شرکت Anthropic از سیستم پژوهشگر خودکاری رونمایی کرد که عملکرد هوش مصنوعی را شخصاً ارتقا میدهد
شرکت Anthropic در دستاوردی چشمگیر نشان داده است که سیستمهای هوش مصنوعی میتوانند با شبیهسازی فرایند تحقیق و آموزش، عملکرد خود را بدون افت کیفیت کلی ارتقا دهند. این پژوهش پیشگامانه ثابت میکند که واگذاری بخش قابلتوجهی از چرخه آموزش، همراستاسازی و بهینهسازی مدلها به خود هوش مصنوعی، نهتنها امکانپذیر بلکه بهشدت کارآمد است.
در این پروژه که با هدایت Chen Yueh-Han در قالب مقالهای با عنوان «Automated Researchers Can Reliably Mitigate Alignment Failures» منتشر شده، یک محقق خودکار به نام Automated Alignment Researcher (AAR) طراحی شده است. این سیستم با بررسی منابع علمی موجود، روشهای جدیدی پیشنهاد میدهد و مدل را در چرخههای ۳۰ دقیقهای آموزش میدهد. استراتژی کلیدی این معماری، توانایی غربالگری هوشمند آن است؛ ایدههای موفق حفظ شده و رویکردهای ناکارآمد بهسرعت کنار گذاشته میشوند تا فرایند آزمایش در مقیاس وسیع و با سرعتی بیسابقه پیش برود.
این سامانه خودکار در میدان عمل، چالشی جدی برای همتایان انسانی خود ایجاد کرده است. طبق دادههای منتشرشده توسط Anthropic، مدل AAR تنها در بازهای ششساعته توانسته است خروجیهایی بهتر از پیشنهادهای پژوهشگران باتجربه ارائه دهد و در مقابل، مسیرهای هدایتشده توسط انسان برتری خاصی ثبت نکردهاند. از منظر اقتصادی نیز شکاف عظیمی به چشم میخورد؛ هزینه اجرای این پژوهشگر خودکار تنها ۴ دلار در ساعت برآورد شده است، درحالیکه دستمزد پژوهشگران انسانی این شرکت حدود ۱۵۰ دلار در ساعت هزینه در بر دارد.
با وجود این چشمانداز روشن و نزدیک شدن به مفهوم جذاب «خودبهبود بازگشتی» (Recursive Self-Improvement)، این فناوری همچنان با محدودیتهای ساختاری روبهروست. محققان Anthropic تأکید دارند که عملکرد AAR عمیقاً به کیفیت معیارهای سنجش و دادههای علمی موجود وابسته است؛ منابعی که ایجاد و بهروزرسانی آنها همچنان نظارت دقیق انسانی را میطلبد. بنابراین، هوش مصنوعی در مقطع فعلی جایگزین مطلق پژوهشگران نخواهد شد، اما تداوم این روند بهزودی مرز باریک میان «هوش مصنوعی بهعنوان ابزار» و «هوش مصنوعی بهعنوان پژوهشگر» را برای همیشه محو خواهد کرد.
