هوش مصنوعی در چند سال اخیر از یک حوزه تخصصی در علوم کامپیوتر به فناوری‌ای تبدیل شده که در کسب‌وکار، پژوهش و زندگی روزمره حضور پررنگی دارد. در این مسیر، مهندسان و کارآفرینانی نقش داشته‌اند که فناوری‌های پیچیده را به محصولات و ابزارهای قابل استفاده تبدیل کرده‌اند.

میرا موراتی (Mira Murati)، مهندس و کارآفرین حوزه هوش مصنوعی، یکی از چهره‌های شناخته‌شده این مسیر است. او بیش از شش سال در OpenAI  فعالیت کرد و در دوره‌ای که مدیر ارشد فناوری این شرکت بود، در توسعه و عرضه محصولاتی مانند ChatGPT، GPT-۴، DALL-E، Codex و Sora نقش داشت. موراتی در سال ۲۰۲۴ از OpenAI جدا شد و پس از آن Thinking Machines Lab را با هدف توسعه سیستم‌های هوش مصنوعی قابل شخصی‌سازی و تقویت همکاری میان انسان و ماشین راه‌اندازی کرد.

مسیر حرفه‌ای میرا موراتی از مهندسی و کار روی فناوری‌های سخت‌افزاری آغاز شد و به مدیریت فناوری در یکی از شناخته‌شده‌ترین شرکت‌های هوش مصنوعی و سپس تأسیس یک شرکت مستقل رسید. بررسی این مسیر نشان می‌دهد چگونه دانش فنی، تجربه فناوری و کارآفرینی می‌توانند در شکل‌گیری ایده‌های جدید به هم برسند؛ مسیری که با رویکرد «جشنواره اندیشمندان و دانشمندان جوان» به ایده‌پردازی و تبدیل دانش به نوآوری نیز ارتباط دارد.

میرا موراتی کیست؟ مسیر شغلی او از Tesla تا OpenAI

میرا موراتی در آلبانی متولد شد و تحصیلات خود را در Colby College و سپس مدرسه مهندسی Thayer دانشگاه Dartmouth ادامه داد. او در سال ۲۰۲۴ نیز از Dartmouth مدرک افتخاری Doctor of Science دریافت کرد.

مسیر شغلی میرا موراتی از همان ابتدا مستقیماً به هوش مصنوعی محدود نبود. او پیش از پیوستن به OpenAI، در شرکت‌هایی فعالیت کرد که در حوزه خودرو، رابط‌های کاربری و فناوری‌های واقعیت مجازی و افزوده فعالیت داشتند.

موراتی در Tesla روی محصول Model X و پروژه‌های مرتبط با فناوری‌های خودران کار کرد. پس از آن، به Leap Motion پیوست و در زمینه محصول و مهندسی، روی فناوری‌های مرتبط با تعامل انسان و کامپیوتر فعالیت داشت.

این تجربه‌ها بخش مهمی از مسیر حرفه‌ای او را شکل دادند. موراتی علاوه بر آشنایی با جنبه‌های فنی فناوری، از نزدیک با فرایند توسعه محصول و تبدیل یک فناوری پیچیده به ابزاری قابل استفاده نیز آشنا شد؛ تجربه‌ای که بعدها در فعالیت او در OpenAI اهمیت پیدا کرد.

میرا موراتی چه نقشی در مسیر رشد OpenAI داشت؟

موراتی در سال ۲۰۱۸ به OpenAI پیوست و به‌تدریج به یکی از مدیران اصلی این شرکت تبدیل شد. او در سال ۲۰۲۲ به سمت مدیر ارشد فناوری یا CTO رسید و در حوزه‌هایی مانند پژوهش، توسعه محصول و ایمنی فعالیت کرد.

در این دوره، OpenAI محصولاتی را توسعه داد که استفاده عمومی از هوش مصنوعی مولد را به شکل گسترده‌ای تغییر دادند. ChatGPT، DALL-E و Codex از جمله پروژه‌هایی بودند که در حوزه فعالیت موراتی قرار داشتند و در ادامه، GPT-۴ و Sora نیز به این مجموعه اضافه شدند.

اهمیت این دوره فقط به تعداد محصولات محدود نمی‌شد. موراتی در جایگاهی قرار داشت که پژوهش، توسعه محصول، ایمنی و عرضه فناوری به کاربران باید هم‌زمان پیش می‌رفتند؛ تجربه‌ای که نقش مهمی در مسیر حرفه‌ای او به‌عنوان یک مدیر فناوری و کارآفرین داشت.

