هوش مصنوعی سرعت توسعه مدل‌های Anthropic را تقریباً دو برابر کرده است!

تحقیقات جدید نشان می‌دهد شرکت Anthropic با کمک هوش مصنوعی توانسته سرعت پیشرفت مدل‌های خود را به حدود ۱.۹ برابر گذشته برساند؛ اتفاقی که می‌تواند آینده توسعه هوش مصنوعی را

هوش مصنوعی سرعت توسعه مدل‌های Anthropic را تقریباً دو برابر کرده است!

تحقیقات جدید نشان می‌دهد شرکت Anthropic با کمک هوش مصنوعی توانسته سرعت پیشرفت مدل‌های خود را به حدود ۱.۹ برابر گذشته برساند؛ اتفاقی که می‌تواند آینده توسعه هوش مصنوعی را دگرگون کند.

تاریخ انتشار: ۱۷ آبان ۱۴۰۵ | ۸ نوامبر ۲۰۲۶

دسته‌بندی: اخبار هوش مصنوعی | Anthropic | Claude

شرکت Anthropic، سازنده هوش مصنوعی Claude، بر اساس نتایج یک بررسی مستقل توانسته است با استفاده از مدل‌های هوش مصنوعی در فرایند تحقیق و توسعه، سرعت پیشرفت فناوری‌های خود را به میزان قابل‌توجهی افزایش دهد.

بر اساس گزارش مؤسسه تحقیقاتی METR، سرعت رشد توانمندی‌های مدل‌های Anthropic در آزمون‌های مشخص، از اکتبر ۲۰۲۵ تاکنون حدود ۱.۹ برابر نرخ رشد دوره پیشین بوده است.

این یافته نشان می‌دهد هوش مصنوعی دیگر تنها ابزاری برای پاسخ‌گویی به سؤالات کاربران یا تولید محتوا نیست، بلکه در توسعه نسل‌های قدرتمندتر خود نیز نقش مهمی ایفا می‌کند.

هوش مصنوعی چگونه سرعت پیشرفت Anthropic را افزایش داده است؟

مؤسسه مستقل METR که در زمینه ارزیابی توانایی‌ها و خطرات هوش مصنوعی فعالیت می‌کند، طی یک بررسی ۱۱ هفته‌ای به مطالعه فرایند تحقیق و توسعه شرکت Anthropic پرداخت.

این بررسی از ۱۲ اوت تا ۲۹ اکتبر ۲۰۲۶ انجام شد و شامل تحلیل داده‌های داخلی، مصاحبه با پژوهشگران و بررسی عملکرد مدل‌هایی بود که برخی از آن‌ها هنوز به‌صورت عمومی منتشر نشده‌اند.

نتایج نشان می‌دهد سرعت پیشرفت مدل‌های Anthropic در برخی معیارهای ارزیابی تقریباً دو برابر شده است.

به بیان ساده‌تر، این شرکت طی یک سال گذشته توانسته در معیارهای مورد بررسی تقریباً به اندازه دو سال از پیشرفت تاریخی خود دست پیدا کند.

پژوهشگران تأکید کرده‌اند که این عدد، نرخ رشد توانمندی مدل‌ها را نشان می‌دهد و لزوماً به معنای دو برابر شدن بهره‌وری تمام کارکنان شرکت نیست.

نقش Claude در توسعه نسل‌های جدید هوش مصنوعی

یکی از مهم‌ترین نکات این تحقیق، استفاده گسترده پژوهشگران Anthropic از ابزارهای هوش مصنوعی برای انجام فعالیت‌های علمی و فنی است.

مدل‌های هوش مصنوعی به پژوهشگران کمک می‌کنند تا وظایفی مانند برنامه‌نویسی، تحلیل نتایج آزمایش‌ها و بخش‌هایی از فرایند تحقیق و توسعه را سریع‌تر انجام دهند.

این موضوع می‌تواند باعث شود تیم‌های تحقیقاتی زمان کمتری برای کارهای تکراری صرف کنند و فرصت بیشتری برای توسعه الگوریتم‌ها و بررسی روش‌های جدید داشته باشند.

بر اساس ارزیابی METR، احتمالاً بخش عمده افزایش سرعت فعلی پیشرفت Anthropic به استفاده از هوش مصنوعی مربوط است.

پژوهشگران سهم این فناوری را به‌صورت تقریبی حدود ۸۰ درصد برآورد کرده‌اند؛ البته تأکید دارند که این عدد با عدم قطعیت قابل‌توجهی همراه است و نباید آن را یک نتیجه قطعی دانست.

آیا هوش مصنوعی می‌تواند خودش را توسعه دهد؟

یکی از مهم‌ترین پرسش‌هایی که این گزارش مطرح می‌کند، امکان توسعه خودکار نسل‌های جدید هوش مصنوعی توسط مدل‌های فعلی است.

در حوزه فناوری، این مفهوم با عنوان «خودبهبودی بازگشتی» یا Recursive Self-Improvement شناخته می‌شود.

در چنین فرایندی، یک سیستم هوش مصنوعی می‌تواند در توسعه سیستم‌های پیشرفته‌تر مشارکت کند و سیستم‌های جدید نیز به نوبه خود در پیشرفت نسل‌های بعدی نقش داشته باشند.

