بازگشت اوپنایآی به مدلهای باز: یک تحول استراتژیک
شرکت اوپنایآی (OpenAI) بالاخره پس از پنج سال انتظار، اولین مدلهای زبان بزرگ با وزن باز (open-weight large language models) خود را از زمان انتشار GPT-2 در سال ۲۰۱۹ منتشر کرد. این مدلهای جدید که تحت عنوان “gpt-oss” شناخته میشوند، در دو اندازه مختلف در دسترس قرار گرفتهاند و عملکردی مشابه مدلهای o3-mini و o4-mini این شرکت در چندین معیار دارند. این رویداد نه تنها یک نقطه عطف برای اوپنایآی است، بلکه نشاندهنده تغییر جهت مهمی در استراتژی این شرکت محسوب میشود. در گذشته، تمرکز اوپنایآی بیشتر بر روی توسعه مدلهای بسته و تجاری بود که به دلیل ماهیت انحصاریشان، انتقاداتی را از سوی جامعه هوش مصنوعی و محققان برانگیخته بود. اکنون، با این انتشار جدید، اوپنایآی به نوعی به ریشههای خود بازمیگردد و بر تعهد خود به پیشرفت باز هوش مصنوعی تاکید میکند.
طی سالهای متمادی که اوپنایآی هیچ مدل زبان باز (open LLM) منتشر نکرده بود، جامعه هوش مصنوعی نام “ClosedAI” (اوپنایآی بسته) را برای آن انتخاب کرده بود. این لقب، نمادی از نارضایتی عمومی از رویکرد بسته شرکت در توسعه فناوریهایی بود که پتانسیل تأثیرگذاری گسترده بر جامعه را داشتند. حس ناامیدی و بیاعتمادی در چند ماه گذشته، زمانی که انتشار این مدلهای مدتها انتظارکشیده شده دو بار به تعویق افتاد – ابتدا در ماه ژوئن و سپس در ماه ژوئیه – به اوج خود رسید. این تاخیرها، گمانهزنیها درباره تردید اوپنایآی در مورد باز کردن مدلهای خود را افزایش داد. با این حال، با انتشار موفقیتآمیز این مدلها، اوپنایآی بار دیگر جایگاه خود را به عنوان یک بازیگر مهم برای کاربران مدلهای متنباز تثبیت میکند. این اقدام نه تنها پاسخی مستقیم به درخواستهای جامعه است، بلکه نشانهای از تمایل شرکت برای همکاری بیشتر با اکوسیستم متنباز هوش مصنوعی است.
این گام اوپنایآی به ویژه در زمانی که متا، که پیش از این با مدلهای لاما (Llama) خود در عرصه مدلهای متنباز آمریکایی پیشتاز بود، ممکن است به سمت انتشار مدلهای بسته تغییر جهت دهد، از اهمیت خاصی برخوردار است. در همین حال، مدلهای متنباز چینی مانند محصولات دیپسیک (DeepSeek)، کیمی K2 و سری Qwen علیبابا، در حال محبوبتر شدن از رقبای آمریکایی خود هستند. این رقابت فزاینده و تغییر دینامیک در بازار جهانی هوش مصنوعی، اوپنایآی را به سمت بازگشت به ریشههای متنباز خود سوق داده است. این استراتژی نه تنها به اوپنایآی کمک میکند تا جایگاه خود را در برابر قدرتهای نوظهور حفظ کند، بلکه امکان دسترسی و همکاری گستردهتر را برای توسعهدهندگان و شرکتها فراهم میآورد. این تحولات نشان میدهد که رقابت در حوزه هوش مصنوعی فراتر از صرفاً تواناییهای فنی مدلهاست و شامل جنبههای استراتژیک و سیاسی نیز میشود.
