۱ با Distillation
• روی ۴ سرور با LoRA قابل آموزش است
• کیفیت: ۴۰-۵۰٪ GPT-4

نسل ۳ (ماه ۶-۹): MoE 5×35B

• به‌جای Dense 175B (که ۸-۱۶ سرور می‌خواهد)
• ۵ مدل 35B با معماری MoE
• کیفیت: ۶۰-۷۰٪ GPT-4

رسیدن به GPT-5

GPT-5 تخمین زده می‌شود که ۲ تا ۵ تریلیون پارامتر داشته باشد. رسیدن به این سطح با ۴ سرور غیرممکن است — اما نزدیک شدن به آن ممکن است. با چرخه تکاملی و معماری MoE، می‌توانیم به ۸۰-۹۵٪ کیفیت GPT-4 برسیم که خودش دستاورد عظیمی است.

اصل تکامل: در طبیعت، هیچ موجودی یک‌شبه به اوج نمی‌رسد. تکامل یک فرآیند تدریجی است — هر نسل کمی بهتر از نسل قبل. هوش مصنوعی تکاملی هم همین‌طور است: با ۴ سرور شروع می‌کنیم، نسل به نسل پیش می‌رویم، و در نهایت به جایی می‌رسیم که امروز غیرممکن به نظر می‌رسد.

جمع‌بندی

Evolutionary AI به ما یاد می‌دهد که بزرگ فکر کنیم اما کوچک شروع کنیم. با ۴ سرور، نسل ۱ (۵ Dense 7B) را می‌سازیم. از آن‌ها نسل ۲ (Dense 35B) را می‌سازیم. سپس به معماری MoE می‌رویم و نسل ۳ (MoE 5×35B) را می‌سازیم. هر نسل باهوش‌تر از نسل قبل.

در مقاله بعدی، به سراغ درآمدزایی می‌رویم — چطور از این سیستم هوش مصنوعی پول دربیاوریم و سرمایه را برای نسل‌های بعدی تأمین کنیم.