چرا ChatGPT نمی‌تواند ساعت دقیق را بگوید؟

ChatGPT یکی از پیشرفته‌ترین دستیارهای هوش مصنوعی در جهان است که می‌تواند به سؤالات کاربران پاسخ دهد، محتوا تولید کند، کد بنویسد و حتی خلاقیت‌های هنری بیافریند. این سیستم، که بر پایه‌ی مدل‌های زبان بزرگ (LLM) توسعه یافته، توانایی‌های خارق‌العاده‌ای در درک و تولید زبان طبیعی دارد. اما نکته جالب و متناقض اینجاست که با تمام هوشمندی‌اش، نمی‌تواند ساعت دقیق را بگوید!

این محدودیت ساده، سؤالات زیادی را در میان کاربران، توسعه‌دهندگان و علاقه‌مندان به هوش مصنوعی برانگیخته است. چرا سیستمی که به میلیاردها پارامتر دسترسی دارد و می‌تواند پیچیده‌ترین مسائل علمی را حل کند، از اعلام یک زمان محلی عاجز است؟ این مقاله به بررسی عمیق دلایل فنی، امنیتی و طراحی پشت این محدودیت می‌پردازد.

1. مشکل اصلی ChatGPT در اعلام زمان چیست؟

وقتی کاربری از ChatGPT می‌پرسد: “الان ساعت چند است؟” یا “لطفاً زمان دقیق را بگو”، پاسخی که معمولاً دریافت می‌شود، مشابه این است:

«من به ساعت واقعی دستگاه شما یا موقعیت مکانی‌تان دسترسی ندارم، بنابراین نمی‌توانم زمان دقیق را بگویم.»

01

رقابت اوپن‌ای‌آی با گوگل و انتشار GPT-5.2؛ کد قرمز برای عرضه سریع

مشاهده بیشتر

02

ساخت تصویر با هوش مصنوعی کنار خودروی کلاسیک | آموزش مغزافزار

مشاهده بیشتر

این پاسخ، که در ابتدا ممکن است به نظر یک راه فرار ساده بیاید، در واقع ریشه در معماری بنیادین مدل‌های زبان بزرگ (LLMs) دارد. برای درک این موضوع، باید تفاوت بین مدل‌های استاتیک و سیستم‌های پویا لحظه‌ای را درک کنیم.

1.1. تفاوت بنیادین: مدل‌های آموزشی در برابر جریان داده لحظه‌ای

مدل‌های پایه مانند GPT-3.5 یا GPT-4، که زیربنای ChatGPT هستند، بر روی حجم عظیمی از داده‌های متنی و کد که تا یک تاریخ قطع مشخص جمع‌آوری شده‌اند، آموزش دیده‌اند. این فرآیند آموزش، که می‌تواند ماه‌ها طول بکشد، مدل را با دانش و الگوهای زبانی جهان تا آن تاریخ آشنا می‌کند.

1. عدم اتصال ذاتی به ساعت زمان واقعی (Real-Time Clock – RTC): برخلاف سیستم عامل کامپیوتر یا تلفن همراه شما که مجهز به تراشه‌های تخصصی (RTC) برای نگهداری دقیق زمان و تاریخ هستند، مدل زبانی خالص فاقد این قابلیت است. مدل‌ها “زنده” نیستند؛ آن‌ها یک وضعیت ایستا (Snapshot) از دانش جهانی هستند.
2. نیاز به ابزار خارجی (Plugins/Browsing): برای دستیابی به زمان، ChatGPT نیاز دارد از طریق ابزارهای جانبی یا افزونه‌ها، به موتور جستجوی زنده (مانند Bing Search) متصل شود. این اتصال، مدل را از حالت پایه خارج کرده و به آن اجازه می‌دهد تا “پرس و جوی زمان” را به یک سرویس خارجی بسپارد و سپس پاسخ را تفسیر کند.

 2. ChatGPT فقط در صورت دسترسی به ساعت سیستم یا اینترنت می‌تواند زمان را اعلام کند

دسترسی به زمان دقیق مستلزم یکی از دو شرط زیر است که در حالت پیش‌فرض برای مدل‌های پایه فعال نیستند:

2.1. دسترسی مستقیم به ساعت سیستم (Local Access)

اگرچه مدل پایه ChatGPT این دسترسی را ندارد، اما در محیط‌های تحقیقاتی یا در صورت اجرای مدل‌های متن‌باز (Open Source LLMs) روی سخت‌افزار محلی (Local Machine)، این دسترسی قابل شبیه‌سازی است.

