OpenAI از نسخه سبک‌تر جستجوی عمیق با امکان دفعات استفاده بیشتر رونمایی کرد
به گزارش کارگروه فناوری اطلاعات سایبربان ؛شرکت OpenAI به‌تازگی از نسخه جدید قابلیت جستجوی عمیق در ChatGPT پرده‌برداری کرده است که محدودیت تعداد دفعات استفاده در آن برای کاربران رایگان و طرح‌های اشتراکی، بیشتر از قبل است.
نسخه جدید جستجوی عمیق ChatGPT چه قابلیت‌هایی دارد؟
جستجوی عمیق یا دیپ ریسرچ، یکی از قابلیت‌های نسبتاً نوین در چت‌بات‌های هوش مصنوعی به شمار می‌رود که امکان ارائه جستجوهای پیشرفته و جامع پیرامون یک موضوع را برای کاربران فراهم می‌سازد. از ویژگی مذکور می‌توان برای نوشتن مقاله‌های کوتاه یا بررسی سریع و کلی یک موضوع از جنبه‌های مختلف، کمک گرفت. با این حال، به دلیل نیاز به قدرت پردازشی بالا، محدودیت‌هایی در تعداد دفعات استفاده از آن در نظر گرفته شده است. اکنون شرکت OpenAI ادعا کرده که نسخه سبک‌تری از ویژگی جستجوی عمیق را توسعه داده است که با نیاز پردازشی کمتر، می‌تواند تعداد دفعات استفاده بیشتری را برای کاربران به ارمغان آورد.
سیستم جدید جستجوی عمیق ChatGPT براساس مدل جدید o4-mini توسعه یافته است که در مقایسه با مدل‌های قبلی OpenAI، از بهینه‌سازی بیشتری برخوردار است. همین مسئله باعث شده تا استفاده از قابلیت دیپ ریسرچ، هزینه کمتری در پی داشته باشد و این شرکت بتواند تعداد دفعات استفاده از آن را برای کاربران افزایش دهد. البته پاسخ‌ها کمی در مقایسه با گذشته، کوتاه‌تر خواهند بود؛ اما وعده داده شده که از کیفیت و عمق مشابهی برخوردار باشند.
از این پس به لطف امکان استفاده از نسخه سبک جستجوی عمیق، کاربران رایگان هم می‌توانند در هر روز به ۵ مرتبه استفاده از آن دسترسی داشته باشند که هر بار ممکن است به ۵ الی ۳۰ دقیقه زمان برای نمایش نتیجه نیاز داشته باشد. محدودیت‌های قبلی برای کاربران پولی هم ارتقا پیدا کرده‌اند و دارندگان اشتراک‌های پرو می‌توانند ۲۵۰ بار در روز از دیپ ریسرچ استفاده کنند؛ درحالی‌که این مقدار برای اشتراک‌های تیم، پلاس، دانشجویی و سازمانی برابر با ۲۵ بار خواهد بود. در صورتی که سقف استفاده از این قابلیت توسط کاربر تکمیل شود، استفاده از نسخه سبک‌تر o4-mini به شکل خودکار آغاز خواهد شد.
درحال‌حاضر چت‌بات‌های جمینای، گراک، Perplexity و کوپایلوت در کنار ChatGPT اقدام به ارائه قابلیت جستجوی عمیق در طرح‌های مختلف می‌کنند. این ویژگی بیشتر از مدل‌های استدلالی برای پردازش پاسخ‌ها بهره می‌گیرد که می‌تواند با درک بهتر سوالات کاربران، نتایج دقیق‌تری را برای آنها به همراه داشته باشد؛ اما نیاز به قدرت پردازشی بیشتری در مقایسه با مدل‌های معمولی دارد.
