دستمزد سالانه ۵۰۰ هزار دلاری آنتروپیک به نخبگان دکتری برای شکار نقاط ضعف Claude!

دعوت آنتروپیک از پژوهشگران دکتری برای آموزش و آزمایش Claude در سال ۲۰۲۷

شرکت آنتروپیک (Anthropic) ثبت‌نام برای دو دوره پژوهشی (فلوشیپ) ۴ ماهه را کلید زده که هدف اصلی‌شان، تمرکز روی نقاط ضعف مدل هوش مصنوعی Claude در حوزه‌های تخصصی است. این دوره‌ها از ژانویه تا مه ۲۰۲۷ برگزار می‌شوند و قرار است پژوهشگران در مقطع دکتری در تیم‌های داخلی آنتروپیک مستقر شوند تا سناریوهای آموزشی بسازند، خطاهای استدلالی مدل را شناسایی کنند و معیارهای ارزیابی دقیقی برای مدل‌های نسل بعد طراحی نمایند.

بخش اول این برنامه یعنی «فلوشیپ علوم پایه و مهندسی» (STEM)، دانشمندان ریاضی، فیزیک، علوم زیستی و مهندسان را هدف گرفته است. در سوی دیگر، «فلوشیپ استدلال مفهومی» سراغ متخصصان رشته‌های فلسفه، علوم شناختی، اقتصاد، سیاست‌گذاری و حقوق می‌رود؛ یعنی حوزه‌هایی که قضاوت کارشناسانه و تحلیل عمیق بسیار مهم‌تر از یک پاسخ فرمولی و قطعی است.

تبدیل دانش تخصصی به زیرساخت آموزش هوش مصنوعی

پژوهشگران برگزیده به‌جای کار روی مقالات آکادمیک و پروژه‌های مستقل دانشگاهی، مستقیماً موادی را تولید می‌کنند که آنتروپیک برای آموزش و سنجش هوش مصنوعی Claude از آن‌ها استفاده می‌کند. در واقع کار این افراد ساخت زیرساخت‌های عملیاتی توسعه مدل است و دستاوردهای اصلی آن‌ها شامل موارد زیر خواهد بود:

• مجموعه‌داده‌ها (Datasets): نمونه‌مسائل بسیار دقیق و حساب‌شده‌ای که شیوه استدلال در حوزه‌های تخصصی را به هوش مصنوعی آموزش می‌دهند یا آن را به چالش می‌کشند.
• آزمون‌های سنجش (Evaluations): ارزیابی‌های سرسختی که مدل نمی‌تواند با حقه و حدس از زیر بار آن‌ها فرار کند و نشان می‌دهند آیا مدل واقعاً می‌تواند یک مسئله را با اطمینان حل کند یا نه.
• شبیه‌سازی‌ها (Simulations): محیط‌های کنترل‌شده برای انجام کار‌های پیچیده‌ای مثل طراحی آزمایش‌ها، تفسیر داده‌ها و تحلیل مکانیزم‌های علمی.
• تحلیل خطاها (Failure analysis): ریشه‌یابی و بررسی دقیق مواردی که در آن‌ها Claude پاسخی کاملاً اشتباه را با اعتمادبه‌نفس بالا و ظاهری کاملاً منطقی و موجه تحویل کاربر می‌دهد.
• محیط‌های آموزشی (Training environments): تسک‌های ایزوله‌شده (Sandbox) با نتایج مشخص یا معیارهای ارزیابی تخصصی که در فرایند یادگیری تقویتی به مدل بازخورد می‌دهند.

در بخش استدلال مفهومی، تمرکز ویژه‌ای روی طراحی آزمون‌هایی است که به قضاوت‌های چندلایه و ظریف نیاز دارند. آنتروپیک چند نمونه از پروژه‌های مورد انتظار را این‌طور معرفی کرده است:

• یک فیلسوف که سناریوهای دشوار و پیچیده‌ای در اخلاق یا معرفت‌شناسی صوری خلق می‌کند.
• یک متخصص علوم شناختی که وظایف مربوط به طراحی آزمایش و مقایسه مدل‌ها را تدوین می‌کند.
• یک اقتصاددان که مسائل مدل‌سازی و شناسایی اقتصادی با پاسخ‌های مشخص و اثبات‌شده را پیاده‌سازی می‌نماید.
• یک پژوهشگر سیاست‌گذاری که وظایف مربوط به تحلیل‌های نظارتی و هزینه-فایده را همراه با جدول‌های امتیازدهی کارشناسی آماده می‌کند.
• یک حقوق‌دان که مجموعه‌داده‌های تخصصی در حوزه سیاست‌گذاری و حقوق هوش مصنوعی می‌سازد.

