[
OpenAI قابلیت Deep Research مبتنی بر هوش مصنوعی را معرفی کرده که به کاربران کمک می‌کند تحقیقات پیچیده و عمیق‌تری را با استفاده از پلتفرم ChatGPT انجام دهند.
قابلیت جدید که به‌درستی «تحقیقات عمیق» (Deep Research) نام‌گذاری شده، برای افرادی طراحی شده که در حوزه‌هایی مانند مالی، علوم، سیاست‌گذاری و مهندسی فعالیت می‌کنند و به تحقیقاتی دقیق، جامع و قابل‌اعتماد نیاز دارند.
علاوه بر این، OpenAI اعلام کرده که این ویژگی می‌تواند برای افرادی که قصد خرید کالاهایی دارند که نیاز به بررسی دقیق دارند (مانند خودرو، لوازم خانگی و مبلمان) نیز مفید باشد. درواقع، قابلیت تحقیقات عمیق برای مواردی طراحی شده که کاربران به جای یک پاسخ سریع یا خلاصه، نیاز به بررسی دقیق اطلاعات از منابع متعدد دارند.
دسترسی اولیه و نحوه استفاده از قابلیت Deep Research
به گزارش تکراتو به نقل از techcrunch، این ویژگی جدید از امروز برای کاربران نسخه ChatGPT پرو فعال شده و محدودیت 100 جستجو در ماه را دارد. در مرحله بعد، این قابلیت برای کاربران نسخه Plus و Team ارائه خواهد شد و در نهایت کاربران سازمانی (Enterprise) نیز به آن دسترسی پیدا خواهند کرد.
OpenAI اعلام کرده که نسخه Plus احتمالا طی یک ماه آینده منتشر خواهد شد و محدودیت تعداد جستجوها برای کاربران پولی نیز به‌زودی «به‌طور قابل‌توجهی» افزایش می‌یابد.
این قابلیت ابتدا به‌صورت منطقه‌ای عرضه شده و OpenAI هنوز برنامه‌ای برای انتشار آن در بریتانیا، سوئیس و منطقه اقتصادی اروپا اعلام نکرده است. برای استفاده از قابلیت تحقیقات عمیق، کاربران باید در بخش تنظیمات ChatGPT گزینه «تحقیقات عمیق» را انتخاب کرده و سپس پرسش خود را وارد کنند.
امکان پیوست کردن فایل‌ها و صفحات گسترده (اسپریدشیت) نیز وجود دارد. این قابلیت در حال حاضر فقط از طریق نسخه تحت وب در دسترس است و پشتیبانی از اپلیکیشن‌های موبایل و دسکتاپ تا پایان این ماه اضافه خواهد شد.
پاسخ‌های ارائه‌شده توسط این قابلیت ممکن است بین 5 تا 30 دقیقه زمان ببرد و پس از تکمیل، کاربر از طریق اعلان مطلع خواهد شد.
بهبودهای آینده و دقت اطلاعات
در حال حاضر، خروجی‌های ChatGPT تحقیقات عمیق فقط به‌صورت متن ارائه می‌شوند، اما OpenAI اعلام کرده که به‌زودی پشتیبانی از تصاویر داخلی، نمودارهای داده و دیگر اشکال تحلیل بصری را به آن اضافه خواهد کرد. همچنین، قابلیت اتصال به منابع داده تخصصی‌تر—از جمله منابع اشتراکی و داخلی—در برنامه‌های آینده این شرکت قرار دارد.
اما مهم‌ترین سوال این است که این قابلیت تا چه اندازه دقیق و قابل‌اعتماد خواهد بود؟ با توجه به اینکه مدل‌های هوش مصنوعی همچنان دچار خطاهایی مانند «توهمات» (hallucinations) هستند، این خطر وجود دارد که اطلاعات اشتباه یا نادرستی در تحقیقات ارائه شود.
به همین دلیل، OpenAI اعلام کرده که خروجی‌های این قابلیت به‌طور کامل مستند خواهند بود، شامل استنادهای واضح به منابع و همچنین خلاصه‌ای از روند فکری مدل، تا کاربران بتوانند به‌راحتی اطلاعات را بررسی و تایید کنند.
مدل هوش مصنوعی جدید و نحوه آموزش آن
برای افزایش دقت، OpenAI از نسخه‌ای ویژه از مدل «استدلالی» o3 استفاده می‌کند که اخیرا معرفی شده است. این مدل از طریق یادگیری تقویتی (Reinforcement Learning) و بر اساس وظایف واقعی که نیاز به مرور وب و استفاده از ابزار Python دارند، آموزش دیده است. یادگیری تقویتی به مدل کمک می‌کند از طریق آزمون و خطا، مهارت‌های خود را بهبود دهد و با دریافت «پاداش‌های مجازی»، عملکرد بهتری در انجام وظایف داشته باشد.
به گفته OpenAI، نسخه ویژه o3 برای مرور وب و تحلیل داده‌ها بهینه شده و می‌تواند حجم عظیمی از متون، تصاویر و فایل‌های PDF را جستجو و تحلیل کند. این مدل همچنین قادر است روی فایل‌های آپلودشده توسط کاربران کار کند، نمودارها را با ابزار Python رسم کرده و آنها را در پاسخ‌های خود قرار دهد. علاوه بر این، می‌تواند جملات یا بخش‌های مشخصی از منابع را مستقیماً در پاسخ‌هایش نقل کند.
برای ارزیابی دقت این قابلیت، OpenAI آن را با مجموعه Humanity’s Last Exam آزمایش کرده است. این مجموعه شامل بیش از 3000 پرسش در سطح تخصصی در حوزه‌های مختلف دانشگاهی است. مدل o3 توانسته دقت 26.6٪ را کسب کند که در مقایسه با رقبای دیگر مانند Gemini Thinking (با دقت 6.2٪)، Grok-2 (با دقت 3.8٪) و حتی مدل GPT-4o خود OpenAI (با دقت 3.3٪) بسیار بهتر عمل کرده است. البته این مجموعه سؤالات به‌گونه‌ای طراحی شده که چالش‌برانگیزتر از سایر معیارهای ارزیابی هوش مصنوعی باشد تا مدل‌های پیشرفته را به چالش بکشد.
محدودیت‌ها و چالش‌های پیش رو
با وجود این پیشرفت‌ها، OpenAI تاکید کرده که این قابلیت همچنان با محدودیت‌هایی روبه‌رو است و ممکن است گاهی دچار اشتباه شود یا استنباط‌های نادرستی داشته باشد. یکی از چالش‌های اصلی، دشواری در تشخیص اطلاعات معتبر از شایعات است. همچنین، مدل ممکن است در انتقال میزان اطمینان خود از پاسخ‌ها دچار مشکل شده و گاهی نیز خطاهایی در قالب‌بندی گزارش‌ها و استنادها داشته باشد.
از سوی دیگر، این قابلیت می‌تواند برای دانشجویان و کسانی که به دنبال اطلاعات دقیق و مستند هستند، گزینه‌ای جذاب‌تر نسبت به خلاصه‌های ساده‌ای باشد که برخی چت‌بات‌های دیگر ارائه می‌دهند. اما پرسش اصلی این است که آیا کاربران واقعا خروجی این ابزار را به دقت بررسی و ارزیابی خواهند کرد، یا صرفا آن را بدون تحلیل کپی و استفاده خواهند کرد؟
نکته جالب این است که اگر این ویژگی برای شما آشنا به نظر می‌رسد، دلیل آن این است که گوگل نیز کمتر از دو ماه پیش یک قابلیت مشابه با همین نام را معرفی کرده بود.
منبع ]