با این حال، پژوهشگران METR تأکید کرده‌اند که هوش مصنوعی هنوز قادر نیست به‌صورت کاملاً مستقل، نقش تعیین‌کننده‌ای در مهم‌ترین مراحل آموزش مدل‌های پیشرفته ایفا کند.

در شرایط فعلی، بخش بزرگی از پیشرفت مشاهده‌شده همچنان حاصل همکاری پژوهشگران انسانی با ابزارهای هوش مصنوعی است.

بنابراین، نتایج این تحقیق به معنای دستیابی Anthropic به هوش مصنوعی خودبهبوددهنده کاملاً مستقل نیست.

افزایش سرعت توسعه بدون رشد سریع‌تر قدرت پردازشی

یکی دیگر از یافته‌های مهم این مطالعه، نقش زیرساخت‌های سخت‌افزاری در سرعت پیشرفت مدل‌ها است.

در سال‌های گذشته، افزایش قدرت پردازشی، استفاده از تراشه‌های گرافیکی پیشرفته و توسعه مراکز داده از عوامل اصلی پیشرفت هوش مصنوعی محسوب می‌شدند.

اما پژوهشگران METR اعلام کرده‌اند که افزایش سرعت رشد توانمندی مدل‌های Anthropic را نمی‌توان با افزایش سریع‌تر مقیاس توان پردازشی آموزش توضیح داد.

این موضوع نشان می‌دهد بهبود فرایندهای تحقیقاتی و استفاده از هوش مصنوعی در توسعه مدل‌ها ممکن است در کنار سرمایه‌گذاری سخت‌افزاری، به یکی از عوامل مهم رقابت شرکت‌های فناوری تبدیل شود.

نگرانی‌ها درباره سرعت پیشرفت هوش مصنوعی

اگرچه افزایش سرعت توسعه مدل‌ها می‌تواند فرصت‌های تازه‌ای برای صنعت فناوری ایجاد کند، اما نگرانی‌هایی نیز درباره ایمنی و کنترل سیستم‌های پیشرفته به همراه دارد.

یکی از چالش‌های اصلی این است که سرعت توسعه توانمندی‌های جدید ممکن است از سرعت ارزیابی خطرات و طراحی روش‌های ایمنی پیشی بگیرد.

مؤسسه METR در گزارش خود اعلام کرده که شواهد قانع‌کننده‌ای از وجود موانع جدی برای ادامه پیشرفت سریع مدل‌ها در ۱۲ ماه آینده مشاهده نکرده است؛ با این حال، پژوهشگران درباره این ارزیابی نیز عدم قطعیت قابل‌توجهی دارند.

از سوی دیگر، بخشی از اطلاعات داخلی بررسی‌شده توسط Anthropic از نسخه عمومی گزارش حذف شده است.

به گفته METR، این محدودیت باعث می‌شود سایر پژوهشگران نتوانند تمام شواهد و جزئیات روش تحقیق را به‌صورت مستقل بررسی کنند.

Anthropic دلیل حذف این اطلاعات را حفاظت از داده‌های محرمانه و جلوگیری از افشای جزئیاتی اعلام کرده که ممکن است به توسعه سریع‌تر مدل‌ها توسط سایر شرکت‌ها کمک کند.

این اتفاق چه تأثیری بر آینده صنعت هوش مصنوعی دارد؟

نتایج این تحقیق می‌تواند نشانه‌ای از تغییر مهم در شیوه توسعه فناوری‌های هوش مصنوعی باشد.

در آینده، مزیت رقابتی شرکت‌هایی مانند Anthropic، OpenAI و Google DeepMind ممکن است علاوه بر دسترسی به سخت‌افزار قدرتمند، به توانایی آن‌ها در استفاده از هوش مصنوعی برای سرعت بخشیدن به تحقیقات نیز وابسته باشد.

چنین روندی می‌تواند توسعه ابزارهای برنامه‌نویسی، دستیارهای تحقیقاتی و سیستم‌های خودکار انجام وظایف را تحت تأثیر قرار دهد.

البته هنوز مشخص نیست سرعت پیشرفت مشاهده‌شده در Anthropic تا چه اندازه در سایر شرکت‌ها و حوزه‌های تحقیقاتی قابل تکرار خواهد بود.

جمع‌بندی

بررسی مستقل METR نشان می‌دهد استفاده از هوش مصنوعی در فرایند تحقیق و توسعه شرکت Anthropic، احتمالاً نقش مهمی در افزایش سرعت پیشرفت مدل‌های این شرکت داشته است.

طبق نتایج منتشرشده، نرخ رشد توانمندی مدل‌های Anthropic در معیارهای مورد بررسی به حدود ۱.۹ برابر دوره پیشین رسیده است.

این تحول نشان می‌دهد هوش مصنوعی به‌تدریج از یک ابزار کمکی به یکی از عوامل مؤثر در توسعه فناوری‌های پیشرفته‌تر تبدیل می‌شود.

با این حال، توسعه کاملاً خودکار نسل‌های جدید هوش مصنوعی هنوز محقق نشده و ارزیابی دقیق پیامدهای این روند به تحقیقات مستقل و شفافیت بیشتر نیاز دارد.

در حال آماده‌سازی صفحه…