گسترش برنامه «هوش مصنوعی برای علم» Anthropic؛ همکاری با بنیادها و مؤسسات پژوهشی جهان

شرکت Anthropic در تازه‌ترین گام برنامه خود برای توسعه کاربرد هوش مصنوعی در پژوهش‌های علمی، از گسترش طرح AI for Science و همکاری با بنیادهای علمی، مؤسسات پژوهشی و گروه‌های تحقیقاتی خبر داده است. این برنامه با هدف فراهم‌کردن دسترسی بیشتر پژوهشگران به ابزارهای هوش مصنوعی و تسریع فرایندهای علمی اجرا می‌شود.

بر اساس اعلام رسمی Anthropic در ۲۸ اکتبر ۲۰۲۶، این شرکت منابع اعتباری استفاده از Claude را در اختیار مجموعه‌ای از سازمان‌های علمی قرار می‌دهد تا آن‌ها بتوانند این منابع را میان پژوهشگران و پروژه‌های منتخب توزیع کنند. حوزه‌های مورد حمایت طیف گسترده‌ای از علوم زیستی و پزشکی تا فیزیک، شیمی، اقلیم‌شناسی، ریاضیات و علوم اعصاب را در بر می‌گیرد.

خلاصه سریع

• Anthropic برنامه AI for Science را از حمایت از دانشمندان منفرد به همکاری با بنیادها و مؤسسات پژوهشی گسترش داده است.
• ابزار اصلی این حمایت، ارائه اعتبار رایگان استفاده از Claude برای پژوهشگران و پروژه‌های علمی منتخب است.
• پژوهشگران از Claude برای تولید فرضیه، طراحی آزمایش، تحلیل داده‌های پیچیده و ارتباط مؤثرتر یافته‌های علمی استفاده می‌کنند.
• همکاری‌های جدید حوزه‌هایی مانند ژنومیک، سرطان، علوم اعصاب، ریاضیات، اخترفیزیک و مدل‌سازی اقلیم را پوشش می‌دهد.
• برخی پروژه‌ها بر تولید منابع علمی عمومی مانند مجموعه‌داده‌های باز، نرم‌افزار متن‌باز، استانداردهای مشترک و کتابخانه‌های قابل استفاده مجدد تمرکز دارند.
• Anthropic اعلام کرده است که بسیاری از همکاری‌ها هنوز در مراحل ابتدایی قرار دارند؛ بنابراین ارزیابی آثار علمی و عملی آن‌ها به زمان و انتشار نتایج نیاز دارد.

برنامه AI for Science چیست و چرا گسترش یافته است؟

Anthropic برنامه AI for Science را در ماه مه ۲۰۲۵ با این ایده آغاز کرد که هوش مصنوعی می‌تواند سرعت پیشرفت علمی را افزایش دهد. هدف اولیه، افزایش دسترسی پژوهشگران به ابزارها و منابع هوش مصنوعی بود تا بتوانند دامنه فعالیت‌های علمی خود را گسترش دهند و مسائل پیچیده‌تری را بررسی کنند.

در این برنامه، پژوهشگران می‌توانند از Claude در بخش‌های مختلف فرایند پژوهش استفاده کنند؛ از جمله:

• تولید فرضیه‌های علمی: بررسی ایده‌ها و پیشنهاد مسیرهای احتمالی برای مطالعه یک مسئله.
• طراحی آزمایش: کمک به برنامه‌ریزی آزمایش‌ها و بررسی گزینه‌های مختلف پژوهشی.
• تحلیل داده‌های پیچیده: تسهیل بررسی و تفسیر داده‌هایی که تحلیل دستی آن‌ها زمان‌بر است.
• ارتباط علمی: کمک به سازمان‌دهی و انتقال یافته‌های پژوهشی.

به گفته Anthropic، این شرکت در ماه‌های پیش از انتشار اطلاعیه جدید، طرح‌های دیگری نیز برای حمایت از جامعه علمی ارائه کرده است؛ از جمله طرح Team با تخفیف ویژه دانشمندان و پشتیبانی از صدها پروژه در حوزه‌هایی مانند زیست‌شناسی، پزشکی، فیزیک، شیمی، علوم اقلیم و ریاضیات.

