Ing. Calogero Bono
अनथ्रोपिक ने अपने शोध कार्य के कितने हिस्से को पहले से ही Claude कर रहा है, इसके पहले मापन प्रकाशित किए हैं। उसी दौरान, 2 नवंबर 2026 को SEC में दाखिल S-1/A के संशोधित संस्करण में, कंपनी ने लिखा है कि वह जल्द ही AI द्वारा त्वरित प्रगति की अपनी परिभाषा पर खरी उतर सकती है। यह मायने रखता है क्योंकि एक बड़ी कंपनी अपनी आंतरिक प्रक्रिया के आँकड़े घोषित कर रही है और मानती है कि अतीत में उसने बड़ी तेज़ी को घटित होते समय नहीं पहचाना था।
कुछ शब्द, तथ्यों में जाने से पहले। RSI (recursive self-improvement) यानी रिकर्सिव सेल्फ-इम्प्रूवमेंट, ऐसा मॉडल जो अपने उत्तराधिकारी को बनाने में योगदान देता है। AI R&D AI पर अनुसंधान और विकास है। AL Epoch AI का ऑटोमेशन स्केल है, AL0 (AI का कोई हस्तक्षेप नहीं) से AL5 (पूर्ण स्वायत्तता) तक। S-1 वह दस्तावेज़ है जो शेयर बाज़ार में सूचीबद्ध होने से पहले SEC में दाखिल किया जाता है। Compute वह कंप्यूटिंग शक्ति है जो मॉडल को प्रशिक्षित करने और चलाने में लगती है।
अनथ्रोपिक ने AI द्वारा AI विकसित करने के बारे में क्या मापा?
इस आधिकारिक पोस्ट में कंपनी तीन मापन उपकरण प्रस्तावित करती है। पहला यह कि इंसानों की तुलना में AI अपने अगले संस्करण को कितना बनाता है। दूसरा AI एजेंटों की कार्रवाइयों की आंतरिक प्रणालियों पर निगरानी करने और उन्हें रोकने की क्षमता। तीसरा उन संसाधनों को जो अधिक सक्षम मॉडलों के विकास को ईंधन देते हैं।
अनथ्रोपिक ने Anthropic R&D Automation Index नाम का प्रोटोटाइप बनाया है। यह कंपनी में होने वाले हर प्रकार के शोध कार्य को सूचीबद्ध करता है, हर एक के स्वचालित होने की मात्रा आंकता है और स्कोर को जोड़ता है।
Claude पहले से कितना शोध कार्य करता है?
अनथ्रोपिक के अनुसार, अगस्त 2026 तक Claude मापे गए किसी भी शोध उप-हिस्से में पूरी स्वायत्तता से काम नहीं करता। मॉडल उस काम का 26% "नेतृत्व" करता है, यानी उच्च-स्तरीय निर्देश से अधिकांश कार्य पूरा कर देता है जबकि इंसान निगरानी करता है। "AI सहयोग करता है" स्तर पर आने वाला काम 90% से अधिक है।
ये आँकड़े कंपनी द्वारा घोषित हैं, किसी तीसरे पक्ष ने सत्यापित नहीं किए। अनथ्रोपिक खुद दो बाधाएँ बताती है। प्रयोगशालाओं के बीच तुलना के लिए साझा पद्धति नहीं है, और मूल्यांकन उसी का अपना मॉडल करता है, जो वैसी ही गलती कर सकता है जैसी उसे नियंत्रित करनी है।
AI एजेंटों पर निगरानी कैसे की जाती है?
अगस्त 2026 में, सबसे अधिक इस्तेमाल होने वाले आंतरिक प्लेटफ़ॉर्म पर, शोध और इंजीनियरिंग में लगभग 30,000 एजेंट एक साथ काम कर रहे थे। मापन केवल उसी प्लेटफ़ॉर्म को कवर करते हैं। अनथ्रोपिक तीन संकेतक प्रस्तावित करती है।
- कवरेज, वह हिस्सा जो कार्रवाई से पहले या बाद में किसी मॉनिटर से गुज़रती है।
- समीक्षा विलंब, कार्रवाई और जाँच के बीच का समय, पहले स्वचालित और फिर मानवीय।
- एस्केलेशन दर, वह अनुपात जो रोका, मोड़ा या चिह्नित किया गया।
कंपनी का दावा है कि अलग-अलग एजेंट शायद ही गलती करते हैं, लेकिन लाखों एजेंटों के साथ दुर्लभ घटनाएँ भी बार-बार होने लगती हैं। अपने कार्यप्रवाह में एजेंट इस्तेमाल करने वालों के लिए यह विषय jailbreak और prompt injection के काफ़ी करीब है।
S-1 रिकर्सिव सुधार के जोखिम के बारे में क्या कहता है?
