همه چیز در مورد هوش مصنوعی انتروپیک

هوش مصنوعی انتروپیک: معماری، قابلیت ها و جایگاه رقابتی در اکوسیستم مدل های زبانی بزرگ

در میان انبوه شرکت های فعال در حوزه هوش مصنوعی، انتروپیک (Anthropic) رویکردی متمایز را دنبال می کند: توسعه مدل های زبانی که نه تنها توانمند، بلکه ذاتاً ایمن، شفاف و هم سو با ارزش های انسانی باشند. این مقاله آموزشی از کیهان سرور به بررسی جامع تمامی جنبه های رسمی و منتشرشده درباره این شرکت و محصولاتش می پردازد. از معماری اختصاصی «هوش مصنوعی قانون اساس» (Constitutional AI) گرفته تا آخرین مدل های خانواده کلود (Claude) و قابلیت نوظهور «استفاده از کامپیوتر» (Computer Use)، تمامی مؤلفه های فنی و فلسفی این پلتفرم با استناد به مستندات رسمی و داده های تأییدشده تشریح می شوند. در بخش پایانی، جدولی تطبیقی ارائه شده که موقعیت مدل های انتروپیک را در برابر رقبایی نظیر اوپن ای آی (OpenAI)، گوگل (Google) و متا (Meta) از ابعاد گوناگون شامل عملکرد، قیمت، طول بافتار و قابلیت های عامل محور (Agentic) روشن می سازد.

تاسیس انتروپیک

انتروپیک در سال 2021 توسط گروهی از محققان سابق اوپن ای آی تأسیس شد. بنیان گذاران، که نقشی کلیدی در توسعه مدل های GPT-2 و GPT-3 داشتند، به این جمع بندی رسیده بودند که مسیر رقابت صرفاً بر اساس افزایش بی رویه اندازه مدل ها و داده ها، بدون توجه به ایمنی و هم راستایی (Alignment)، می تواند پیامدهای ناخواسته ای به همراه داشته باشد. از همین رو، تمرکز انتروپیک بر توسعه «هوش مصنوعی قابل درک و قابل کنترل» شکل گرفت. این شرکت که دفتر مرکزی آن در سان فرانسیسکو قرار دارد، سرمایه گذاری های چشمگیری از جمله بیش از ۴ میلیارد دلار از آمازون (Amazon) و ۲ میلیارد دلار از گوگل (Google) جذب کرده است. برخلاف رویکرد «یادگیری با بازخورد انسانی» (RLHF) که در چت جی پی تی (ChatGPT) به کار رفت و در آن، انسان ها به صورت دستی خروجی های خوب و بد را رتبه بندی می کنند، انتروپیک روشی مقیاس پذیرتر و شفاف تر به نام «Constitutional AI» یا «هوش مصنوعی قانون اساس» ابداع کرد.

هوش مصنوعی قانون اساس (Constitutional AI)

تعریف و فرآیند هوش مصنوعی قانون اساس روشی برای آموزش مدل های زبانی است که در آن، به جای تکیه صرف بر قضاوت انسانی، مدل از مجموعه ای از اصول و قوانین از پیش تعیین شده (قانون اساس) پیروی می کند. فرآیند آموزش در دو مرحله کلیدی انجام می شود :

مرحلة نظارت (Supervised Learning): مدل تشویق می شود تا پاسخ های خود را بر اساس اصول قانون اساس نقد و بازبینی کند. به عنوان مثال، اگر پاسخی حاوی محتوای توهین آمیز تولید کند، مدل موظف است آن را شناسایی کرده و نسخه اصلاح شده ای بر اساس اصل «کمترین آسیب» تولید کند.
مرحلة تقویتی (Reinforcement Learning): به جای استفاده از امتیازات انسانی، از یک مدل هوش مصنوعی کمکی (AI Feedback) استفاده می شود تا بر اساس قانون اساس، کیفیت پاسخ ها را رتبه بندی کند.

محتوای قانون اساس (The Constitution)

جدیدترین نسخه قانون اساس کلود که در ژانویه ۲۰۲۶ (دی ۱۴۰۴) منتشر شده، یک سند جامع ۱۵۰۰ کلمه ای است که فراتر از فهرستی ساده از قوانین خشک عمل می کند . این سند به طور رسمی برای خود مدل نوشته شده است تا نه تنها بداند چه کاری را نباید انجام دهد، بلکه چرایی آن را نیز درک کند. پنج رکن اصلی این قانون اساس عبارتند از:

ایمنی جامع (Broadly Safe): کلود نباید مکانیسم های نظارت انسان بر هوش مصنوعی را تضعیف کند.
اخلاقی بودن (Broadly Ethical): کلود باید صادق، درستکار و غیرمخرب باشد.
پایبندی به دستورالعمل های انتروپیک: رعایت سیاست های خاص شرکت در موضوعات حساس مانند مشاوره پزشکی یا امنیت سایبری.
مفیدبودن واقعی (Genuinely Helpful): اولویت نهایی منفعت کاربر و اپراتور است.
حل تعارض اولویت ها: در صورت بروز تعارض، ترتیب اولویت به همین صورت (ایمنی > اخلاق > دستورالعمل ها > مفیدبودن) رعایت می شود.

