آنتروپیک، سازنده مدل هوش مصنوعی کلود، اعلام کرده است که طی دو سال اخیر چندین بار آزمون فنی استخدامی خود را بازطراحی کرده تا متقاضیان نتوانند با کمک همین مدلها در فرایند مصاحبه تقلب کنند.
مشکل وقتی شروع شد که کلود از برنامهنویسها بهتر شد
به گزارش آنتروپیک، تیم «بهینهسازی عملکرد» این شرکت از سال ۲۰۲۴ یک آزمون خانگی برای ارزیابی توانایی فنی متقاضیان استفاده میکرد. اما با پیشرفت نسخههای جدید کلود، این مدل در چارچوب همان محدودیت زمانی، از بیشتر شرکتکنندگان انسانی بهتر عمل کرد و حتی نسخه جدیدتر آن با بهترین متقاضیان برابری کرد. در نتیجه، خروجی کدهای تولیدشده توسط متقاضیانی که از کلود استفاده میکردند، عملاً قابل تشخیص از خروجی خود مدل نبود.
این وضعیت برای یک آزمون غیرحضوری چالشی جدی ایجاد میکند؛ چون بدون مراقبت حضوری تشخیص اینکه فرد از ابزار هوش مصنوعی کمک گرفته یا نه بسیار دشوار است. این مسئله شبیه همان بحرانی است که مدارس و دانشگاهها در جهان با استفاده دانشجویان از چتباتها و ابزارهای تولید کد تجربه میکنند، با این تفاوت که اینبار خود یک شرکت هوش مصنوعی قربانی همین روند شده است.
راهحل: طراحی چالشهای تازه و متفاوت
رهبر این تیم در یک پست وبلاگی توضیح داده که نسخه جدید آزمون بهجای تمرکز صرف روی بهینهسازی سختافزار، به سراغ نوعی مسئله رفته که برای ابزارهای فعلی تا حدی ناآشنا و سختتر است و در نتیجه تکیه کامل بر خروجی مدلهای هوش مصنوعی برای حل آن دشوارتر میشود. آنتروپیک حتی نسخه قدیمیتر آزمون را منتشر کرده تا جامعه مهندسان و پژوهشگران ببیند آیا میتوانند راهحلهایی بهتر از مدل ارائه دهند یا نه و در صورت موفقیت برای همکاری با شرکت ارتباط بگیرند.
این رویکرد برای صنعت هوش مصنوعی یک پیام مهم دارد: شرکتها نهتنها در حال استفاده از مدلها برای افزایش بهرهوری هستند، بلکه ناچارند فرایندهای استخدام و سنجش مهارت را هم بازطراحی کنند. همین روند برای برنامهنویسان ایرانی هم معنادار است؛ چرا که با گسترش استفاده از ابزارهایی مثل چتباتها و دستیارهای کدنویسی، تمایز مهارت واقعی از اتکا به ابزار اهمیت بیشتری پیدا میکند و در عین حال بسیاری از فعالان حوزه برای دسترسی مطمئن به این سرویسها به سراغ خرید اکانت های هوشمصنوعی بینالمللی میروند.
این تغییرات نشان میدهد آزمونهای سنتی برنامهنویسی و بهینهسازی دیگر بهتنهایی کافی نیستند و شرکتها باید روی سنجش توانایی تحلیل، طراحی سیستم و همکاری تیمی تمرکز بیشتری داشته باشند؛ حوزههایی که هوش مصنوعی هنوز نمیتواند بهسادگی جای انسان را بگیرد.
منبع خبر: TechCrunch