دلایل پشت انتشار: از نیازهای سازمانی تا رشد جامعه پژوهشی
“اکثر مشتریان [سازمانها و استارتآپهای] ما در حال حاضر از مدلهای متنباز زیادی استفاده میکنند. از آنجا که مدل متنباز رقابتی از اوپنایآی وجود نداشت، ما میخواستیم این خلاء را پر کنیم و به آنها اجازه دهیم از فناوری ما در همه زمینهها استفاده کنند.” این اظهارات کیسی دوراک، مدیر برنامه تحقیقاتی در اوپنایآی، به وضوح نیاز بازار را نشان میدهد. بسیاری از شرکتها و توسعهدهندگان، به ویژه آنهایی که در حال ساخت برنامههای کاربردی سفارشی هستند، به مدلهایی نیاز دارند که بتوانند آنها را بر اساس نیازهای خاص خود تغییر دهند و روی زیرساختهای خود اجرا کنند. این انعطافپذیری و کنترل، از جمله مزایای اصلی مدلهای متنباز است که مدلهای بسته نمیتوانند ارائه دهند. اوپنایآی با عرضه این مدلها، به دنبال گسترش دامنه نفوذ خود و پاسخگویی به این بخش مهم از بازار است.
مدلهای جدید gpt-oss در دو اندازه مختلف عرضه میشوند: مدل کوچکتر که به صورت تئوری میتواند روی ۱۶ گیگابایت رم (حداقل مقدار رم ارائه شده توسط اپل در کامپیوترهایش) اجرا شود و مدل بزرگتر که به لپتاپهای رده بالا یا سختافزارهای تخصصی نیاز دارد. این تنوع در اندازهها، مدلهای gpt-oss را برای طیف وسیعی از کاربران، از توسعهدهندگان فردی با منابع محدود گرفته تا شرکتهای بزرگ با نیازهای محاسباتی پیچیده، قابل دسترس میسازد. مدل کوچکتر به ویژه برای توسعهدهندگان مستقل و محققان دانشگاهی که ممکن است به زیرساختهای ابری گرانقیمت دسترسی نداشته باشند، بسیار جذاب خواهد بود. این رویکرد دوگانه، نشاندهنده درک اوپنایآی از نیازهای متنوع در اکوسیستم هوش مصنوعی است.
مدلهای متنباز چند کاربرد کلیدی و مزیت مهم دارند. برخی سازمانها ممکن است بخواهند مدلها را برای اهداف خاص خود شخصیسازی کنند یا با اجرای مدلها روی تجهیزات خود، در هزینهها صرفهجویی کنند. این صرفهجویی نه تنها در هزینههای استفاده از API مدلهای بسته، بلکه در هزینههای انتقال داده و ذخیرهسازی نیز چشمگیر است. علاوه بر این، کنترل کامل بر مدل، امکان بهبود امنیت و حفظ حریم خصوصی دادهها را فراهم میآورد. نهادهای حساس مانند بیمارستانها، شرکتهای حقوقی و دولتها، اغلب به دلایل امنیت دادهها و مقررات نظارتی، به مدلهایی نیاز دارند که بتوانند به صورت محلی و در محیطهای کنترلشده خود اجرا کنند. اوپنایآی با انتشار مدلهای باز خود تحت مجوز آزاد Apache 2.0، که امکان استفاده تجاری و تغییر مدلها را فراهم میکند، گام مهمی در جهت تسهیل این فعالیتها برداشته است. این انتخاب مجوز به خصوص در مقایسه با مجوزهای محدودتر برخی رقبا، بسیار مورد تحسین قرار گرفته است.
رقابت جهانی و قدرت نرم: ابعاد ژئوپلیتیک و رقابت چین و آمریکا
ناتان لامبرت، سرپرست پس از آموزش در موسسه هوش مصنوعی آلن، انتخاب اوپنایآی برای استفاده از مجوز Apache 2.0 را ستودنی میداند. این نوع مجوز برای مدلهای متنباز چینی رایج است، اما متا مدلهای لاما خود را تحت مجوز اختصاصی و محدودتری منتشر کرده بود که اجازه استفاده و تغییرات کمتری را به کاربران میداد. لامبرت میگوید: “این یک چیز بسیار خوب برای جامعه متنباز است.” این رویکرد اوپنایآی، اعتماد و همکاری در جامعه متنباز را تقویت میکند و به محققان و توسعهدهندگان آزادی عمل بیشتری میدهد. محققانی که نحوه عملکرد LLMها را مطالعه میکنند نیز به مدلهای متنباز نیاز مبرم دارند تا بتوانند این مدلها را با جزئیات بررسی و دستکاری کنند، معماری آنها را درک کرده و نقاط قوت و ضعفشان را تحلیل نمایند.
