وقتی هوش مصنوعی خودش رو میسازه
هوش مصنوعیClaude Sonnet 4.6خلاصهٔ کاملتر
آنتروپیک تو این مطلب از Anthropic Institute میگه که برای بیشتر تاریخ هوش مصنوعی، انسان هر قدم از چرخهٔ توسعهش رو هدایت میکرد، ولی حالا دارن سهم فزایندهای از این کارو به خود سیستمهای هوش مصنوعی میسپرن. اگه این روند به اندازهٔ کافی جلو بره، به چیزی میرسه که بهش بهبود بازگشتی (recursive self-improvement) میگن: سیستمی که کاملاً مستقل میتونه جانشین خودش رو طراحی و توسعه بده. نویسندهها تأکید میکنن هنوز اونجا نیستیم و این اتفاق حتمی هم نیست، ولی ممکنه زودتر از چیزی که بیشتر نهادها آمادگیش رو دارن از راه برسه.
به گفتهٔ نویسندهها شواهد بیرونی این شتاب رو نشون میده. طول کارهایی که مدلها میتونن مستقل و قابلاتکا انجام بدن، تقریباً هر چهار ماه داره دو برابر میشه. تو مارس ۲۰۲۴ مدلشون کارهای حدوداً چهار دقیقهایِ نرمافزاری رو انجام میداد، یه سال بعد کارهای حدود یکساعتونیمه و سالی بعدش کارهای ۱۲ ساعته. بنچمارکهایی مثل SWE-bench (که یه باگ واقعی تو یه کدبیس متنباز میده تا مدل درستش کنه) و CORE-Bench هم تو دو سال از نمرهٔ تکرقمی به اشباع رسیدن.
مهمترین شواهد اما از داخل خود آنتروپیکه. تا می ۲۰۲۶ بیش از ۸۰٪ کدی که توی کدبیسشون merge میشه رو Claude نوشته، در حالی که قبل از عرضهٔ Claude Code تو فوریهٔ ۲۰۲۵ این رقم تکرقمی بود. تعداد خط کدی که هر مهندس روزانه merge میکنه تو چهار سال اول ثابت بود و بعد از ۲۰۲۵ شروع به بالا رفتن کرد؛ تو سهماههٔ دوم ۲۰۲۶ هر مهندس حدود ۸ برابر سال ۲۰۲۴ کد تحویل میده. خود نویسندهها میگن خط کد معیار خوبی برای کیفیت نیست و این عدد بهرهوری واقعی رو بیشبرآورد میکنه، ولی بههرحال نشونهٔ یه شتابه.
نویسندهها میگن کدی که Claude مینویسه هم «خوب»ـه و داره بهتر میشه؛ یعنی هم کار میکنه و هم یه مهندس دیگه میتونه بفهمه و روش بسازه. نرخی که کارکنان وسط کار Claude رو اصلاح یا قطع میکنن یه ساله که مدام پایین میاد. تو سختترین کارهای بازِ بدون مشخصات، نرخ موفقیت Claude تو می ۲۰۲۶ به ۷۶٪ رسیده. مثلاً تو یه حادثه که هزاران job آموزشی crash کرده بود، Claude با کمی متن و دسترسی به کلاستر، اون فلگ دیباگ مبهمی که باعث crash میشد رو پیدا کرد و تو حدود دو ساعت کاری رو انجام داد که معمولاً دو تا سه روز طول میکشه.
تو بخش تحقیقات هم Claude تو اجرای آزمایشهایی که هدفشون از قبل مشخصه عالی شده؛ تو یه تست بهینهسازی که می ۲۰۲۵ حدود ۳ برابر سرعت میگرفت، آوریل ۲۰۲۶ به حدود ۵۲ برابر رسیده، در حالی که یه پژوهشگر ماهر چهار تا هشت ساعت وقت میخواد تا به ۴ برابر برسه. نویسندهها میگن جایی که هنوز انسان برتری داره، «ذائقه و قضاوت پژوهشی»ـه: انتخاب اینکه چه مسئلهای ارزش کار کردن داره و کِی یه مسیر بنبسته. همین انتخابِ جهته که فعلاً آدم رو از یه سیستم خودبهبوددهنده جدا میکنه.
نویسندهها سه آیندهٔ ممکن رو تصویر میکنن: یا روند کند میشه (مثل یه منحنی S که خم میشه)، یا لابراتوارها همونطور به بهرهوری مرکب میرسن ولی انسان هنوز جهتگیری رو تعیین میکنه، یا سیستمها واقعاً به بهبود بازگشتی کامل میرسن و شروع به ساختن جانشین خودشون میکنن. آنتروپیک معتقده احتمالاً به سمت سناریوی دوم میریم. اونها میگن اگه میشد توسعهٔ این فناوری رو بهشکل قابلراستیآزمایی کند کرد تا جامعه فرصت تطبیق پیدا کنه، کار خوبی بود، ولی یه توقف یکجانبه فقط جای پیشتاز رو عوض میکنه و مشکل اصلی، یعنی نبودِ یه سازوکار هماهنگی جهانی، رو حل نمیکنه.
نکات کلیدی:
- بهبود بازگشتی یعنی سیستمی که مستقل جانشین خودش رو طراحی و توسعه میده؛ آنتروپیک میگه هنوز اونجا نیستیم ولی روند به اون سمته
- تا می ۲۰۲۶ بیش از ۸۰٪ کد mergeشدهٔ آنتروپیک رو Claude نوشته و هر مهندس حدود ۸ برابر ۲۰۲۴ کد تحویل میده
- طول کارهای مستقلِ مدلها تقریباً هر چهار ماه دو برابر میشه و بنچمارکهایی مثل SWE-bench به اشباع رسیدن
- برتری فعلی انسان «ذائقه و قضاوت پژوهشی»ـه: انتخاب مسئله و تشخیص بنبست
- آنتروپیک خواهان داشتنِ گزینهٔ یه توقف قابلراستیآزماییِ هماهنگ بین لابراتوارهاست، نه توقف یکجانبه