یرا موراتی در توسعه کدام محصولات OpenAI نقش داشت؟

در دوره فعالیت میرا موراتی در OpenAI، این شرکت مجموعه‌ای از محصولات و مدل‌های هوش مصنوعی را توسعه داد که توجه عمومی به هوش مصنوعی مولد را افزایش دادند. ChatGPT، GPT-۴، DALL-E، Codex و Sora از مهم‌ترین محصولاتی بودند که در این دوره توسعه یا عرضه شدند.

محصول / پروژه	حوزه فعالیت
ChatGPT	هوش مصنوعی مولد و تعامل زبانی
GPT-4	مدل زبانی پیشرفته
DALL-E	تولید تصویر با هوش مصنوعی
Codex	تولید و درک کد
Sora	تولید ویدئو با هوش مصنوعی

در نوامبر ۲۰۲۳، موراتی برای مدت کوتاهی پس از برکناری سم آلتمن به‌عنوان مدیرعامل موقت OpenAI فعالیت کرد. با بازگشت آلتمن به شرکت، این دوره به پایان رسید.

موراتی در سپتامبر ۲۰۲۴ اعلام کرد که از OpenAI جدا می‌شود. او هنگام اعلام خروج، از تصمیم خود برای ایجاد فرصت و فضای بیشتر برای ادامه مسیر حرفه‌ای و شخصی‌اش گفت. جدایی از OpenAI، پایان دوره‌ای مهم در مسیر حرفه‌ای موراتی بود و زمینه را برای مرحله بعدی فعالیت او در دنیای هوش مصنوعی فراهم کرد.

چرا میرا موراتی از OpenAI جدا شد؟

میرا موراتی در سپتامبر ۲۰۲۴ اعلام کرد که پس از بیش از شش سال فعالیت، OpenAI را ترک می‌کند. خروج او در دوره‌ای اتفاق افتاد که این شرکت در حال تجربه تغییرات مدیریتی و سازمانی متعددی بود. با این حال، موراتی هنگام اعلام جدایی، دلیل مشخص و واحدی برای خروج خود مطرح نکرد و از تصمیمش برای ایجاد فرصت و فضای بیشتر برای ادامه مسیر حرفه‌ای و شخصی صحبت کرد. بنابراین، نمی‌توان جدایی او را به یک عامل مشخص نسبت داد.

مرحله بعدی فعالیت موراتی نشان داد که خروج از OpenAI پایان مسیر او در هوش مصنوعی نبود. او مدت کوتاهی بعد، Thinking Machines Lab را راه‌اندازی کرد؛ شرکتی که فعالیت خود را بر توسعه سیستم‌های هوش مصنوعی قابل شخصی‌سازی و همکاری مؤثرتر میان انسان و ماشین متمرکز کرده است.

Thinking Machines Lab چیست و میرا موراتی چه هدفی دارد؟

میرا موراتی پس از خروج از OpenAI، Thinking Machines Lab را راه‌اندازی کرد؛ شرکتی که خود را ترکیبی از یک آزمایشگاه پژوهشی و شرکت محصول‌محور در حوزه هوش مصنوعی معرفی می‌کند.

این شرکت در سال ۲۰۲۵ به‌صورت عمومی معرفی شد و تمرکز آن توسعه سیستم‌های هوش مصنوعی‌ای است که قابل فهم‌تر، قابل شخصی‌سازی‌تر و سازگارتر با نیازهای مختلف افراد و سازمان‌ها باشند.

ایده اصلی Thinking Machines Lab از یک مسئله مهم در توسعه هوش مصنوعی شروع می‌شود: بسیاری از مدل‌های پیشرفته در اختیار تعداد محدودی از شرکت‌ها قرار دارند و کاربران معمولاً امکان محدودی برای تغییر یا آموزش آن‌ها متناسب با نیاز خود دارند.

Thinking Machines Lab تلاش می‌کند این فاصله را با توسعه ابزارها و سیستم‌هایی کاهش دهد که امکان تنظیم، آموزش و استفاده متناسب با نیاز کاربران را بیشتر می‌کنند. این رویکرد، بخش مهمی از مسیر جدید میرا موراتی در حوزه هوش مصنوعی است.