گسترش تازه برنامه، یک تغییر مهم در شیوه حمایت Anthropic محسوب می‌شود: به‌جای تمرکز صرف بر پژوهشگران منفرد، منابع هوش مصنوعی از طریق سازمان‌های علمی و بنیادهای پژوهشی نیز در اختیار گروه‌های بزرگ‌تری از محققان قرار می‌گیرد.

بنیادها و انجمن‌های علمی؛ تأمین منابع برای پژوهش‌های اثرگذار

یکی از بخش‌های مهم برنامه جدید، همکاری با بنیادها و سازمان‌هایی است که در تأمین مالی و پشتیبانی از پژوهش‌های علمی نقش دارند. Anthropic اعلام کرده است که اعتبار استفاده از Claude را در اختیار این مجموعه‌ها قرار می‌دهد تا آن‌ها منابع را به پژوهشگرانی اختصاص دهند که پروژه‌های علمی بلندپروازانه و دارای ظرفیت اثرگذاری بالا دارند.

از جمله سازمان‌های معرفی‌شده در این بخش می‌توان به موارد زیر اشاره کرد:

بنیاد آلفرد پی. اسلون

بنیاد Alfred P. Sloan که در سال ۱۹۳۴ تأسیس شده است، از پژوهش‌های اصیل و آموزش در حوزه‌های علوم، فناوری، مهندسی، ریاضیات و اقتصاد حمایت می‌کند. حضور این بنیاد در برنامه Anthropic می‌تواند دسترسی پژوهشگران این حوزه‌ها به ابزارهای هوش مصنوعی را افزایش دهد.

بنیاد سیمونز

Simons Foundation از پژوهش‌های پیشرو در ریاضیات و علوم پایه پشتیبانی می‌کند و از طریق مؤسسه Flatiron نیز در توسعه پژوهش‌های علمی نقش دارد. این همکاری می‌تواند برای پروژه‌هایی که با مسائل پیچیده محاسباتی و ریاضی سروکار دارند، اهمیت داشته باشد.

Schmidt Sciences

سازمان Schmidt Sciences که در سال ۲۰۲۴ به‌وسیله اریک و وندی اشمیت تأسیس شده، بر تسریع تولید دانش علمی و حمایت از ابزارهای پیشرفته تمرکز دارد. حوزه‌های مورد توجه آن شامل هوش مصنوعی و محاسبات پیشرفته، اخترفیزیک، زیست‌علوم، اقلیم و فضاست.

صندوق Open Source for Science

این صندوق که بخشی از Renaissance Philanthropy است، بر حفظ و توسعه زیرساخت نرم‌افزارهای متن‌باز مورد استفاده در علم تمرکز دارد. اهمیت این همکاری در آن است که پژوهش علمی مدرن به مجموعه‌ای از ابزارهای نرم‌افزاری مشترک و قابل دسترس وابسته است.

بنیاد ملی علوم آمریکا

National Science Foundation یا NSF یکی از نهادهای مهم تأمین مالی پژوهش در ایالات متحده است. این سازمان از سال ۱۹۵۰ فعالیت می‌کند و از پیشرفت علم، آموزش و پژوهش‌های رقابتی حمایت می‌کند.

سازمان CAS

CAS، یکی از بخش‌های انجمن شیمی آمریکا، در سازمان‌دهی و نمایه‌سازی اطلاعات علمی شیمی نقش دارد. این سازمان پایگاه CAS REGISTRY را نیز نگهداری می‌کند که برای شناسایی مواد شیمیایی مورد استفاده قرار می‌گیرد.

همکاری با مؤسسات پژوهشی پیشرو

بخش دیگر برنامه بر مؤسسات تحقیقاتی متمرکز است. این سازمان‌ها داده‌ها، ابزارها و زیرساخت‌های علمی مهمی تولید می‌کنند و قرار است از اعتبار Claude در فعالیت‌های پژوهشی داخلی خود استفاده کنند.

مؤسسات معرفی‌شده عبارت‌اند از:

مؤسسه علمی تلسکوپ فضایی

Space Telescope Science Institute مسئولیت عملیات علمی تلسکوپ‌های فضایی هابل، جیمز وب و رومن ناسا را بر عهده دارد. این مؤسسه همچنین یکی از آرشیوهای بزرگ داده‌های اخترشناسی را در اختیار دارد که پژوهشگران سراسر جهان از آن استفاده می‌کنند.

