تلاش‌های اخیر آزمایشگاه Third Moment Research در بهره‌گیری از مدل‌های پیشرفته GPT-6 Astra و GPT-6.1 Sol، مرزهای جدیدی را در پایداری و استقامت سیستم‌های خودمختار (Autonomous Agents) تعریف کرده است. این مجموعه با اجرای همزمان ۱۰ هزار عامل هوشمند برای بیش از ۳۶ ساعت متوالی، استانداردهای نوینی را در مدیریت منابع و یادگیری تقویت‌شده در محیط‌های عملیاتی تدوین نموده است.
معماری زیرساختی برای عملیات در مقیاس بالا
در قلب این دستاورد فنی، استفاده از مدل‌های اختصاصی همچون GPT-6 Astra و GPT-6.1 Sol قرار دارد که برای وظایف تخصصی طراحی شده‌اند. برخلاف معماری‌های رایج که برای پاسخ‌های کوتاه بهینه‌سازی شده‌اند، این عوامل به گونه‌ای پیکربندی شده‌اند که حافظه بلندمدت (Long-term Memory) و قابلیت استدلال در بازه‌های زمانی طولانی را حفظ کنند. چالش اصلی در اجرای ۱۰ هزار عامل همزمان، نه تنها پردازش خام، بلکه مدیریت گلوگاه‌های ورودی/خروجی (I/O) و جلوگیری از کاهش دقت در طول زمان (Model Drift) بوده است.
امنیت سایبری و نقش Codex و Daybreak
یکی از ارکان حیاتی در این آزمایش، به‌کارگیری ابزارهای تحلیل تهدید یعنی Codex و Daybreak است. این سیستم‌ها به عنوان ناظران و کنترل‌کننده‌های کیفی در کنار عوامل هوشمند فعالیت می‌کنند تا امنیت تراکنش‌های داده و کدهای تولید شده توسط عوامل را در طول بازه ۳۶ ساعته تضمین کنند. این هم‌افزایی میان عوامل خودمختار و سیستم‌های نظارتی، الگوی جدیدی برای خودکارسازی عملیات‌های امنیتی (SecOps) در مقیاس کلان ایجاد کرده است.
یادگیری در حین اجرا و بهبود عملکرد تکرارشونده
نکته متمایز این تحقیق، قابلیت عوامل برای بهبود عملکرد خود با گذشت زمان است. با استفاده از حلقه‌های بازخورد (Feedback Loops) درونی، هر عامل نتایج مراحل قبلی عملیات خود را تحلیل کرده و پارامترهای تصمیم‌گیری خود را بهینه می‌کند. این بدان معناست که در پایان بازه ۳۶ ساعته، سیستم نه تنها با همان بهره‌وری اولیه کار می‌کند، بلکه با انباشت تجربه، نرخ خطای پایین‌تری را نسبت به لحظات آغازین ثبت کرده است.
مشخصات فنی عملیاتی
- ظرفیت عملیاتی: مدیریت ۱۰,۰۰۰ عامل (Agent) به‌صورت همزمان.
- پایداری زمانی: تداوم عملیات بدون قطعی برای بیش از ۳۶ ساعت.
- مدل‌های هسته: GPT-6 Astra (استدلال کلی) و GPT-6.1 Sol (پردازش تخصصی).
- ماژول‌های امنیتی: یکپارچه‌سازی با Codex و Daybreak جهت تضمین امنیت کدهای تولیدی.
- قابلیت یادگیری: اصلاح ساختار درونی براساس بازخورد در زمان واقعی (Real-time).
نتیجه‌گیری و آینده عوامل خودمختار
موفقیت Third Moment Research ثابت می‌کند که دوران «عوامل موقت» رو به پایان است. معماری‌های جدید که بر اساس مفاهیم استقامت (Endurance) و خودبهینه‌سازی بنا شده‌اند، راه را برای استقرار هوش مصنوعی در محیط‌های تولیدی باز کرده‌اند. با این سطح از پایداری، می‌توان انتظار داشت که در پاییز ۱۴۰۵ شاهد پیاده‌سازی این سیستم‌ها در مقیاس‌های صنعتی برای مدیریت زنجیره تامین و پایش‌های زیرساختی پیچیده باشیم.
