کوری کاووکچواوغلو (Koray Kavukcuoglu)، رئیس جدید بازوی هوش مصنوعی گوگل یعنی Google DeepMind، در اولین حضور رسانه‌ای خود پس از تغییرات ساختاری اخیر، از برنامه فشرده گوگل برای عرضه زودهنگام مدل پرچم‌دار بعدی خود، یعنی Gemini 4، بسیار پیش از پایان سال جاری میلادی (پاییز و زمستان ۱۴۰۳ خورشیدی) پرده برداشت. این مدل اکنون در مرحله حیاتی آموزش ثانویه یا همان Post-Training قرار دارد، جایی که مهندسان در حال بهینه‌سازی رفتار، افزایش کارایی و سنجش استانداردهای ایمنی آن هستند.
تغییرات مدیریتی در دیپ‌مایند و تولد نسل چهارم جمینای
پس از تغییرات سازمانی و بازآرایی ساختار مدیریتی گوگل دیپ‌مایند در مرداد ۱۴۰۳ (اوت ۲۰۲۴) که در جریان آن دمیس هاسابیس (Demis Hassabis) از مدیریت روزمره این آزمایشگاه کنار کشید، مسئولیت فنی و اجرایی این مرکز به کوری کاووکچواوغلو، مدیر ارشد فناوری دیپ‌مایند، واگذار شد. تحویل موفقیت‌آمیز پروژه Gemini 4 اولین چالش بزرگ و آزمون جدی کاووکچواوغلو در این مسند جدید به شمار می‌رود؛ آن هم در شرایطی که دو مدیر مشترک پروژه جمینای درست در همان روز تغییر ساختار، از سمت خود استعفا دادند.
رئیس جدید دیپ‌مایند در کنفرانس هوش مصنوعی رسانه The Information اظهار داشت که تیم تحت هدایت او از نتایج اولیه حاصل از فاز Post-Training بسیار شگفت‌زده و هیجان‌زده است و هدف آن‌ها این است که در اولین زمان ممکن، یک نسخه اولیه از خروجی‌های این فاز را در دسترس قرار دهند. او با ابراز اعتماد کامل به تیم فنی خود اعلام کرد که جابه‌جایی‌ها تأثیری بر روند پیشرفت فنی نداشته و گوگل همواره در مرزهای دانش و پیشگامی حوزه هوش مصنوعی باقی خواهد ماند.
چالش تأخیر در مدل‌های پرچم‌دار و رقابت با رقبا
تلاش فشرده برای عرضه زودهنگام Gemini 4 در شرایطی صورت می‌گیرد که مدل‌های پرچم‌دار گوگل در سال جاری با چالش‌های فنی و زمانی متعددی روبرو بوده‌اند. گزارش‌های منتشر شده در تیرماه ۱۴۰۳ نشان دادند که نسخه بعدی مدل پیشرفته Gemini Pro به دلیل عدم دستیابی به اهداف عملکردی تعیین‌شده در بخش کدنویسی، با تاخیرهای چندماهه روبرو شده بود. این امر سبب شد که تا مردادماه، مدل سبک و اقتصادی Gemini Flash عملاً دو نسخه از مدل پرچم‌دار گوگل جلوتر باشد.
هم‌زمان، رقبای سرسخت گوگل بیکار ننشسته‌اند. شرکت آنتروپیک در ۳۱ شهریور ۱۴۰۳ (۲۲ سپتامبر) مدل قدرتمند Claude 3.5 Opus را روانه بازار کرد. درست در همان روز، اوپن‌ای‌آی با معرفی مدل‌های Sol و Luna، قیمت دسترسی به API مدل‌های خانواده GPT-4 (با نام موقت GPT-6 در بازارهای رقابتی پیشرفته) را به نصف کاهش داد تا فشار بر روی گوگل برای ارائه یک جایگزین رقابتی بیش از پیش افزایش یابد.
فاز پس‌آموزش (Post-Training) و تست در ابزار Antigravity
در حال حاضر مدل Gemini 4 در مرحله Post-Training قرار دارد. این فاز شامل تکنیک‌های پیشرفته‌ای نظیر یادگیری تقویت‌شده از بازخورد انسانی (RLHF) و تنظیم دقیق (Fine-Tuning) برای کنترل رفتارهای ناخواسته، بهبود دقت پاسخ‌دهی و انطباق با پروتکل‌های ایمنی است. علاوه بر این، مهندسان گوگل در حال آزمایش عملی و یکپارچه‌سازی این مدل در ابزار کدنویسی داخلی خود موسوم به Antigravity هستند تا نقطه ضعف‌های محاسباتی و منطقی آن در حوزه برنامه‌نویسی را پیش از عرضه عمومی برطرف سازند.
مشخصات فنی و وضعیت توسعه مدل Gemini 4
- مرحله فعلی توسعه: پسا-آموزش (Post-Training) و بهینه‌سازی رفتار ایمن
- بستر آزمایش‌های اولیه: ابزار کدنویسی داخلی Antigravity گوگل
- بزرگ‌ترین چالش توسعه: جبران تأخیرهای مربوط به کدهای تولیدی در نسخه‌های پیشین Pro
- مدیریت پروژه: تحت هدایت کوری کاووکچواوغلو (Google DeepMind)
نتیجه‌گیری و چشم‌انداز بازار هوش مصنوعی
شتاب‌بخشی به فرآیند توسعه Gemini 4 نشان‌دهنده پویایی شدید بازار مدل‌های زبانی بزرگ (LLMs) و هراس گوگل از دست دادن سهم بازار به نفع آنتروپیک و اوپن‌ای‌آی است. اگرچه تاریخ دقیق و رسمی برای عرضه این مدل اعلام نشده است، اما تلاش برای انتشار زودهنگام خروجی‌های اولیه پس‌آموزش نشان می‌دهد که باید منتظر یک جهش بزرگ در محصولات مبتنی بر هوش مصنوعی گوگل در ماه‌های آتی باشیم.
