عامل هوش مصنوعی مانوس، جدیدترین دستاورد هوش مصنوعی چین، توجه سیلیکون ولی و فراتر از آن را به خود جلب کرده است. مانوس هفته گذشته از طریق یک پیش‌نمایش محدود و تنها با دعوت‌نامه رونمایی شد و جاه‌طلبانه‌ترین ورود چین به بازار نوظهور عامل‌های هوش مصنوعی را نمایندگی می‌کند.
برخلاف هر آنچه تاکنون دیده شده، عامل هوش مصنوعی مانوس نه‌تنها با کاربران گفت‌وگو می‌کند، بلکه گفته می‌شود قادر است به‌صورت مستقل وظایف پیچیده چندمرحله‌ای را با حداقل راهنمایی انسانی انجام دهد.
این عامل که توسط استارتاپ چینی «باترلای افکت» با حمایت مالی غول فناوری تنسنت هلدینگز توسعه یافته، به دلیل توانایی‌اش در پر کردن شکاف بین قابلیت‌های نظری هوش مصنوعی و کاربردهای عملی در دنیای واقعی، توجه جهانی را به خود جلب کرده است. مانوس از یک معماری چندمدلی نوآورانه استفاده می‌کند که نقاط قوت چندین مدل زبانی پیشرو را ترکیب می‌کند.
اجرای خودکار وظایف با پیشرفتی چشمگیر
پیک جی یی‌چائو، هم‌بنیان‌گذار و دانشمند ارشد باترلای افکت، در پستی در شبکه X اعلام کرد که این هوش مصنوعی عاملی با استفاده از مدل‌های زبانی بزرگ موجود، از جمله کلود از آنتروپیک و نسخه‌های بهینه‌شده از مدل متن‌باز Qwen علی‌بابا، ساخته شده است.
ماهیت چندمدلی مانوس به آن اجازه می‌دهد تا بر اساس نیازهای مطرح‌شده، از نقاط قوت مختلف هوش مصنوعی بهره ببرد و در نتیجه توانایی‌های استدلال و اجرایی پیچیده‌تری ارائه دهد.
شبکه CNN بیزینس اعلام کرد: «عامل هوش مصنوعی مانوس رویکردی کاملاً متفاوت به هوش مصنوعی را نشان می‌دهد.» بر اساس گزارش‌ها، مانوس «می‌تواند وظایف پیچیده چندمرحله‌ای مانند غربالگری رزومه‌ها و ساخت وبسایت را انجام دهد» و «نه‌تنها ایده تولید می‌کند، بلکه نتایج ملموسی مانند تهیه گزارشی برای توصیه املاک برای خرید بر اساس معیارهای خاص ارائه می‌دهد.»
ارزیابی عملکرد در دنیای واقعی
MIT Technology Review در یک ارزیابی جامع عملی، عامل هوش مصنوعی مانوس را در سه دسته وظیفه متمایز آزمایش کرد: گردآوری فهرست‌های جامع روزنامه‌نگاران، جست‌وجوی املاک با پارامترهای پیچیده، و شناسایی نامزدهای برنامه نوآوران زیر ۳۵ سال این مؤسسه.
کای‌وی چن در این ارزیابی نوشت: «استفاده از مانوس مانند همکاری با یک کارآموز بسیار هوشمند و کارآمد است. اگرچه گاهی اوقات در درک آنچه از آن خواسته شده دچار مشکل می‌شود، فرضیات نادرست می‌کند یا برای تسریع وظایف میان‌بر می‌زند، اما استدلالش را به‌وضوح توضیح می‌دهد، انطباق‌پذیری قابل‌توجهی دارد و با ارائه دستورالعمل‌ها یا بازخوردهای دقیق می‌تواند به‌طور چشمگیری بهبود یابد.»
این ارزیابی یکی از بارزترین ویژگی‌های عامل هوش مصنوعی مانوس را آشکار کرد: رابط «کامپیوتر مانوس» که شفافیت بی‌سابقه‌ای در فرآیند تصمیم‌گیری هوش مصنوعی ارائه می‌دهد.
پنجره برنامه به کاربران امکان می‌دهد اقدامات عامل را در زمان واقعی مشاهده کرده و در صورت لزوم مداخله کنند، و این امر یک جریان کاری مشترک انسان-هوش مصنوعی ایجاد می‌کند که کنترل کاربر را حفظ کرده و در عین حال فرآیندهای پیچیده را خودکار می‌سازد.
چالش‌های پیاده‌سازی فنی
با وجود قابلیت‌های چشمگیر، عامل هوش مصنوعی مانوس در پیاده‌سازی کنونی خود با موانع فنی قابل‌توجهی روبه‌رو است. MIT Technology Review گزارش داد که در استفاده طولانی‌مدت، خرابی‌های مکرر سیستم و خطاهای اتمام زمان رخ داده است.
این پلتفرم پیام‌های خطایی با عنوان «بار بالای سرویس» نشان داد که حاکی از محدودیت‌های زیرساخت محاسباتی است.
