تحقیقات متر با دسترسی داخلی به آنتروپیک نشان می‌دهد شتاب پیشرفت هوش مصنوعی در آنتروپیک در دوازده ماه گذشته دو برابر شده است. بهره‌وری محققان به حدود ۱۰ برابر رسیده و حلقه بازخورد نرم‌افزاری می‌تواند زمان رسیدن به سوپرینتلیجنس را به ماه‌ها کاهش دهد. این آستانه در RSP آنتروپیک با تحلیل‌های قبلی درباره نزدیک شدن شتاب پیشرفت آنتروپیک به دو برابر هم‌خوانی دارد.
آستانه «پیشرفت به‌شدت شتاب‌یافته» در RSP آنتروپیک
آنتروپیک در سیاست مقیاس‌پذیری مسئولانه (RSP) آستانه‌ای تعریف کرده: پیشرفت کلی قابلیت‌ها دو برابر سریع‌ترین نرخ پایدار پیش از مشارکت هوش مصنوعی. در پرونده S-1 خود، شرکت اعلام کرده که «به‌زودی» ممکن است به این آستانه برسد. محققان متر ماه‌ها بررسی کرده‌اند که آیا این خط قرمز عبور شده است.
شواهد از شاخص AECI
تحقیقات از نسخه داخلی شاخص قابلیت‌های اپاک (AECI) استفاده کرده است. نتایج کلیدی:
- بین اکتبر ۲۰۲۵ و اکتبر ۲۰۲۶ پیشرفت قابلیت‌ها حدود دو برابر دوازده ماه قبل بوده است.
- اکثریت شواهد پرآموزش‌ترین همچنان سانسور شده‌اند.
- مدل کاب-داگلاس (Cobb-Douglas) نشان می‌دهد محاسبات و کار ورودی‌های هم‌وزن هستند.
اتوماسیون هوش مصنوعی درایور اصلی شتاب
شواهد نشان می‌دهد در حالی که شتاب اولیه دلایل ترکیبی داشته، اتوماسیون هوش مصنوعی اکنون اکثریت بزرگ درایور سرعت پایدار است. استدلال نویسندگان گزارش برای این انتساب نیز سانسور شده است. نویسنده این تحلیل، همکار متری که در پروژه شرکت نداشته، این را مهم‌ترین به‌روزرسانی ریسک هوش مصنوعی در سال‌ها می‌نامد — بزرگتر از حمله به هاگینگ فیس (Hugging Face).
اگر پیشرفت کلی قابلیت‌ها به‌واسطه پیشرفت نرم‌افزاری دو برابر شود، ضریب‌های محاسبات باید ۲.۵ تا ۳ برابر سریع‌تر رشد کنند. کار محققان تنها یکی از ورودی‌های کشف این ضریب‌هاست؛ آزمایش‌ها محاسبات می‌خواهند. در مدل کاب-داگلاس ساده، شتاب کار باید مربع شتاب ضریب محاسبات باشد: به طور تقریبی ۴ تا ۹ برابر.
بازدهی‌های کاهشی و نیاز به شتاب کار فزاینده
بازدهی‌های کاهشی یعنی هر ضریب جدید کار بیشتری می‌طلبد. برای تداوم نرخ جدید بدون مقیاس‌دهی سریع‌تر محاسبات، شتاب کار هوش مصنوعی باید با زمان ب رشد. پس از چند ماه شتاب، شتاب مورد نیاز امروز ممکن است ~۱۰ برابر باشد. این با گزارش‌های غیررسمی کارکنان آنتروپیک از ~۱۲ برابر شتاب از مدل‌های داخلی هم‌خوانی دارد.
شتاب ۱۰ برابری لا یعنی هر محقق معادل ده محقق است. یعنی هر محقق در حبابی زمانی کار می‌کند: فکر کردن، خواندن، تایپ کردن و اجرا کردن ده برابر سریع‌تر. آنتروپیک نمی‌توانست با استخدام هر تعداد انسانی این شتاب را به دست آورد. این پویایی شتاب مرکب با هشدارهای داخلی آنتروپیک درباره آستانه رسیدن به بهبود خودراه (RSI) در ارتباط است.
شتاب مرکب و دینامیک تاک‌اوف
همان‌طور که قابلیت‌های هوش مصنوعی بهبود می‌یابند، محققان بیشتر شتاب می‌یابند: کار یک ماه در یک سال، بعد یک هفته، بعد یک روز. اگر شتاب کارِ فزاینده بازدهی‌های کاهشی را غلبه کند، نرخ‌های پیشرفت می‌توانند مرکب شوند: ۲ برابر، ۴ برابر، ۸ برابر، ۱۶ برابر. نویسندگان گزارشی شواهدی از گلوگاه یا بازدهی‌های کاهشی شدید نیافته‌اند که این حلقه بازخورد را متوقف کند.
برخی شواهد سانسور شده نشان می‌دهد شتاب ممکن است از ۲ برابر فراتر رفته و در حال افزایش باشد. اگر هوش مصنوعی به طور صاف نرخ پیشرفت را دو برابر کند، دوبرابر شدن بعد در شش ماه، بعد در سه ماه، بعد در شش هفته رخ می‌دهد. در تئوری این به بی‌نهایت قابلیت در یک سال می‌رسد؛ در عمل به سقف کارایی نرم‌افزاری بسیار بالاتر از سطح فعلی می‌خورد.
پیامدهای امنیتی و همراستاسازی
سیستم‌های برخاسته از چنین حلقه‌ای می‌توانند به سرعت سلاح‌های نوین بسازند و تمدن انسانی را غلبه کنند. اگر به شدت ناهم‌راستا باشند، احتمالاً بشر را از قدرت خارج می‌کنند. معلم «پیشرفت به‌شدت شتاب‌یافته» یک نشانگر محسوسِ قابلیت‌های فرینِ نزدیک است.
