عندما تبني الذكاء الاصطناعي نفسه: تقدّم أنثروبيك نحو التحسين الذاتي التكراري

نشرت أنثروبيك تقييمًا أعدّه معهد أنثروبيك التابع لها عن تقدّمها نحو "التحسين الذاتي التكراري" — أي النقطة التي يستطيع فيها نظام ذكاء اصطناعي أن يصمّم ويطوّر خلفه بشكل مستقل. ويقول الكتّاب صراحة إن القطاع لم يبلغ تلك النقطة بعد وإن النتيجة ليست حتمية، لكنهم يرون أنها قد تأتي أسرع مما تستعد له معظم المؤسسات.

أدلة من داخل الشركة

الرقم الأكثر ملموسة داخلي: حتى مايو 2026، كان Claude قد كتب أكثر من 80% من الشيفرة المدمجة في قاعدة شيفرة أنثروبيك. وقبل إطلاق Claude Code في معاينة بحثية في فبراير 2025، كان هذا النصيب في خانة الأرقام الأحادية المنخفضة. وفي الربع الثاني من 2026، كان المهندس النموذجي يدمج نحو ثمانية أضعاف الشيفرة يوميًا مقارنة بعام 2024، بينما يوجّه الإنسان ويراجع بدل أن يكتب بنفسه. وتنبّه أنثروبيك إلى أن عدد أسطر الشيفرة مقياس غير مثالي للإنتاجية الحقيقية.

في أبريل 2026، أصدر Claude أكثر من 800 إصلاح خفّضت فئة معيّنة من أخطاء واجهة البرمجة ألف مرة — وهو عمل قدّر المهندس المشرف أنه كان سيستغرق أربع سنوات من العمل البشري. والآن يقرأ مراجع آلي مبني على Claude التغييرات المقترحة قبل دمجها، وأظهر تحليل بأثر رجعي أنه كان سيلتقط نحو ثلث الأخطاء التي تسبّبت في حوادث سابقة على claude.ai قبل وصولها إلى الإنتاج.

أدلة من الاختبارات المرجعية العامة

يستشهد المقال أيضًا بخلاصة معهد METR: طول المهام التي تستطيع أنظمة الذكاء الاصطناعي إنجازها بموثوقية وبشكل مستقل يتضاعف كل أربعة أشهر تقريبًا، بعد اتجاه سابق كان يتضاعف كل سبعة أشهر. في مارس 2024 كان Claude Opus 3 ينجز مهام برمجية تستغرق الإنسان نحو أربع دقائق؛ وبعد عام أنجز Claude Sonnet 3.7 مهام بنحو ساعة ونصف، وبعد عام آخر تعامل Claude Opus 4.6 مع مهام من 12 ساعة.

وتتشابه الصورة في الاختبارات المرجعية. فاختبار SWE-bench، الذي يمنح النموذج قاعدة شيفرة مفتوحة المصدر حقيقية وتقرير خطأ واقعيًا، انتقل من درجات منخفضة بأرقام أحادية إلى التشبّع خلال عامين. أما الاختبار المتكرر لأنثروبيك — جعل سكربت تدريب صغير أسرع مع الحفاظ على اختبارات الصحة نفسها — فقد ارتفع من تسريع بمعدل ثلاث مرات في مايو 2025 إلى نحو 52 مرة في أبريل 2026.

الفجوة المتبقية

يحدّد المقال بوضوح ما لم يُؤتمت بعد. يمكن إعطاء Claude مشكلة هندسية غير محدّدة بالكامل فيجد طريقة حلّها بنفسه، وهو قادر على مجاراة باحثين مهرة أو تجاوزهم في تنفيذ تجربة محدّدة جيدًا. لكن فجوات كبيرة تبقى في اختيار الأهداف — أي تقرير أي المشكلات يستحق العمل عليها. وهذا التقدير هو ما يفصل أنظمة اليوم عن نظام قادر على تصميم خلفه.

ويرسم الكتّاب ثلاثة سيناريوهات: أن يتوقف الاتجاه مع انتشار قدرات اليوم على نطاق واسع؛ أو أن تواصل المختبرات تحقيق مكاسب تراكمية في الكفاءة مع بقاء البشر واضعين للتوجه — وهو ما تقول الأدلة إنها تشير إليه؛ أو أن تصبح أنظمة الذكاء الاصطناعي قادرة على التحسين الذاتي التكراري الكامل. ويضيفون أن التباطؤ الموثوق سيتطلب التحقق من أن مختبرات أخرى توقفت فعلًا، ويقولون إن معهد أنثروبيك سيساعد في بناء الأنظمة التي يحتاجها هذا التوقف.