این محدودیت‌های فنی باعث دسترسی بسیار محدود شده است، به‌طوری‌که کمتر از ۱ درصد از کاربران در فهرست انتظار کد دعوت دریافت کرده‌اند – کانال رسمی دیسکورد مانوس تاکنون بیش از ۱۸۶,۰۰۰ عضو جذب کرده است.
طبق گزارش نشریه فناوری چینی 36Kr، هزینه‌های عملیاتی عامل هوش مصنوعی مانوس نسبتاً رقابتی و حدود ۲ دلار به ازای هر وظیفه است.
مشارکت استراتژیک با علی‌بابا کلود
سازندگان عامل هوش مصنوعی مانوس از همکاری با بخش محاسبات ابری علی‌بابا خبر داده‌اند. بر اساس گزارش مورخ ۱۱ مارس روزنامه South China Morning Post، «مانوس با تیم Qwen علی‌بابا همکاری استراتژیک خواهد داشت تا نیازهای کاربران چینی را برآورده کند.»
هدف این مشارکت، در دسترس قرار دادن مانوس بر روی «مدل‌ها و پلتفرم‌های محاسباتی داخلی» است، اگرچه زمان‌بندی پیاده‌سازی هنوز مشخص نشده است.
پیشرفت‌های موازی در مدل‌های پایه
مشارکت مانوس-علی‌بابا همزمان با پیشرفت‌های علی‌بابا در فناوری مدل‌های پایه هوش مصنوعی رخ داده است. در ۶ مارس، این شرکت مدل استدلالی QwQ-32B خود را منتشر کرد و ادعا کرد که ویژگی‌های عملکردی آن از o1-mini اوپن‌ای‌آی پیشی گرفته و با مدل R1 دیپ‌سیک رقابت می‌کند، با وجود تعداد پارامترهای کمتر.
CNN بیزینس گزارش داد: «علی‌بابا در بیانیه‌ای آنلاین، مدل جدید خود، QwQ-32B، را به‌عنوان ارائه‌دهنده عملکردی استثنایی معرفی کرد که تقریباً به‌طور کامل از OpenAI-o1-mini پیشی گرفته و با قوی‌ترین مدل استدلالی متن‌باز، DeepSeek-R1، رقابت می‌کند.»
بهبودهای ادعاشده در کارایی به‌ویژه قابل‌توجه است – علی‌بابا می‌گوید QwQ-32B با تنها ۳۲ میلیارد پارامتر به عملکرد رقابتی دست یافته، در مقایسه با ۶۷۱ میلیارد پارامتر در مدل R1 دیپ‌سیک. اندازه کاهش‌یافته مدل نشان‌دهنده نیاز محاسباتی به‌مراتب کمتر برای آموزش و استنتاج با قابلیت‌های استدلالی پیشرفته است.
سرمایه‌گذاری‌های استراتژیک چین در هوش مصنوعی
عامل هوش مصنوعی مانوس و پیشرفت‌های مدل علی‌بابا نشان‌دهنده تأکید استراتژیک گسترده‌تر چین بر توسعه هوش مصنوعی است. دولت چین تعهد صریحی برای حمایت از «صنایع نوظهور و صنایع آینده» اعلام کرده است که هوش مصنوعی، همراه با محاسبات کوانتومی و رباتیک، در کانون توجه قرار دارد.
علی‌بابا طی سه سال آینده ۳۸۰ میلیارد یوان (حدود ۵۲.۴ میلیارد دلار) در زیرساخت‌های هوش مصنوعی و محاسبات ابری سرمایه‌گذاری خواهد کرد، رقمی که به گفته این شرکت از کل سرمایه‌گذاری‌های آن در این حوزه‌ها طی دهه گذشته فراتر می‌رود.
کای‌وی چن از MIT Technology Review اظهار داشت: «شرکت‌های هوش مصنوعی چینی صرفاً دنباله‌رو همتایان غربی خود نیستند. آن‌ها به‌جای نوآوری صرف در مدل‌های پایه، فعالانه در حال شکل‌دهی به پذیرش عامل‌های هوش مصنوعی خودکار به روش خود هستند.»
عامل هوش مصنوعی مانوس همچنین نمونه‌ای است از اینکه چگونه اکوسیستم هوش مصنوعی چین فراتر از تقلید صرف پیشرفت‌های غربی تکامل یافته است. سیاست‌های دولتی برای ترویج خودکفایی فناوری، ابتکارات تأمین مالی قابل‌توجه، و جریان رو به رشد استعدادهای تخصصی هوش مصنوعی از دانشگاه‌های چینی، شرایط را برای نوآوری اصیل فراهم کرده‌اند.
به‌جای یک رویکرد واحد به هوش مصنوعی، ما شاهد فلسفه‌های پیاده‌سازی متنوعی هستیم که احتمالاً به سیستم‌های مکمل منجر می‌شود که برای کاربردها و زمینه‌های فرهنگی مختلف بهینه شده‌اند.
منبع: اخبار هوش مصنوعی