مؤسسه Wellcome Sanger

این مرکز از مؤسسات مهم ژنومیک جهان است و داده‌های ژنومی و عملکردی گسترده‌ای تولید می‌کند. فعالیت‌های آن حوزه‌هایی مانند ژنتیک انسانی، تنوع زیستی و توسعه دارو را پوشش می‌دهد.

مؤسسه فرانسیس کریک

Francis Crick Institute در لندن قرار دارد و یکی از مراکز بزرگ پژوهش زیست‌پزشکی در اروپا به شمار می‌رود. بیش از ۱۰۰ گروه پژوهشی در این مؤسسه درباره سازوکارهای زیستی مرتبط با سلامت و بیماری مطالعه می‌کنند.

دپارتمان علوم زیستی کالج امپریال لندن

این دپارتمان در حوزه‌های متنوعی از ساختار مولکول‌های منفرد تا اکوسیستم‌ها فعالیت دارد. سلامت، بیماری و تاب‌آوری اقلیمی از محورهای مهم پژوهش آن هستند.

آزمایشگاه زیست‌شناسی مولکولی اروپا

European Molecular Biology Laboratory یا EMBL یک آزمایشگاه بین‌دولتی پژوهش در علوم زیستی است که در چندین نقطه اروپا فعالیت می‌کند. مؤسسه EMBL-EBI نیز منابع داده باز مهمی مانند Ensembl، Protein Data Bank in Europe و Europe PMC را میزبانی می‌کند.

مؤسسات Gladstone

Gladstone Institutes یک مؤسسه مستقل پژوهش زیست‌پزشکی در سان‌فرانسیسکو است که هوش مصنوعی و علم داده را در فعالیت‌های خود ادغام می‌کند. پژوهش‌های این مرکز حوزه‌هایی مانند بیماری‌های قلبی، عصب‌شناسی، بیماری‌های عفونی، سرطان و بیماری‌های خودایمنی را در بر می‌گیرد.

پروژه‌های علمی منتخب؛ از نقشه‌برداری مغز تا ژنومیک

Anthropic علاوه بر حمایت از بنیادها و مؤسسات، اعتبار Claude را مستقیماً در اختیار شماری از ابتکارهای پژوهشی نیز قرار می‌دهد. این پروژه‌ها بر مسائل علمی متمرکزند که ظرفیت ایجاد آثار عمومی گسترده دارند.

پروژه FlyWire؛ نقشه‌برداری از مغز مگس میوه

پروژه FlyWire با همکاری دانشگاه پرینستون، در حوزه علوم اعصاب فعالیت می‌کند. این پروژه نخستین نقشه کامل اتصالات مغز یک مگس میوه بالغ را تولید کرده است و داده‌ها و ابزارهای بازی برای پژوهش در زمینه اتصال‌های عصبی یا Connectomics توسعه می‌دهد.

هدف چنین پژوهش‌هایی، کمک به درک چگونگی شکل‌گیری ادراک و رفتار از طریق مدارهای عصبی است.

پروژه LEAP؛ ترکیب هوش مصنوعی و فیزیک برای شناخت زمین

پروژه LEAP در دانشگاه کلمبیا و در حوزه سامانه زمین فعالیت می‌کند. این ابتکار با ترکیب یادگیری ماشین و اصول فیزیک می‌کوشد مدل‌های اقلیمی را در بازنمایی ابرها، اقیانوس‌ها و خشکی‌ها بهبود دهد.

اهمیت چنین پروژه‌هایی در آن است که مدل‌سازی دقیق‌تر سامانه زمین می‌تواند به شناخت بهتر فرایندهای اقلیمی و بررسی سناریوهای تغییرات آب‌وهوایی کمک کند.

پروژه AstroPath؛ کاربرد روش‌های اخترشناسی در پژوهش سرطان

AstroPath پروژه‌ای در دانشگاه جانز هاپکینز است که روش‌های کالیبراسیون مورد استفاده در پیمایش‌های اخترشناسی را برای تصویربرداری از تومورها به کار می‌گیرد.

این روش امکان بررسی سلول‌به‌سلول بافت‌های توموری را فراهم می‌کند و هدف آن ایجاد اندازه‌گیری‌هایی سازگار میان اسلایدها و آزمایشگاه‌های مختلف است. چنین رویکردی می‌تواند به استانداردسازی تحلیل تصاویر در پژوهش سرطان کمک کند.