Tinker چیست و چگونه به شخصی‌سازی مدل‌های هوش مصنوعی کمک می‌کند؟

یکی از محصولات مهم Thinking Machines Lab، Tinker است؛ پلتفرمی که برای آموزش و Fine-tuning مدل‌های هوش مصنوعی طراحی شده است.

Tinker به پژوهشگران و توسعه‌دهندگان کمک می‌کند مدل‌های هوش مصنوعی را برای کاربردهای مشخص تنظیم کنند، بدون اینکه لازم باشد تمام زیرساخت پیچیده موردنیاز برای آموزش مدل را از ابتدا بسازند.

این قابلیت برای کاربردهای تخصصی اهمیت زیادی دارد. یک مدل عمومی لزوماً برای همه نیازها مناسب نیست و گاهی لازم است با داده‌ها، وظایف یا اهداف مشخص یک سازمان و پروژه هماهنگ شود.

Thinking Machines Lab با Tinker تلاش کرده بخشی از فرایند شخصی‌سازی مدل‌های AI را برای توسعه‌دهندگان ساده‌تر و در دسترس‌تر کند؛ رویکردی که با تمرکز این شرکت بر ساخت سیستم‌های هوش مصنوعی قابل تنظیم و متناسب با نیاز کاربران هم‌راستا است.

Inkling؛ مدل هوش مصنوعی Thinking Machines Lab

در ژوئیه ۲۰۲۶، Thinking Machines Lab مدل «Inkling»  را معرفی کرد؛ مدلی با وزن‌های باز که برای دریافت متن، تصویر و صدا طراحی شده و امکان Fine-tuning آن از طریق Tinker وجود دارد.

Inkling یک مدل Mixture-of-Experts با ۹۷۵ میلیارد پارامتر کل و ۴۱ میلیارد پارامتر فعال است و از پنجره متنی تا یک میلیون توکن پشتیبانی می‌کند. مدل برای کاربردهایی مانند توسعه نرم‌افزار، سیستم‌های Agent، دستیارهای کدنویسی و ساخت برنامه‌های مبتنی بر AI طراحی شده است.

یک نسخه کوچک‌تر نیز با نام «Inkling-Small» در ژوئیه ۲۰۲۶ منتشر شد که ۲۷۶ میلیارد پارامتر کل و ۱۲ میلیارد پارامتر فعال دارد و با هدف کاهش هزینه و نیاز محاسباتی توسعه یافته است.

محصولات Thinking Machines Lab چیستند؟

• Tinker: پلتفرمی برای آموزش و Fine-tuning مدل‌های هوش مصنوعی.
• Inkling: مدل چندوجهی با وزن‌های باز برای توسعه کاربردهای مختلف AI.
• Inkling-Small: نسخه کوچک‌تر و کم‌هزینه‌تر Inkling.

این محصولات، رویکرد Thinking Machines Lab به توسعه و شخصی‌سازی سیستم‌های هوش مصنوعی را نشان می‌دهند.

همکاری Thinking Machines Lab و NVIDIA؛ زیرساخت هوش مصنوعی در مقیاس یک گیگاوات

ساخت مدل‌های پیشرفته هوش مصنوعی به قدرت محاسباتی و زیرساخت گسترده نیاز دارد. به همین دلیل، همکاری شرکت‌های AI با تولیدکنندگان تراشه به بخش مهمی از توسعه این فناوری تبدیل شده است.

در مارس ۲۰۲۶، Thinking Machines Lab و NVIDIA یک همکاری چندساله برای استقرار دست‌کم یک گیگاوات از سیستم‌های نسل جدید NVIDIA Vera Rubin اعلام کردند. این زیرساخت برای آموزش مدل‌های پیشرفته و توسعه پلتفرم‌های هوش مصنوعی قابل شخصی‌سازی در نظر گرفته شده است. NVIDIA همچنین در Thinking Machines Lab سرمایه‌گذاری کرده است.

این همکاری نشان می‌دهد که توسعه هوش مصنوعی فقط به طراحی مدل‌های جدید محدود نیست. تراشه، قدرت محاسباتی و زیرساخت نیز نقش مهمی در ساخت و آموزش مدل‌های پیشرفته دارند.

برای Thinking Machines Lab، دسترسی به چنین زیرساختی اهمیت ویژه‌ای دارد؛ زیرا این شرکت هم‌زمان روی پژوهش، توسعه مدل و ساخت ابزارهایی برای شخصی‌سازی هوش مصنوعی فعالیت می‌کند.

