دوره جدید استنفورد با موضوع ایجنت‌های خود بهبود دهنده (Self-Improving AI Agents) دست روی یکی از بنیادی‌ترین تغییرات پارادایم هوش مصنوعی گذاشته.

تا الان تمرکز اصلی صنعت روی بزرگ‌تر کردن مدل‌ها در مرحله پیش‌آموزش (Pre-training) بود. اما مدرسین دوره که از اساتید استنفورد و محققان سابق DeepMind و Anthropic هستن، نشون میدن که این مسیر به تنهایی دیگه جوابگو نیست و آینده دست ایجنت‌هایی هست که می‌تونن خودشون رو اصلاح کنن.

سه محور اصلی که این تحول روی اون‌ها شکل می‌گیره:

۱. پردازش در زمان استنتاج (Test-time Compute): به جای پاسخ لحظه‌ای، ایجنت فرصت تفکر، جستجو در فضای حل مسئله و بررسی راه‌حل‌های مختلف رو پیدا می‌کنه.

۲. بازخورد قابل راستی‌آزمایی (Verifiable Feedback): استفاده از محیط‌های واقعی مثل کامپایلرها، اجرای کد و تست‌های نرم‌افزاری تا ایجنت خروجی خودش رو ارزیابی کنه نه اینکه فقط متن تولید کنه.

۳. حلقه‌های خوداصلاحی (Self-Correction & Reflection): طراحی pipelineهایی که ایجنت بتونه دلیل شکست در یک کار رو تحلیل کنه و در تلاش بعدی بدون نیاز به انسان، خطاش رو برطرف کنه.

در واقع شیفت اصلی از «مدل‌های ایستا» به سمت «سیستم‌های پویای یادگیرنده» است.
Youtube: https://youtube.com/watch?v=6YnLB0XbTnI

@DevTwitter | <Mehdi Allahyari/>