محیط‌های یادگیری تقویتی (RL) استانداردهای یک متخصص انسانی را به سیگنال‌های بازخوردی قابل تکرار برای ماشین تبدیل می‌کنند. مدل تلاش می‌کند تسک را انجام دهد، یک نمره یا نقد ساختاریافته دریافت می‌کند و از همان سیگنال برای اصلاح رفتار خود حین آموزش بهره می‌برد. البته ساخت بازخورد قابل اتکا در حوزه‌هایی مثل حقوق یا اخلاق چالش بسیار بزرگ‌تری است؛ چرا که ممکن است چند پاسخ متفاوت و قابل دفاع وجود داشته باشد و کیفیت استدلال و استنتاج است که نتیجه نهایی را تعیین می‌کند.

چهار ماه کار تمام‌وقت با دستمزد عالی

آنتروپیک برای این دوره ۴ ماهه، به هر پژوهشگر رقمی بین ۱۰۰ هزار تا ۱۶۷ هزار دلار پرداخت می‌کند که معادل نرخ سالانه ۳۰۰ تا ۵۰۰ هزار دلار است و مزایای شغلی هم به آن اضافه می‌شود. افراد برگزیده با قراردادهای معین و از طریق یک کارفرمای ثبت‌شده (Employer of Record) مشغول به کار خواهند شد.

شرط تسلط بر Claude Code به‌خوبی نشان می‌دهد که صرف داشتن رزومه و مدرک دانشگاهی برای ورود به این دوره کافی نیست. متقاضیان باید از قبل کار با ایجنت کدنویسی آنتروپیک را تجربه کرده باشند و بتوانند رفتار مدل را به چشم موضوعی برای تحلیل و موشکافی ساختاریافته بررسی کنند.

دومین دوره با مأموریتی گسترده‌تر

آنتروپیک پیش از این نیز از ژوئن تا سپتامبر ۲۰۲۶ یک فلوشیپ در حوزه علوم پایه و مهندسی (STEM) با حضور بیش از ۲۰ پژوهشگر در رشته‌های ریاضی، فیزیک، علوم زیستی و فنی برگزار کرده بود. طبق اعلام شرکت، مسائلی که توسط اعضای آن دوره طراحی شد، حالا مستقیماً به بخشی از داده‌های آموزشی چت‌بات Claude و آزمون‌های سنجش علمی داخلی شرکت تبدیل شده است.

برنامه سال ۲۰۲۷ قرار است این روش را به رشته‌هایی گسترش دهد که ارزیابی در آن‌ها وابسته به فرضیات مستدل، الگوهای امتیازدهی مشخص و تفسیر انسانی کارشناسان است. این حوزه‌ها چالش فنی متفاوتی را پیش پای توسعه‌دهندگان می‌گذارند: آنتروپیک باید بتواند شیوه استدلال پشت یک قضاوت تخصصی را استخراج کند، بدون اینکه فضا را برای سایر نتیجه‌گیری‌های منطقی و معتبر ببندد.

گامی مهم به‌سوی خلق «دانشمند هوش مصنوعی»

آنتروپیک این دوره فلوشیپ را بخشی از برنامه بلندپروازانه خود برای ساخت یک «دانشمند هوش مصنوعی» می‌داند؛ سیستمی که بتواند استدلال‌های طولانی و پایدار انجام دهد و در آزمون‌های تجربی تصمیم‌های دقیق بگیرد. این شرکت به حدس‌های حل‌نشده دنیای ریاضیات و طراحی دارو برای بیماری‌های نادر اشاره می‌کند؛ مسائلی که هوش مصنوعی در آن‌ها باید بتواند گام‌های متعدد را برنامه‌ریزی کند، شواهد را بسنجد، فرضیه‌ها را بازنگری کند و عدم قطعیت‌ها را به‌درستی بشناسد.

حضور متخصصان رشته‌های گوناگون در کنار تیم‌های توسعه مدل به آنتروپیک اجازه می‌دهد تا در همان زمانِ طراحی سیستم‌ها، دانش ژرف و نخبگانی را به مجموعه‌داده‌ها، ارزیاب‌ها، شبیه‌سازها و سیگنال‌های آموزشی تبدیل کند. برای خود پژوهشگران هم این دوره‌ها یک بلیت اختصاصی برای ورود مستقیم به جریان‌های اصلی توسعه پیشرفته‌ترین مدل‌های هوش مصنوعی است. البته شرکت در این برنامه نیازمند تعهد ۴ ماهه تمام‌وقت، حضور یک هفته‌ای در سان‌فرانسیسکو و داشتن مجوز قانونی کار در آمریکا خواهد بود.