مسیر کارآفرینی میرا موراتی؛ از مهندسی تا تأسیس شرکت هوش مصنوعی

مسیر موراتی از مهندسی و توسعه محصول آغاز شد، به مدیریت فناوری رسید و در نهایت به تأسیس یک شرکت مستقل در حوزه هوش مصنوعی منتهی شد.

1. تجربه فنی را جدی بگیرید:

موراتی مسیر خود را از مهندسی آغاز کرد و بعدها به مدیریت فناوری رسید.

• فناوری را به مسئله واقعی وصل کنید:

تجربه او در Tesla و Leap Motion نشان داد که ساخت محصول فقط به داشتن یک فناوری جدید محدود نیست.

• بین حوزه‌های مختلف حرکت کنید:

مسیر حرفه‌ای او از مهندسی و سخت‌افزار تا نرم‌افزار و هوش مصنوعی ادامه پیدا کرد.

• از تجربه سازمانی برای کارآفرینی استفاده کنید:

فعالیت در OpenAI، تجربه او در پژوهش، محصول و مدیریت فناوری را گسترش داد.

• همراه تغییر فناوری حرکت کنید:

فعالیت Thinking Machines Lab در زمینه مدل‌های چندوجهی، Fine-tuning و مدل‌های قابل شخصی‌سازی، نمونه‌ای از این رویکرد است.

این ترکیب دانش فنی و نگاه کاربردی، همان نقطه‌ای است که می‌تواند یک ایده علمی را به فناوری و سپس به یک کسب‌وکار تبدیل کند؛ مسیری که «جشنواره اندیشمندان و دانشمندان جوان» نیز در حمایت از ایده‌های علمی و فناورانه نسل جدید دنبال می‌کند.

آینده Thinking Machines Lab؛ مسیر میرا موراتی در هوش مصنوعی

Thinking Machines Lab در سال ۲۰۲۶ از مرحله معرفی اولیه عبور کرده و هم‌زمان روی مدل‌های هوش مصنوعی، ابزارهای توسعه و زیرساخت محاسباتی کار می‌کند. عرضه Inkling و Inkling-Small، توسعه Tinker و همکاری با NVIDIA، بخش‌هایی از این مسیر هستند.

در کنار توسعه مدل‌ها، همکاری انسان و AI نیز یکی از محورهای مهم فعالیت شرکت است. Thinking Machines Lab به دنبال ساخت سیستم‌هایی است که توانایی‌های انسان را گسترش دهند و امکان شخصی‌سازی آن‌ها برای کاربران وجود داشته باشد.

این رویکرد، مسیر فعالیت میرا موراتی را با یکی از روندهای مهم صنعت AI پیوند می‌دهد: حرکت از مدل‌های عمومی به سمت سیستم‌های تخصصی، قابل تنظیم و تعاملی.

جمع‌بندی؛ آنچه مسیر میرا موراتی از مهندسی تا کارآفرینی نشان می‌دهد

مسیر میرا موراتی از مهندسی آغاز شد و به توسعه محصول، مدیریت فناوری و در نهایت کارآفرینی در حوزه هوش مصنوعی رسید. تجربه او در Tesla و Leap Motion و سپس بیش از شش سال فعالیت در OpenAI، بخش مهمی از این مسیر را شکل داد.

پس از OpenAI، موراتی Thinking Machines Lab را با تمرکز بر توسعه AI قابل شخصی‌سازی و همکاری انسان و ماشین راه‌اندازی کرد. Tinker، مدل‌های Inkling و همکاری با NVIDIA نیز بخشی از مسیر جدید این شرکت هستند.

مسیر موراتی نشان می‌دهد که کارآفرینی در فناوری لزوماً از یک ایده ناگهانی شروع نمی‌شود. گاهی ترکیبی از دانش تخصصی، تجربه فنی، شناخت محصول و مواجهه با مسائل واقعی در طول زمان به شکل‌گیری یک کسب‌وکار جدید منجر می‌شود.

برای ایده‌پردازان جوان نیز این مسیر یادآور اهمیت همین ارتباط میان دانش و کاربرد است؛ اینکه یک مهارت علمی یا فنی می‌تواند نقطه شروع ساخت یک راه‌حل تازه باشد. این نگاه با هدف «جشنواره اندیشمندان و دانشمندان جوان» در ایجاد مسیر میان ایده‌های علمی، فناوری و فرصت‌های نوآورانه نیز ارتباط دارد.