پایگاه gnomAD؛ داده‌های ژنتیکی برای پژوهش بیماری‌های نادر

پروژه gnomAD وابسته به Broad Institute است و داده‌های DNA بیش از ۸۰۰ هزار نفر را در یک پایگاه مرجع باز گردآوری می‌کند.

این پایگاه برای بررسی تنوع ژنتیکی انسان مورد استفاده قرار می‌گیرد و می‌تواند به پژوهشگران و آزمایشگاه‌های بالینی در شناسایی و تشخیص بیماری‌های نادر کمک کند.

پروژه Tau Ceti؛ ایجاد کتابخانه مشترک ریاضیات

Tau Ceti یک پروژه باز و جامعه‌محور در حوزه ریاضیات است. هدف آن ایجاد کتابخانه‌ای مشترک از دانش ریاضی است که به‌صورت خودکار صورت‌بندی شده باشد.

این پروژه از زبان Lean استفاده می‌کند؛ زبانی که امکان بررسی ماشینی اثبات‌های ریاضی را فراهم می‌سازد. چنین زیرساختی می‌تواند به بازاستفاده از دانش ریاضی و افزایش قابلیت بررسی رسمی اثبات‌ها کمک کند.

مرکز ژنومیک جمعیت

Centre for Population Genomics ابتکاری مشترک میان Garvan Institute of Medical Research و Murdoch Children’s Research Institute در استرالیاست.

این مرکز بر افزایش حضور جوامع چندفرهنگی استرالیا در منابع ژنومی و توسعه ابزارهایی برای تشخیص بیماری‌های نادر تمرکز دارد.

چرا این همکاری‌ها برای آینده پژوهش علمی اهمیت دارند؟

اهمیت برنامه جدید Anthropic تنها در ارائه اعتبار استفاده از یک مدل هوش مصنوعی خلاصه نمی‌شود. بخش مهم‌تر آن، پیوند دادن ابزارهای هوش مصنوعی با سازمان‌ها، داده‌ها و زیرساخت‌های واقعی پژوهش علمی است.

می‌توان چند پیامد بالقوه را برای این رویکرد در نظر گرفت:

۱. گسترش دسترسی پژوهشگران به ابزارهای هوش مصنوعی

وقتی منابع از طریق بنیادها و مؤسسات علمی توزیع می‌شوند، امکان دسترسی گروه‌های پژوهشی بیشتری به ابزارهای هوش مصنوعی فراهم می‌شود. این مدل می‌تواند به‌ویژه برای گروه‌هایی مفید باشد که منابع مالی یا زیرساخت فنی محدودی دارند.

۲. تمرکز بر داده‌ها و زیرساخت‌های علمی

بسیاری از پروژه‌های معرفی‌شده بر داده‌های بزرگ و پیچیده متکی هستند؛ از داده‌های ژنومی و تصاویر پزشکی تا آرشیوهای اخترشناسی و مدل‌های اقلیمی. هوش مصنوعی می‌تواند در تحلیل و سازمان‌دهی این منابع نقش پشتیبان داشته باشد.

۳. کاهش زمان برخی فعالیت‌های پژوهشی

Anthropic به همکاری با Allen Institute اشاره کرده است؛ مؤسسه‌ای که در حال ساخت تیم‌هایی از عامل‌های هوش مصنوعی برای تحلیل داده‌هاست. طبق توضیح شرکت، هدف این است که بخشی از تحلیل‌های دستی چندماهه به فعالیت‌هایی در مقیاس چند ساعت تبدیل شوند.

این ادعا به پروژه مشخصی مربوط است و نباید آن را به معنای کاهش عمومی زمان همه پژوهش‌ها تلقی کرد. میزان صرفه‌جویی واقعی باید با ارزیابی مستقل و انتشار نتایج سنجیده شود.

۴. تولید منابع علمی قابل استفاده برای جامعه پژوهشی

یکی از اهداف اعلام‌شده این همکاری‌ها تولید کالاهای عمومی علمی یا Public Goods است. این منابع می‌توانند شامل موارد زیر باشند:

• مجموعه‌داده‌های باز؛
• نرم‌افزارهای متن‌باز؛
• استانداردهای مشترک؛
• کتابخانه‌های علمی قابل استفاده مجدد.

تولید چنین منابعی می‌تواند ارزش همکاری‌ها را از سطح یک پروژه یا مؤسسه فراتر ببرد و به سایر پژوهشگران نیز امکان استفاده از نتایج را بدهد.

