Anthropic: Claude საკუთარ განვითარებაში სამუშაოს მეოთხედს ასრულებს

Anthropic-ის ცნობით, Claude-ს საკუთარი კვლევისა და განვითარების სამუშაოების დაახლოებით მეოთხედის მეტწილად დამოუკიდებლად შესრულება უკვე შეუძლია. თებერვალში ეს წილი 1%-ზე ნაკლები იყო. მონაცემები გამოქვეყნდა სტატიაში, რომელშიც Anthropic ავტომატიზაციის დონეს ზომავს. კომპანია ასევე სთავაზობს მაჩვენებლებს, რომლებიც შემდგომ განვითარებაზე სისტემატური დაკვირვებისა და დამოუკიდებელი შემოწმების საშუალებას იძლევა.

Anthropic ამისთვის AL0-დან AL5-მდე სკალას იყენებს, სადაც AL ავტომატიზაციის დონეს აღნიშნავს. AL3-ის დონეზე ხელოვნური ინტელექტი ადამიანთან მჭიდროდ თანამშრომლობს. Anthropic-ის ცნობით, შესწავლილი სამუშაოს 90%-ზე მეტი უკვე სულ მცირე ამ დონეს აღწევს. AL4 ნიშნავს, რომ Claude-ს ზოგადი დავალების საფუძველზე სამუშაოს უმეტესი ნაწილის თავიდან ბოლომდე დამოუკიდებლად შესრულება შეუძლია. ამ დონეს უკვე 26% აღწევს. უმაღლესი, AL5 დონე სრულად ავტონომიურ მუშაობას ნიშნავს. Claude ამ დონეს ჯერჯერობით არცერთ გაზომილ სფეროში არ აღწევს.

Anthropic ამ საზომ მეთოდს „კვლევისა და განვითარების ავტომატიზაციის ინდექსს“ უწოდებს. მას 2026 წლის ივლისის შერჩევიდან დაახლოებით 15 000 კვლევითი და განვითარების დავალება უდევს საფუძვლად. დავალებები საქმიანობის სახეების მიხედვით კატეგორიებად დაყვეს და თითოეული მათგანი AL0-დან AL5-მდე დონეს მიაკუთვნეს. კატეგორიებს, რომლებზეც ადამიანები მეტ სამუშაო დროს ხარჯავენ, უფრო დიდი წონა ენიჭება. შედეგად მიიღება შეწონილი სამუშაო კალათა, რომელმაც Anthropic-ში კვლევისა და განვითარების საქმიანობა უნდა ასახოს.

ამიტომ AL4-ის 26% არ ნიშნავს, რომ Claude აღრიცხული დავალებების 26%-ს ასრულებს. ეს მაჩვენებელი შეწონილი სამუშაო კალათის იმ წილს ეხება, რომელიც Anthropic-ის შეფასებით AL4 დონეს აღწევს. გასათვალისწინებელია ისიც, რომ მონაცემების შეგროვების, სტრუქტურირებისა და შეფასებისთვის Anthropic საკუთარ Claude-ის მოდელებს იყენებს. კომპანია ინდექსს პროტოტიპს უწოდებს და მეთოდის დამოუკიდებელ შემოწმებას მიზანშეწონილად მიიჩნევს.

Anthropic-ის სტატიაში სხვა მაჩვენებლებიცაა წარმოდგენილი. აგვისტოში ყველაზე ხშირად გამოყენებულ შიდა პლატფორმაზე დროის გარკვეულ მონაკვეთებში ერთდროულად დაახლოებით 30 000 კვლევისა და განვითარების აგენტი მუშაობდა. მათ მოქმედებებს შესრულებამდე ავტომატურად ამოწმებენ. კომპანიის ცნობით, მილიარდზე მეტი შემოწმებული გადაწყვეტილებიდან სისტემა დაახლოებით ყოველ 47 000-ში ერთს ბლოკავდა. Anthropic-მა უსაფრთხოების სამუშაოებისთვის საჭირო გამოთვლითი რესურსიც შეაფასა. ივლისის ერთ შერჩევით კვირაში ხელოვნური ინტელექტის კვლევასა და განვითარებაზე გამოყენებული გამოთვლითი სიმძლავრის დაახლოებით 6% უსაფრთხოების ამოცანებს მოხმარდა. ხელოვნური ინტელექტის დახმარებით შესრულებულ კვლევასა და განვითარებაში ეს წილი დაახლოებით 12% იყო.