پیتر هندرسون، استادیار دانشگاه پرینستون، معتقد است که “تا حدی، این موضوع درباره بازسازی تسلط اوپنایآی در اکوسیستم تحقیقاتی است.” اگر محققان gpt-oss را به عنوان ابزارهای کاری جدید خود بپذیرند، اوپنایآی میتواند از مزایای ملموسی برخوردار شود – هندرسون میگوید این شرکت ممکن است نوآوریهای کشف شده توسط سایر محققان را در اکوسیستم مدل خود پیادهسازی کند. این چرخه بازخورد بین جامعه متنباز و اوپنایآی میتواند به توسعه سریعتر و قویتر مدلهای آینده منجر شود. علاوه بر این، این حرکت به اوپنایآی اجازه میدهد تا خود را به عنوان رهبری که به شفافیت و پیشرفت جمعی اهمیت میدهد، معرفی کند.
به طور گستردهتر، لامبرت میگوید، انتشار یک مدل متنباز در حال حاضر میتواند به اوپنایآی کمک کند تا وضعیت خود را در محیط هوش مصنوعی که به طور فزایندهای رقابتی شده است، دوباره تثبیت کند. او خاطرنشان میکند: “این موضوع به سالها پیش بازمیگردد، زمانی که آنها به عنوان شرکت پیشرو در هوش مصنوعی شناخته میشدند.” در آن زمان، اوپنایآی با انتشار مقالات و مدلهای پیشگامانه، شهرت زیادی کسب کرده بود. کاربرانی که میخواهند از مدلهای متنباز استفاده کنند، اکنون گزینه خواهند داشت تا تمام نیازهای خود را با محصولات اوپنایآی برآورده کنند، به جای اینکه وقتی نیاز به اجرای چیزی به صورت محلی دارند، به لاما متا یا Qwen علیبابا روی بیاورند. این امر نفوذ اوپنایآی را در بازار تقویت میکند و آن را به یک رقیب سرسخت در برابر غولهای تکنولوژی چینی و آمریکایی تبدیل میسازد.
ظهور مدلهای متنباز چینی مانند Qwen در طول سال گذشته ممکن است یک عامل به ویژه مهم در محاسبات اوپنایآی بوده باشد. اگرچه یک کارمند از اوپنایآی در جلسه توجیهی رسانهای تأکید کرد که این شرکت این مدلهای متنباز را پاسخی به اقدامات هیچ شرکت هوش مصنوعی دیگری نمیبیند، اما اوپنایآی به وضوح به پیامدهای ژئوپلیتیکی تسلط مدلهای متنباز چینی توجه دارد. این شرکت در یک پست وبلاگی که انتشار مدلها را اعلام میکرد، نوشت: “دسترسی گسترده به این مدلهای توانمند با وزن باز که در ایالات متحده ایجاد شدهاند، به گسترش مسیرهای هوش مصنوعی دموکراتیک کمک میکند.” این عبارت، به وضوح نشاندهنده نگاه استراتژیک اوپنایآی به هوش مصنوعی به عنوان یک ابزار قدرت نرم در رقابتهای بینالمللی است.