जैसा TechCrunch ने रिपोर्ट किया, और HDblog ने दोहराया, जोखिम कारकों में अनथ्रोपिक लिखती है कि अतीत में वह किसी तेज़ त्वरण को तब तक पहचान नहीं पाई जब तक वह हो चुका था। वह जोड़ती है कि आंतरिक अनुमान उसे अपनी Responsible Scaling Policy में दी गई AI-जनित "नाटकीय रूप से त्वरित प्रगति" की परिभाषा को "जल्द ही" पूरा करने की ओर ले जा सकते हैं।
किसी भी मौजूदा मॉडल को सीमा से ऊपर नहीं बताया गया है। कंपनी कहती है कि वह Claude को बिना किसी अर्थपूर्ण मानवीय निगरानी के पूरी तरह स्वायत्त रूप से चलाने की योजना नहीं बनाती, और मानवीय नियंत्रण बनाए रखने के लिए नीति में संशोधनों पर विचार कर रही है।
जानने योग्य सीमाएँ
ऑटोमेशन के आँकड़े एक प्रोटोटाइप इंडेक्स से आते हैं, जो कंपनी के अपने मॉडलों से गणना किया गया है और इसकी कोई बाहरी जाँच नहीं हुई है। एजेंटों से जुड़े माप केवल एक प्लेटफ़ॉर्म के हैं। कंप्यूट उपयोग का विश्लेषण 13 से 20 जुलाई तक के एक सप्ताह को कवर करता है, और हमारे पास उपलब्ध आधिकारिक स्रोत उसके नतीजे दिखाने से पहले रुक जाता है, इसलिए हम उन्हें नहीं दे रहे। जिन स्वतंत्र पर्यवेक्षकों को शामिल करने की बात अनथ्रोपिक ने कही है, वे अभी देखे जाने बाकी हैं।
डिजिटल क्षेत्र में काम करने वालों के लिए क्या बदलता है
किसी उद्यम या डेवलपर के लिए संकेत यह है कि AI पहले से ही उन लोगों के कोड और विश्लेषण का बड़ा हिस्सा लिख रहा है जो उसे बनाते हैं। बेहतर है कि सहायकों को अचूक उपकरण न मानें और मानवीय समीक्षा हमेशा रखें। जो लोग API के ज़रिए मॉडल जोड़ते हैं, उन्हें तेज़ अपडेट और संस्करणों के बीच बदलते व्यवहार की उम्मीद रखनी चाहिए। यूरोपीय नियमन, जिसे EU AI Act की गाइड में समझाया गया है, भी मॉडलों के बारे में पारदर्शिता से होकर गुज़रता है।
हमारी राय
अपनी प्रक्रिया के बारे में मेट्रिक्स प्रकाशित करना एक उपयोगी और दुर्लभ कदम है। लेकिन यह आत्म-मूल्यांकन है, और S-1 एक मार्केटिंग दस्तावेज़ भी होता है, जैसा TechCrunch याद दिलाता है। मूल्य प्रतिशत से नहीं, स्वतंत्र सत्यापन से तय होगा। अतीत की तेज़ी को न पहचान पाने की स्वीकारोक्ति चौंकाती है। अगर यह सच है, तो समस्या केवल गति की नहीं, बल्कि समय रहते उसे भाँप पाने की क्षमता की है।
अक्सर पूछे जाने वाले प्रश्न
RSI क्या है?
यह स्वायत्त रिकर्सिव सुधार है। एक मॉडल अपने से अधिक शक्तिशाली संस्करण बनाने में योगदान देता है, जो अगली पीढ़ी को तेज़ करता है। अनथ्रोपिक की परिभाषा के अनुसार, चरम स्थिति वह है जब कोई मॉडल पूरी स्वायत्तता से अपना उत्तराधिकारी बना लेता है।
क्या अनथ्रोपिक की AI पहले से खुद को बना रही है?
पूरी तरह नहीं। अनथ्रोपिक कहता है कि Claude किसी भी मापे गए हिस्से में पूरी स्वायत्तता से काम नहीं करता। लेकिन वह इसके 26% काम का नेतृत्व करता है और 90% से अधिक शोध कार्य में सहयोग करता है।
क्या अनथ्रोपिक कहता है कि RSI निकट है?
वह कहता है कि वह जल्द ही अपनी पॉलिसी में दी गई AI-जनित त्वरित प्रगति की परिभाषा पूरी कर सकती है। किसी भी मौजूदा मॉडल को सीमा से ऊपर नहीं बताया गया है, और कंपनी अब भी आँकड़ों का मूल्यांकन कर रही है।
इन आँकड़ों की जाँच कौन करता है?
अभी तक कोई बाहरी पक्ष नहीं। अनथ्रोपिक कई संगठनों के स्वतंत्र मूल्यांकनकर्ताओं को शामिल करने की योजना बनाता है, जिन्हें आंतरिक प्रक्रियाओं और डेटा तक पहुँच होगी। अतीत में METR ने उसकी ऑफ़लाइन निगरानी को परखा था।
कुछ लोग संदेह क्यों करते हैं?
क्योंकि S-1 सूचित करने और कंपनी को प्रचारित करने, दोनों के लिए होता है। खुद को ऐसे मॉडल के करीब बताना जो खुद को बनाता है, छवि-निर्माण का काम भी कर सकता है, जैसा TechCrunch ध्यान दिलाता है।
स्वतंत्र सत्यापन और मानवीय नियंत्रण के नियम, किन संकेतों पर नज़र रखें
आने वाले महीने बताएँगे कि ये आँकड़े मानक बनते हैं या अलग-थलग पहल बनकर रह जाते हैं। इसमें तीसरे पक्ष का सत्यापन और नीति में संभावित बदलाव अहम होंगे।
- देखें कि वादा किए गए स्वतंत्र पर्यवेक्षक आते हैं या नहीं और उन्हें कौन-से डेटा देखने को मिलते हैं।
- मानवीय नियंत्रण बनाए रखने के बारे में Responsible Scaling Policy के अपडेट पर नज़र रखें।
- जाँचें कि क्या दूसरी प्रयोगशालाएँ उन्हीं मेट्रिक्स से तुलनीय माप प्रकाशित करती हैं।