۵. نزدیک‌تر شدن هوش مصنوعی به محیط واقعی آزمایشگاه

Anthropic همچنین به همکاری با HHMI Janelia Research Campus برای توسعه استاندارد Model Hardware Standard یا MHS اشاره کرده است. این استاندارد مشترک با هدف فراهم‌کردن امکان کار ایمن عامل‌های هوش مصنوعی با تجهیزات آزمایشگاهی توسعه می‌یابد و در زمان انتشار اطلاعیه، در مرحله پیش‌نمایش پژوهشی قرار داشته است.

این موضوع نشان می‌دهد که چشم‌انداز کاربرد هوش مصنوعی در علم صرفاً به تولید متن یا تحلیل داده محدود نیست و می‌تواند به تعامل کنترل‌شده با ابزارها و تجهیزات آزمایشگاهی نیز گسترش یابد.

محدودیت‌ها و پرسش‌های مهم درباره برنامه Anthropic

با وجود ظرفیت‌های قابل توجه این همکاری‌ها، نباید اعلام یک برنامه حمایتی را معادل اثبات موفقیت علمی آن دانست.

خود Anthropic تصریح کرده است که بسیاری از همکاری‌ها هنوز در مراحل اولیه قرار دارند و این شرکت در آینده اطلاعات بیشتری درباره آثار و نتایج آن‌ها منتشر خواهد کرد.

برای ارزیابی دقیق‌تر این برنامه، توجه به چند موضوع ضروری است:

• اعتبار علمی خروجی‌ها: آیا فرضیه‌ها، تحلیل‌ها و نتایج تولیدشده با کمک هوش مصنوعی از نظر علمی اعتبارسنجی می‌شوند؟
• تکرارپذیری پژوهش: آیا سایر پژوهشگران می‌توانند نتایج به‌دست‌آمده را با داده‌ها و روش‌های مشابه بازتولید کنند؟
• حریم خصوصی و داده‌های حساس: استفاده از داده‌های ژنتیکی، پزشکی و زیستی مستلزم رعایت الزامات سخت‌گیرانه حفاظت از داده‌هاست.
• وابستگی به ارائه‌دهنده فناوری: استفاده گسترده از یک مدل تجاری می‌تواند پرسش‌هایی درباره پایداری دسترسی، هزینه‌ها و وابستگی زیرساختی ایجاد کند.
• شفافیت و دسترسی عمومی: ارزش علمی پروژه‌ها تا حد زیادی به میزان انتشار داده‌ها، ابزارها، روش‌ها و نتایج قابل استفاده برای جامعه پژوهشی وابسته است.

بنابراین، ارزیابی نهایی برنامه باید بر اساس نتایج منتشرشده، کیفیت خروجی‌های علمی و میزان دسترسی جامعه پژوهشی به منابع تولیدشده انجام شود.

این تحول چه معنایی برای دانشگاه‌ها و مراکز پژوهشی دارد؟

گسترش AI for Science می‌تواند برای دانشگاه‌ها، مراکز تحقیق و توسعه، آزمایشگاه‌ها و مؤسسات علمی یک نشانه راهبردی باشد: رقابت در پژوهش علمی به‌تدریج به توانایی ترکیب تخصص علمی، داده، زیرساخت محاسباتی و ابزارهای هوش مصنوعی وابسته‌تر می‌شود.

برای دانشگاه‌ها و مراکز پژوهشی، چند اقدام عملی اهمیت دارد:

1. شناسایی مسائل مناسب برای هوش مصنوعی: همه فعالیت‌های پژوهشی به یک اندازه از هوش مصنوعی سود نمی‌برند. باید مسائل دارای داده کافی، فرایندهای تکرارشونده یا نیازمند تحلیل پیچیده شناسایی شوند.
2. توسعه مهارت پژوهشگران: آموزش استفاده انتقادی از مدل‌های هوش مصنوعی، ارزیابی خروجی‌ها و مستندسازی فرایندها ضروری است.
3. ایجاد زیرساخت داده: داده‌های استاندارد، مستند و قابل دسترس، پیش‌نیاز بهره‌گیری مؤثر از ابزارهای هوش مصنوعی هستند.
4. تدوین سیاست استفاده مسئولانه: محرمانگی داده‌ها، مالکیت فکری، انتساب نقش هوش مصنوعی و اعتبارسنجی نتایج باید در سیاست‌های سازمانی مشخص شوند.
5. حرکت به سمت همکاری‌های بین‌رشته‌ای: مسائل پیچیده علمی معمولاً به همکاری متخصصان علوم پایه، مهندسی، پزشکی، علوم داده و علم اطلاعات نیاز دارند.