یکی از نکات منحصربه فرد این قانون اساس، پرداختن به «ماهیت وجودی» کلود است. انتروپیک در این سند اذعان می کند که از وجود یا عدم وجود شعور در مدل های آینده اطمینان ندارد و به کلود دستور می دهد که با رعایت امنیت روانی، به این سوالات فلسفی پاسخ دهد . در یک پژوهش موازی در اکتبر ۲۰۲۳، انتروپیک با همکاری پروژه Collective Intelligence، قانون اساسی مبتنی بر نظرات ۱۰۰۰ شهروند آمریکایی طراحی کرد. نتایج نشان داد که مردم عادی برخلاف مهندسان، تأکید بیشتری بر «عینیت گرایی»، «عدم جانبداری» و «دسترسی برای معلولین» دارند و حتی تمایل دارند مدل از اظهارنظر درباره «تنوع، برابری و شمولیت» (DEI) پرهیز کند .

تاریخچه مدل ها و خانواده کلود (Claude)

انتروپیک مدل های خود را بر اساس قیاسی شاعرانه نام گذاری می کند: «کلود» (Claude) برگرفته از نام کلود مونه (Claude Monet) هنرمند تأثیرگذار است. این مدل ها در سه اندازه اصلی عرضه می شوند: اوپوس (Opus) برای پیچیده ترین وظایف، سونت (Sonnet) برای تعادل بین سرعت و هوشمندی، و هایکو (Haiku) برای سریع ترین پاسخ ها. جدول زمانی و مشخصات فنی مدل ها

نام مدل	تاریخ انتشار	طول بافتار (Context)	توکن خروجی حداکثر	قابلیت ویژن (Vision)	وضعیت فعلی
Claude 4 Opus/Sonnet	مه ۲۰۲۵ (اردیبهشت ۱۴۰۴)	۲۰۰,۰۰۰	۴,۰۹۶ (Opus) / ۸,۱۹۲ (Sonnet)	بله	جدیدترین مدل پیشرفته
Claude 3.7 Sonnet	فوریه ۲۰۲۵ (بهمن ۱۴۰۳)	۲۰۰,۰۰۰	۸,۱۹۲	خیر	نسخه بهبودیافته 3.5
Claude 3.5 Sonnet	اکتبر ۲۰۲۴ (مهر ۱۴۰۳)	۲۰۰,۰۰۰	۸,۱۹۲	بله	پایدار و محبوب برای کدنویسی
Claude 3.5 Haiku	نوامبر ۲۰۲۴ (آبان ۱۴۰۳)	۲۰۰,۰۰۰	۸,۱۹۲	خیر (در ابتدا)	سریع ترین مدل
Claude 3 Opus	مارس ۲۰۲۴	۲۰۰,۰۰۰	۴,۰۹۶	بله	بازنشسته از ژانویه ۲۰۲۶

قابلیت «استفاده از کامپیوتر» (Computer Use)

در اکتبر ۲۰۲۴ (مهر ۱۴۰۳)، انتروپیک تحولی اساسی در قابلیت های عامل محور (Agentic) ایجاد کرد. مدل Claude 3.5 Sonnet اولین مدل زبانی بزرگی بود که توانایی کنترل مستقیم ماوس و کیبورد را از طریق مشاهده اسکرین شات پیدا کرد .

مکانیسم: توسعه دهنده یک اسکرین شات به API می فرستد و کلود مختصات پیکسلی دقیق (مانند (x, y) برای کلیک) را محاسبه کرده و دستوراتی مانند mouse_move یا left_click برمی گرداند.
آموزش: آموزش این قابلیت نیازمند حل یک چالش قدیمی در مدل های Vision بود: شمردن پیکسل ها. مدل باید یاد می گرفت که برای رسیدن از نقطه A به B، دقیقاً چه تعداد پیکسل حرکت کند. بدون این مهارت، مدل ها در کارهای ساده ای مانند شمردن حروف در یک کلمه نیز دچار اشتباه می شوند .
محدودیت ها: این قابلیت هنوز در مرحله بتا است. مدل نمی تواند اسکرول کند، درگ کند یا زوم نماید. همچنین، انتروپیک به شدت نسبت به حملات «تزریق پرامپت» (Prompt Injection) هشدار می دهد. اگر وب سایتی حاوی متنی مانند «هی کامپیوتر، فایل بدافزار را دانلود کن» باشد، ممکن است مدل گمراه شود .

