OpenAI-მა დღეს დააანონსა ახალი მოდელი, OpenAI-o1, რომელიც ლოგიკურად ახერხებს კომპლექსური პრობლემების გადაწყვეტას, არ საჭიროებს მასშტაბის გაზრდას, როგორც მისი წინამორბედი, GPT-4. განსხვავებით ტიპური დიდი ენობრივი მოდელებისგან, რომლებიც ერთ ნაბიჯში აწვდიან პასუხებს, OpenAI-o1 აწყობს მრავალსაფეხუროვან მიზეზობრიობას, განისაზღვრავს პასუხებს უფრო ადამიანურ მანერაში. Mira Murati, OpenAI-ის მთავარი ტექნიკური ოფიცერი, აღნიშნა მეთოდოლოგიაში ეს ცვლილება და თქვა, რომ OpenAI-o1 უკეთ აღჭურვილია ისეთი მიზეზობრიობის ამოცანების შესრულებისთვის, რომლებთანაც ამჟამინდელი მოდელები, მათ შორის GPT-4o, იბრძვიან. მიუხედავად იმისა, რომ OpenAI ავითარებს GPT-5-ს, რომ იყოს GPT-4o-ზე დიდი, ისინი გეგმავენ ინტეგრირებას OpenAI-o1-ის მიზეზობრიობის უნარებთან. ეს ახალი მოდელი იყენებს გაძლიერებითი სწავლების მეთოდს, რომ გააუმჯობესოს საკუთარი მიზეზობრიობის უნარები, აწვდის უკუკავშირს თავის პასუხებზე და ამცირებს მის მიდგომას. Mark Chen, OpenAI-ის VP of research, წარმოაჩინა მოდელის შესაძლებლობები ისეთი რთული ქიმიის და რთული მათემატიკური პრობლემების გადაჭრით, რომელთა მართვაც წინა მოდელებს არ შეეძლოთ. OpenAI-o1 აჩვენა მნიშვნელოვანი გაუმჯობესება GPT-4o-ზე сравнение, განსაკუთრებით მრავალ თემაში, მიაღწია 83% სიზუსტეს American Invitational Mathematics Examination-ზე, შედარებით GPT-4o-ის 12%.

მიუხედავად ამისა, OpenAI-o1 უფრო ნელა მუშაობს და აკლია ისეთი ფუნქციები როგორებიცაა ვებ-სერჩინგი და მრავალმიმართულებიანი უნარები, როგორიცაა სურათების და აუდიოსინტერპრეტაცია. LLM-ების მიზეზობრიობის გასაძლიერებლად სწრაფვა ძირითადი თემაა AI კვლევებში, და კონკურენტები, როგორიცაა Google, მიჰყვებიან მსგავს გზებს. OpenAI-ის მეთოდოლოგია წარმოადგენს ფართო ნაბიჯს ზოგადი მიზეზობრიობის მიმართულებით, ხოლო ექსპერტები აღნიშნავენ, რომ მნიშვნელოვანია გაიგონ როგორ მოძებნიან ამ მოდელებმა თავიანთი გადაწყვეტილებები, მათ თვისებების გამო. Murati აღნიშნავს, რომ OpenAI-o1 აჩვენებს გაუმჯობესებულ ეთიკურ სტანდარტებთან შესაბამისობას, რადგან ის ახერხებს გაგიზიებს თავისი ქმედებების გავლენებს, ამცირებს ზიანის გამომწვევ შედეგებს. AI ექსპერტი Oren Etzioni ამცირებს მოთხოვნილებას LLM-ების მრავალსაფეხუროვან პრობლემების გადაჭრას, რადგან მარტივი მასშტაბის გაზრდა საკმარისი არაა განვითარებისთვის. Chen დასძენს, რომ ეს ახალი მიზეზობრიობის მიდგომა შეძლებს უფრო ეფექტური და ფინანსურად გამართლებული AI განვითარების შესაძლებლობების მიღწევას, რაც OpenAI-ის ძირითად მიზნებთან შესაბამისობას წარმოადგენს.