جمع‌بندی

گسترش برنامه AI for Science نشان می‌دهد Anthropic قصد دارد نقش Claude را در پژوهش علمی از سطح ابزار کمکی برای پژوهشگران منفرد به بخشی از همکاری‌های سازمان‌یافته با بنیادها، مؤسسات و پروژه‌های علمی توسعه دهد.

نکته مهم در این برنامه، تنوع حوزه‌های پژوهشی و توجه به زیرساخت‌های مشترک علم است؛ از داده‌های ژنومی و نقشه‌برداری مغز گرفته تا مدل‌سازی اقلیم، پژوهش سرطان و اثبات رسمی ریاضی.

با این حال، هنوز برای قضاوت درباره میزان اثرگذاری علمی این همکاری‌ها زود است. ارزش واقعی آن‌ها زمانی روشن‌تر خواهد شد که نتایج پژوهش‌ها، ابزارهای تولیدشده و میزان مشارکت هوش مصنوعی در کشف‌های علمی به‌صورت شفاف منتشر و ارزیابی شوند.

برای دانشگاه‌ها و مراکز تحقیق و توسعه، پیام اصلی روشن است: استفاده مؤثر از هوش مصنوعی در علم، تنها به دسترسی به یک مدل زبانی وابسته نیست؛ بلکه به کیفیت داده، مهارت پژوهشگران، زیرساخت سازمانی، همکاری بین‌رشته‌ای و سازوکارهای اعتبارسنجی علمی نیز نیاز دارد.

پرسش‌های متداول

برنامه AI for Science شرکت Anthropic چیست؟

AI for Science برنامه‌ای است که Anthropic در مه ۲۰۲۵ آغاز کرد تا دسترسی پژوهشگران به ابزارهای هوش مصنوعی را افزایش دهد. این برنامه از طریق ارائه اعتبار استفاده از Claude و همکاری با پژوهشگران و سازمان‌های علمی دنبال می‌شود.

Anthropic در گسترش جدید این برنامه چه تغییری ایجاد کرده است؟

این شرکت دامنه همکاری را از حمایت از دانشمندان منفرد به همکاری با بنیادهای علمی، مؤسسات پژوهشی و ابتکارهای تحقیقاتی گسترش داده است تا منابع هوش مصنوعی به گروه بزرگ‌تری از پژوهشگران برسد.

پژوهشگران از Claude در چه فعالیت‌هایی استفاده می‌کنند؟

بر اساس اعلام Anthropic، کاربردهای مورد اشاره شامل تولید فرضیه، طراحی آزمایش، تحلیل سریع داده‌های پیچیده و کمک به انتقال و ارتباط یافته‌های علمی است.

چه حوزه‌هایی از پژوهش در این برنامه حمایت می‌شوند؟

حوزه‌های معرفی‌شده شامل زیست‌شناسی، پزشکی، فیزیک، شیمی، علوم اقلیم، ریاضیات، علوم اعصاب، ژنومیک، اخترفیزیک و پژوهش سرطان هستند.

آیا استفاده از هوش مصنوعی در این پروژه‌ها به معنای جایگزینی پژوهشگران است؟

خیر. در چارچوب اعلام‌شده، پژوهشگران همچنان تعیین‌کننده پرسش‌ها و طراحان پروژه‌های علمی هستند. Claude به‌عنوان ابزاری برای پشتیبانی از بخش‌هایی از فرایند پژوهش معرفی شده است، نه جایگزین مسئولیت علمی محققان.

آیا نتایج این برنامه تاکنون اثبات شده‌اند؟

اطلاعیه Anthropic می‌گوید بسیاری از همکاری‌ها در مراحل اولیه هستند. بنابراین برای ارزیابی میزان موفقیت آن‌ها باید منتظر انتشار نتایج علمی، گزارش‌های عملکرد و ارزیابی‌های مستقل بود.

منبع

Anthropic. (2026, October 28). AI for Science expands to foundations and research institutions. https://www.anthropic.com/news/ai-for-science-expands-foundations-research-institutions