محققان دانشگاه ادینبرو در تحقیقاتی نشان دادند که در محیط‌های کنترل‌شده، با استفاده از یک اسکریپت واسط (Middleware) که زمان سیستم میزبان را می‌خواند و آن را به عنوان ورودی به مدل می‌دهد، ChatGPT می‌تواند زمان را اعلام کند. این کار نشان می‌دهد که محدودیت، ذاتی معماری LLM نیست، بلکه یک محدودیت امنیتی و طراحی رابط کاربری (UI) اعمال شده توسط توسعه‌دهنده (OpenAI) است.

2.2. استفاده از قابلیت جستجوی لحظه‌ای (Browsing Feature)

در نسخه‌های مدرن‌تر و اشتراکی ChatGPT (مانند GPT-4 با قابلیت وب)، محدودیت زمان اغلب با فعال‌سازی قابلیت مرور وب شکسته می‌شود. در این حالت، پرامپت کاربر به شکل زیر تبدیل می‌شود:

1. دریافت پرامپت: “الان ساعت چند است؟”
2. بررسی ابزارها: آیا ابزار جستجو فعال است؟ (بله)
3. اجرای جستجو: ارسال کوئری “زمان کنونی تهران” به موتور جستجو.
4. دریافت نتیجه: موتور جستجو زمان دقیق را برمی‌گرداند.
5. تولید پاسخ: ChatGPT نتیجه را می‌گیرد و آن را در قالب یک پاسخ طبیعی ارائه می‌دهد: “طبق جستجوی لحظه‌ای، اکنون ساعت ۱۵:۴۵ به وقت تهران است.”

سخنگوی OpenAI، «تایا کریستینسون»، این موضوع را تأیید می‌کند:

«مدل‌های زبانی که ChatGPT بر پایه‌ی آن ساخته شده‌اند، به ساعت داخلی دسترسی ندارند. بنابراین برای ارائه‌ی اطلاعات به‌روز، معمولاً از قابلیت جست‌وجو در اینترنت استفاده می‌شود.»

3. چرا OpenAI این دسترسی لحظه‌ای را غیرفعال نگه می‌دارد؟ (دیدگاه معماری و امنیتی)

OpenAI می‌توانست قابلیت دسترسی مستقیم به ساعت سیستم را برای مدل‌هایش فعال کند، اما این کار از نظر فنی و عملیاتی ریسک‌ها و معایبی دارد که فراتر از یک ساده‌سازی طراحی است.

 3.1. ثبات (Stability) و قابلیت تکرارپذیری (Reproducibility)

هوش مصنوعی مولد برای تولید پاسخ‌هایی که قابل تکرار باشند طراحی شده است. اگر دو کاربر در دو لحظه مختلف، اما با یک پرامپت یکسان سؤال کنند، انتظار می‌رود پاسخ‌های آن‌ها از نظر ساختار و استدلال مشابه باشد. اگر زمان لحظه‌ای بخشی از ورودی مدل شود، خروجی‌ها برای هر ثانیه تغییر می‌کنند، که پایداری مدل را تحت‌الشعاع قرار می‌دهد.

 3.2. حفظ حافظه مکالمه (Context Window Management)

مدل‌های زبانی دارای یک “پنجره‌ی زمینه‌ای” (Context Window) محدود هستند؛ یعنی مقدار مشخصی از متن (توکن‌ها) را می‌توانند در هر مکالمه به یاد بیاورند و پردازش کنند. این پنجره، شامل تمام تعاملات قبلی کاربر و پاسخ‌های مدل است.

«یروانت کولباشیان»، متخصص هوش مصنوعی و رباتیک، این نکته را با دقت توضیح می‌دهد:

«اگر در حال گفتگو باشید و هر دقیقه کسی بگوید الان ساعت فلان است، این داده‌ها در نهایت سیستم را گیج می‌کند و ارتباط معنایی مکالمه را مختل می‌نماید.»

مثال تاثیر زمان بر حافظه:
فرض کنید مدل در حال حل یک مسئله ریاضی پیچیده است. اگر در هر نوبت مکالمه، زمان جاری (شامل ثانیه) به عنوان یک ورودی جدید و نامرتبط به حافظه تزریق شود، این اطلاعات اضافی می‌تواند فضای مفید حافظه را اشغال کند و مدل را از تمرکز بر روی هدف اصلی مکالمه منحرف سازد. تاریخ (مانند سال ۲۰۲۴) یک ثابت نسبتاً پایدار است و معمولاً در ابتدای هر جلسه به‌عنوان بخشی از زمینه (Context) به مدل تزریق می‌شود، اما زمان جاری (ساعت و دقیقه) یک متغیر بسیار سریع است.

