آندری کارپاتی از اعضای اولیه تیم OpenAI و از پژوهشگران اصلی سالهای ابتدایی این شرکت، همچنین از چهرههای اثرگذار در نسل جدید پژوهشهای هوش مصنوعی به شرکت آنتروپیک پیوسته است.
به گزارش سرویس کسبوکار تکناک، این اقدام، بار دیگر جابهجایی نیروهای کلیدی را در رقابت میان آزمایشگاههای پیشروی AI برجسته میکند. آندری کارپاتی سابقهای گسترده در حوزههایی مانند: بینایی ماشین، یادگیری عمیق و هوش مصنوعی چندوجهی دارد.
او این خبر را از طریق شبکه اجتماعی X اعلام کرد که و در پیام خود به چشمانداز شکلگیری نسل بعدی مدلهای زبانی در سالهای آینده اشاره کرد و بازگشت به فعالیتهای تحقیق و توسعه را هدف اصلی خود دانست. او همچنین تأکید کرد که همچنان به حوزه آموزش علاقهمند است و در آینده به این مسیر بازخواهد گشت.
بیشتر بخوانید: استارتآپ Stainless به مالکیت آنتروپیک درآمد
کارنامه حرفهای آندری کارپاتی شامل دورهای در تسلا به دعوت ایلان ماسک است؛ جایی که به عنوان مدیر بخش هوش مصنوعی و مسئول تیم ویژن در پروژه Autopilot فعالیت کرد. او در این دوره نقش محوری در تثبیت رویکرد «بیناییمحور» برای رانندگی خودران تسلا ایفا کرد؛ رویکردی که در تضاد با مسیر مبتنی بر رادار و لیدار در بسیاری از شرکتهای رقیب قرار داشت. او در سال ۲۰۲۲ از تسلا جدا شد. در ادامه، کارپاتی در سال ۲۰۲۳ به OpenAI بازگشت و در پروژههای مرتبط با ChatGPT مشارکت داشت، اما در سال ۲۰۲۴ بار دیگر این شرکت را ترک کرد. پس از آن، او استارتآپ آموزشی Eureka Labs را با تمرکز بر طراحی تجربههای یادگیری مبتنی بر هوش مصنوعی تاسیس کرد.
مرتبط: ادغام پرحاشیه اسپیسایکس و xAI؛ خروج گسترده کارکنان پس از تصمیم ایلان ماسک
پیوستن آندری کارپاتی به آنتروپیک به عنوان یک جذب استعداد کلیدی ارزیابی میشود؛ در شرایطی که رقابت میان بازیگران اصلی هوش مصنوعی شامل OpenAI، گوگل دیپمایند، xAI و متا برای توسعه مدلهای پیشرفته (frontier models) به شدت در حال افزایش است. بر اساس اعلام کارپاتی، تمرکز فعلی او در آنتروپیک بر تحقیق و توسعه خواهد بود و فعالیتهای مرتبط با آموزش در این مقطع متوقف میشود. در ساختار جدید، کارپاتی تحت هدایت نیک جوزف بر شتابدهی تحقیقات پیشآموزش (pre-training) متمرکز خواهد شد؛ مرحلهای بنیادین در چرخه توسعه مدلهای زبانی بزرگ که طی آن مدل با حجم عظیمی از دادهها آموزش میبیند تا الگوهای زبانی، معنایی و دانش عمومی را فراگیرد و زیرساخت لازم برای مراحل بعدی همترازی و بهینهسازی فراهم شود.