همسویی با دولت و آینده زیرساختهای هوش مصنوعی
از زمانی که دیپسیک در آغاز سال ۲۰۲۵ در صحنه هوش مصنوعی ظاهر شد، ناظران متوجه شدهاند که مدلهای چینی اغلب از صحبت در مورد موضوعاتی که حزب کمونیست چین آنها را ممنوع اعلام کرده است، مانند میدان تیانآنمن، خودداری میکنند. این سانسور داخلی در مدلها، نگرانیهایی را در مورد سوگیریها و محدودیتهای اطلاعاتی در مدلهای هوش مصنوعی چینی ایجاد کرده است. چنین مشاهداتی – و همچنین خطرات بلندمدت، مانند این احتمال که مدلهای عاملگرا (agentic models) بتوانند عمداً کدهای آسیبپذیر بنویسند یا اطلاعات نادرست تولید کنند – برخی از کارشناسان هوش مصنوعی را در مورد افزایش پذیرش مدلهای چینی نگران کرده است. هندرسون تأکید میکند: “مدلهای باز نوعی قدرت نرم هستند.” این بدان معناست که مدلهای هوش مصنوعی، صرفنظر از تواناییهای فنیشان، حامل ارزشها و ایدئولوژیهای سازندگان خود هستند و میتوانند بر روی نحوه تفکر و دسترسی به اطلاعات در سطح جهانی تأثیر بگذارند.
لامبرت روز دوشنبه گزارشی (Atom Project) منتشر کرد که در آن نشان میدهد چگونه مدلهای چینی در حال پیشی گرفتن از مدلهای آمریکایی مانند لاما هستند و از تعهد مجدد به مدلهای متنباز داخلی حمایت میکند. این گزارش با هدف جلب توجه به اهمیت حفظ برتری ایالات متحده در توسعه هوش مصنوعی و به ویژه در زمینه مدلهای متنباز منتشر شد. چندین محقق و کارآفرین برجسته هوش مصنوعی، از جمله کلمنت دلانگ، مدیر عامل HuggingFace، پرسی لیانگ از استنفورد، و مایلز برونداژ، محقق سابق اوپنایآی، این گزارش را امضا کردهاند. این حمایت گسترده نشاندهنده نگرانی مشترک در مورد از دست دادن مزیت رقابتی آمریکا در این حوزه حیاتی است.
دولت ترامپ نیز در “طرح اقدام هوش مصنوعی” خود بر توسعه مدلهای متنباز تاکید کرده است. این طرح، هوش مصنوعی را به عنوان یک اولویت ملی استراتژیک در نظر گرفته و به دنبال تقویت نوآوری و رقابتپذیری در این زمینه است. اوپنایآی با این انتشار مدل و اظهارات قبلی، خود را با این موضع همسو میکند. ریشی بوماسانی، محقق ارشد در موسسه استنفورد برای هوش مصنوعی انسانمحور، میگوید: “در پروندههای خود در مورد طرح اقدام، [اوپنایآی] به وضوح نشان داد که مسئله آمریکا و چین را یک مسئله کلیدی میدانند و میخواهند خود را در سیستم ایالات متحده بسیار مهم جلوه دهند.” این همسویی استراتژیک، میتواند به اوپنایآی در دستیابی به اهداف بلندمدت خود کمک کند.
و لامبرت میگوید، اوپنایآی ممکن است مزایای سیاسی ملموسی را از همسویی با اولویتهای هوش مصنوعی دولت ببیند. همانطور که این شرکت به توسعه زیرساختهای محاسباتی گسترده خود ادامه میدهد – که شامل ساخت ابررایانهها و مراکز داده عظیم میشود – به حمایت و تأییدیههای سیاسی نیاز خواهد داشت. یک رهبری همدل در دولت میتواند راهگشا باشد و به شرکت در اخذ مجوزها، دسترسی به منابع و حمایتهای لازم برای پیشبرد اهداف جاهطلبانه خود کمک کند. این تعامل میان سیاست و فناوری، نشاندهنده ابعاد پیچیده و چندوجهی توسعه هوش مصنوعی در عصر حاضر است. انتشار مدلهای متنباز توسط اوپنایآی، بیش از یک حرکت تکنولوژیکی، یک بیانیه استراتژیک در عرصه رقابت جهانی و ژئوپلیتیک هوش مصنوعی محسوب میشود.
**منبع**:
MIT Technology Review