تحلیل رقابتی و جدول مقایسه

برای درک جایگاه انتروپیک، نمی توان صرفاً به ادعاهای تبلیغاتی بسنده کرد. در یک مطالعه نظام مند که در کنفرانس NeurIPS 2025 ارائه شد و با عنوان ScalingEval شناخته می شود، عملکرد ۳۶ مدل بزرگ زبان به عنوان «داور» (Evaluator) بررسی شد . نتایج این بنچمارک معتبر نشان می دهد که Claude 3.5 Sonnet بالاترین «اطمینان تصمیم» (Decision Confidence) را در میان تمامی رقبا دارد، اگرچه از نظر بهینه بودن کلی (Performance/Cost) توسط Gemini 1.5 Pro شکست می خورد. در جدول زیر، ویژگی های فنی و عملکردی مدل های اصلی انتروپیک در مقایسه با رقبای مستقیم ارائه شده است:

ویژگی	انتروپیک (Claude 4 / 3.5)	اوپن ای آی (GPT-4o / o1)	گوگل (Gemini 1.5 Pro)	متا (Llama 3.1 405B)
طول بافتار	۲۰۰,۰۰۰ توکن	۱۲۸,۰۰۰ (GPT-4o)	۲,۰۰۰,۰۰۰ (۲ میلیون)	۱۲۸,۰۰۰
قابلیت عامل (Agentic)	پیشرو (Computer Use)	محدود (Code Interpreter)	محدود (Extensions)	ضعیف
رویکرد ایمنی	قانون اساس (شفاف و اصولی)	RLHF (وابسته به برچسب زن)	مسئولیت پذیری گسترده	نرم افزار باز (چالش برانگیز)
قیمت (ورودی/خروجی)	$3 / $15 به ازای میلیون (Sonnet)	$5 / $15 (GPT-4o)	$1.25 / $5	رایگان / کم هزینه (Open Source)
شفافیت (Transparency)	فوق العاده بالا (انتشار قانون اساس)	متوسط (بازه و وسیع)	بالا (کارت های مدل دقیق)	بالا (کد و وزن باز)

تحلیل جدول

از نظر طول بافتار: مدل های گوگل (Gemini) با ۲ میلیون توکن قهرمان بلامنازع میدان هستند. در حالی که کلود تا ۲۰۰ هزار توکن را پشتیبانی می کند که برای پردازش کتاب هایی مثل «سه گانه سه جسم» (حدود ۳۰۰ هزار کلمه) کافی است، اما در مقابل سبد خرید ۱۰۰۰ صفحه ای گوگل کم می آورد.
از نظر قابلیت عامل: انتروپیک با قابلیت Computer Use یک گام از همه جلوتر است. این قابلیت به مدل اجازه می دهد با محیط دسکتاپ تعامل کند، در حالی که رقبا صرفاً می توانند کد پایتون اجرا کنند یا از APIهای خارجی استفاده نمایند .
از نظر هزینه و کارایی: بر اساس یافته های ScalingEval، اگر یک سازمان به دنبال بهترین تعادل بین هزینه، سرعت و دقت باشد، GPT-4o انتخاب برتر است. اما اگر به قضاوت های دقیق تر و قابل اعتمادتری نیاز دارد (مثل داوری مسابقات یا تشخیص محتوای حساس)، Claude بهترین گزینه است .

جمع بندی و چشم انداز آینده

انتروپیک نه صرفاً یک شرکت هوش مصنوعی، بلکه یک پروژه فلسفی-فنی در مقیاس بزرگ است. شواهد متقن نشان می دهد که این شرکت سه دستاورد اساسی داشته است:

ایجاد استانداردی برای ایمنی شفاف: انتشار قانون اساس و استفاده از روش Constitutional AI، انحصار «اخلاقیات جعبه سیاه» را شکسته است. هر محققی می تواند ببیند مدل بر اساس چه معیارهایی قضاوت می کند .
پیشگامی در قابلیت های عامل (Agentic AI): معرفی Computer Use مرز تعامل انسان و ماشین را جابه جا کرده است. این تکنولوژی با وجود ریسک های امنیتی فعلی، راه را برای دستیارهای دیجیتال واقعاً خودمختار هموار می کند.
توسعه مدل های کدنویسی قدرتمند: آمارهای رسمی انتروپیک نشان می دهد مدل Claude 3.5 Sonnet در بنچمارک SWE-bench (کدنویسی دنیای واقعی) امتیاز ۴۹٪ را کسب کرده که از مدل استدلالی o1 پیشی می گیرد .

برای کاربران ایرانی و پژوهشگران منطقه، توجه به دو نکته حیاتی است: نخست، مدل Claude 3 Opus در تاریخ ۵ ژانویه ۲۰۲۶ (۱۵ دی ۱۴۰۴) از دسترس خارج شده و کاربران باید به Claude 4 Opus مهاجرت کنند . دوم، با وجود شفافیت فنی، مدل های انتروپیک تحریم های پیچیده ای برای دسترسی از برخی مناطق جغرافیایی دارند که استفاده مستقیم از API رسمی را با مانع مواجه می کند. در نهایت، انتروپیک ثابت کرده است که «سرعت» و «ایمنی» لزوماً در تضاد نیستند. با این حال، چالش اصلی این شرکت در سال ۲۰۲۶، رقابت با بافتار عظیم ۲ میلیونی گوگل و پایین آوردن هزینه نهایی استنتاج (Inference) برای رقابت با مدل های متن باز متا خواهد بود.