OpenAI اعلام کرد مدل‌های برتر هوش مصنوعی در حال رسیدن به سطح کارشناسی در کارهای دانش‌محور دنیای واقعی هستند

شرح خبر

بر اساس مقاله جدید OpenAI، مدل‌های پیشرفته هوش مصنوعی مانند GPT-5 و Claude Opus 4.1 در بنچمارک GDPval، که استانداردی برای ارزیابی عملکرد AI در کارهای دانش‌محور دنیای واقعی است، به عملکردی همسطح یا بهتر از کارشناسان انسانی دست یافته‌اند. این بنچمارک شامل ۱۳۲۰ وظیفه در ۴۴ حرفه از ۹ صنعت اصلی است که هر کدام بیش از ۵ درصد از تولید ناخالص داخلی US را تشکیل می‌دهند. نتایج نشان می‌دهد که مدل‌ها در فرمت‌های ساختاریافته مانند PDF، Excel و PowerPoint با نرخ پیروزی ۴۵ تا ۵۰ درصدی، عملکرد بهتری نسبت به متن خالص (۱۴ تا ۲۲ درصد) دارند. این تفاوت‌ها احتمالاً به دلیل تأثیر عوامل بصری و ساختارمند بر ارزیابی‌های انسانی است. علاوه بر این، مدل‌ها وظایف را تقریباً ۱۰۰ برابر سریع‌تر و ارزان‌تر از کارشناسان انسانی انجام می‌دهند. OpenAI بنچمارک جدیدی به نام GDPval را معرفی کرده است که عملکرد هوش مصنوعی را در کارهای دانش‌محور دنیای واقعی ارزیابی می‌کند. این بنچمارک شامل ۱۳۲۰ وظیفه در ۴۴ حرفه از ۹ صنعت اصلی است که توسط کارشناسان صنعت بررسی شده‌اند. مدل‌های برتر مانند GPT-5 و Claude Opus 4.1 در حدود نیمی از وظایف، عملکردی همسطح یا بهتر از کارشناسان انسانی داشته‌اند. نتایج نشان می‌دهد که مدل‌ها در فرمت‌های ساختاریافته مانند PDF، Excel و PowerPoint عملکرد بهتری نسبت به متن خالص دارند. علاوه بر این، مدل‌ها وظایف را تقریباً ۱۰۰ برابر سریع‌تر و ارزان‌تر از کارشناسان انسانی انجام می‌دهند. این خبر اهمیت زیادی دارد زیرا نشان می‌دهد که هوش مصنوعی در حال رسیدن به سطح کارشناسی در حوزه‌های مختلف حرفه‌ای است، که می‌تواند تأثیر عمیقی بر بازار کار و بهره‌وری داشته باشد. بنچمارک GDPval با تمرکز بر کارهای دنیای واقعی، معیاری دقیق‌تر برای سنجش توانایی‌های AI فراهم می‌کند. علاوه بر این، بهبود کارایی و کاهش هزینه‌ها می‌تواند انگیزه‌ای برای پذیرش گسترده‌تر هوش مصنوعی در صنایع مختلف باشد. این پیشرفت‌ها می‌توانند منجر به افزایش بهره‌وری، کاهش هزینه‌ها و تغییر در ساختارهای شغلی شوند. شرکت‌ها ممکن است با استفاده از مدل‌های AI، فرآیندهای خود را بهینه‌سازی کنند و زمان و منابع را صرفه‌جویی نمایند. در ایران، این فناوری‌ها می‌توانند به بهبود فرآیندهای کسب‌وکار، آموزش و خدمات دولتی کمک کنند، اما چالش‌هایی مانند دسترسی به فناوری‌های پیشرفته و زیرساخت‌های لازم نیز وجود دارد. در حوزه حقوقی، مدل‌های AI می‌توانند در تحلیل اسناد، تهیه گزارش‌ها و تحقیق حقوقی مورد استفاده قرار گیرند، که می‌تواند دقت و سرعت کار را افزایش دهد. این پیشرفت‌ها می‌توانند تأثیراتی بر رقابت‌های جهانی در حوزه فناوری داشته باشند و کشورهایی که دسترسی به این فناوری‌ها را دارند، مزیت رقابتی پیدا کنند. The Decoder OpenAI با بنچمارک GDPval نشان داد که مدل‌های هوش مصنوعی در کارهای دانش‌محور دنیای واقعی عملکردی همسطح با کارشناسان انسانی دارند.

این صفحه خلاصه و تحلیل فارسی خبر را نمایش می‌دهد. نسخه کامل/اصلی از طریق لینک منبع در دسترس است.