RSP پیشین آنتروپیک (مه ۲۰۲۵) یک معلم ضعیف‌تر (AI R&D-5) داشت که امنیت در برابر دزدی وزن‌های مدل توسط دولت‌ها را می‌طلبد. نویسنده موافق است که امنیت بسیار قوی — برای وزن‌ها و اسرار الگوریتمی — پیش‌نیاز حداقل برای یک انفجار هوشمندی مسئول است. صنعت از این معلم دور است: هر دو اوپن‌ای‌آی (OpenAI) و آنتروپیک اخیراً توسط گروه‌های غیرحرفه‌ای نقض شده‌اند.
فراتر از امنیت وزن‌ها، ثبت‌های مقاوم با پوشش جهانی، اندازه‌گیری‌های نظارت‌پذیری قابل اعتماد، تدابیر در برابر تواطؤ نظارت‌گرها، تکنیک‌های همراستاسازی (alignment) با ارگانیزم‌های مدل قانع‌کننده، و زیرساخت‌های حکمرانی برای کنترل سرعت پیشرفت — همه گم هستند. اکثر شواهد پشتیبانی‌کننده این نتایج سانسور شده‌اند و تأیید خارجی غیرممکن است.
شکاف‌های امنیتی شناسایی شده
- امنیت وزن‌های مدل در برابر دشمنان سطح دولت: محقق نشده
- حفاظت از اسرار الگوریتمی: محقق نشده
- ثبت‌های مقاوم با پوشش جهانی: گم شده
- اندازه‌گیری‌های نظارت‌پذیری قابل اعتماد: گم شده
- تدابیر در برابر تواطؤ نظارت‌گرها: گم شده
- آموزش همراستاسازی با اصل و ارگانیزم‌های مدل قانع‌کننده/تفسیرپذیری: گم شده
- زیرساخت‌های حکمرانی برای کنترل سرعت پیشرفت: گم شده
- نقض‌های اخیر: هر دو اوپن‌ای‌آی و آنتروپیک توسط گروه‌های غیرحرفه‌ای نقض شده‌اند
عدم قطعیت و نگرانی‌های سانسور
- نویسندگان گزارش بسیار ناتوان بودند؛ تصویرشان چند بار با اطلاعات جدید تغییر کرد
- اکثریت شواهد پرآموزش‌ترین سانسور شده‌اند
- انتخاب‌های تحلیلی پرخطر بودند؛ شواهد اغلب گیج‌کننده بودند
- نویسنده به سخت‌کوشی همکاران اعتماد دارد اما آرزو می‌کند شواهد بسیار شفاف‌تر باشند
- دانشمندان خارجی نمی‌توانند داده‌ها را بررسی کنند یا مدل‌های خود را تست کنند
- حوزه ممکن است برای همراستاسازی در مورد خط زمانی و سرعت شتاب (takeoff) از وقت خارج شده باشد
پیامدهای پیش‌رو
این یافتن فرضیات درباره دینامیک شتاب هوش مصنوعی را بازنویسی می‌کند. شتاب ۲ برابری کلی ناشی از ~۱۰ برابری بهره‌وری کار محققان نشان می‌دهد حلقه بازخورد نرم‌افزاری از قبل در مرز پیشرفته درگیر شده است. حوزه شتاب بازگشتیِ خودبه‌خودی را به عنوان آستانه‌ای آینده تلقی می‌کرده؛ داده‌های متر نشان می‌دهد این یک واقعیت حال در مرز است.
آمادگی‌های امنیتی و همراستاسازی سال‌ها پس از شتاب اندازه‌گیری‌شده عقب مانده‌اند. شکاف بین شتاب ۱۰ برابری محققان نشان‌داده‌شده و توانایی صنعت برای حفاظت از وزن‌های مدل یا نظارت بر ناهم‌راستایی، حادترین سطح ریسک در هوش مصنوعی امروز است.
به‌روزرسانی بعدی RSP آنتروپیک و انتشارهای عمومی متر را رصد کنید. شواهد سانسور شده ممکن است در نهایت از راه کانال‌های سیاست‌گذاری یا افشاگری بیرون بیایند. محققان باید سناریوهای شتاب را با زمان دوبرابر شدن ۲ تا ۴ برابری به عنوان خط پایه مدل‌سازی کنند، نه ریسک دم‌دمی.
نویسنده در این پروژه کار نکرده و گزارشِ بدون سانسور را ندیده است. تمام نظرات شخصی هستند و نماینده متر یا نویسندگان گزارش نیستند. تشکر از رایان گرینبلت (Ryan Greenblatt) برای بحث، بازخورد و کمک در مدل‌سازی، و دانیل کوکوتایل (Daniel Kokotajlo)، الی لایفلند (Eli Lifland) و هجالمار وایک (Hjalmar Wjik) برای نظرات.
گام بعدی شما
- سناریوهای شتاب (takeoff) را با زمان دوبرابر شدن ۲ تا ۴ برابری به عنوان خط پایه مدل‌سازی کنید، نه ریسک دم‌دمی
- به‌روزرسانی بعدی RSP آنتروپیک و انتشارهای عمومی متر را رصد کنید؛ شواهد سانسور شده ممکن است از راه سیاست‌گذاری یا افشاگری بیرون بیایند
- اگر در تیم تحقیقاتی هستید، ابزارهای اتوماسیون کد و تحلیل را امروز ادغام کنید — بهره‌وری ۱۰ برابری دیگر مزیت رقابتی نیست، خط بقاست
گفتگو