 3.3. ملاحظات امنیتی و حریم خصوصی (Security & Privacy)

دسترسی مستقیم و بدون کنترل به منابع سیستم کاربر (مانند ساعت دقیق، موقعیت مکانی GPS یا حتی نام دستگاه)، دروازه‌ای به سوی نقض حریم خصوصی باز می‌کند. OpenAI ترجیح می‌دهد مدل‌هایش در یک محیط ایزوله‌شده (Sandbox) اجرا شوند و تنها از طریق APIهای کنترل‌شده با جهان بیرون تعامل داشته باشند. اعطای دسترسی مستقیم به اطلاعات لحظه‌ای سیستم، بار امنیتی و نظارتی را به شدت افزایش می‌دهد.

4.  تحلیل تخصصی: مدل‌های زبانی چگونه زمان را درک می‌کنند؟

اگرچه ChatGPT نمی‌تواند زمان فعلی را بگوید، اما به خوبی می‌تواند مفاهیم مربوط به زمان، تاریخ و توالی وقایع را درک کند. این درک به چند روش حاصل می‌شود:

4.1.  دانش مبتنی بر آموزش (Trained Knowledge)

مدل می‌داند که روزها ۲۴ ساعت دارند، سال کبیس چیست، و توالی ماه‌ها چگونه است. این دانش از میلیاردها متن آموزشی استخراج شده است.

4.2.  محاسبات تقریبی مبتنی بر تاریخ قطع

اگر از ChatGPT بپرسید: “دو هفته پیش چه تاریخی بود؟” (با فرض اینکه تاریخ امروز مشخص است)، مدل ابتدا باید تاریخ آموزش خود را با تاریخ امروز مقایسه کند و سپس محاسبات پیچیده‌ای انجام دهد تا بفهمد چه مدت باید از تاریخ قطع آموزش خود فاصله بگیرد. این محاسبات اغلب تقریبی هستند و نیازمند “تنظیم مبدأ زمانی” (Setting a Temporal Origin) هستند که معمولاً تاریخ امروز یا تاریخ آخرین به‌روزرسانی مدل در نظر گرفته می‌شود.

 4.3. محاسبه‌ی فاصله بین دو رویداد

اگر کاربر بگوید: “من دیروز ساعت ۱۰ صبح یک ایمیل فرستادم و الان ساعت ۱۱ صبح است. چقدر گذشته؟” مدل می‌تواند با استفاده از فرمول‌های ساده‌ی تفریق زمانی (که در داده‌های آموزشی دیده است) به درستی پاسخ دهد، زیرا ورودی‌ها به صورت متنی (و نه اطلاعات سیستمی) ارائه شده‌اند.

اما این محاسبات زمانی فقط در چارچوب مکالمه اعتبار دارند و نباید با زمان واقعی جهان اشتباه گرفته شوند.

5.  جمع‌بندی نهایی: محدودیت یا انتخاب هوشمندانه؟

ناتوانی ChatGPT در گفتن ساعت دقیق، نقص فنی نیست، بلکه یک تصمیم طراحی هوشمندانه و استراتژیک است.

این محدودیت دو مزیت اصلی دارد:

1. حفظ تمرکز مدل: مدل زبان را مجبور می‌کند تا منابع محاسباتی و تمرکز خود را بر پردازش زبان، منطق و حفظ زمینه مکالمه حفظ کند، نه بر به‌روزرسانی‌های لحظه‌ای و غیرضروری.
2. امنیت و پایداری: از دسترسی‌های غیرمجاز سیستمی جلوگیری کرده و اطمینان می‌دهد که خروجی‌ها در یک محیط ایزوله و قابل کنترل تولید می‌شوند.

بنابراین، اگر روزی نسخه‌ای از ChatGPT بدون نیاز به اتصال به وب، زمان را به‌درستی و با دقت ثانیه اعلام کند، نشان‌دهنده یک تغییر اساسی در معماری آن، احتمالاً با ادغام یک ماژول زمانی دقیق یا دسترسی مستقیم و ایمن به منابع سیستم عامل میزبان خواهد بود. تا آن زمان، ساعت دقیق همچنان حوزه اختصاصی ساعت‌های دیواری، تلفن‌های همراه و سیستم‌های کامپیوتری متصل به شبکه جهانی باقی خواهد ماند.