贾里德·卡普兰

Q102649624

人工智能研究员

✨ AI贡献：他作为主要作者提出的“缩放定律”论文，揭示了模型性能与规模的关键关系，为大型语言模型的发展奠定了核心理论基础。来源：arXiv论文《Scaling Laws for Neural Language Models》

物理学家人工智能研究员

哲学博士

哈佛大学

2009

员工

Johns Hopkins University

员工

Anthropic

🏆 成就

AI发展的“规模化定律”是其核心驱动力

贾里德·卡普兰提出，AI性能的提升遵循可预测的“规模化定律”，即增加计算资源、数据量和模型规模能带来性能的稳定提升，其精确度堪比物理定律。这一发现在预训练和强化学习阶段均适用，是推动AI进步的根本动力。这为AI研究提供了类似物理学的宏观、精确的视角，使发展路径更具可预测性。

AI发展规模化定律可预测性物理学视角

实现人类水平AI的三大关键要素

卡普兰认为，实现人类水平AI的关键要素包括：组织知识（上下文理解）、记忆（长期任务跟踪）和监督（处理模糊任务的细微反馈）。这些要素是当前AI能力边界之外需要突破的方向，也是通往更通用人工智能的路径。

AGI 人工智能发展关键技术 Anthropic

💬 名言

“人类必须在2030年前决定是否让AI自我训练”

卡普兰警告，人类将在2030年前面临一个“最大的决定”：是否要冒“终极风险”，允许人工智能系统自我训练以变得更强大。这一选择可能引发有益的“智能爆炸”，也可能是人类失去控制的时刻。他敦促国际社会和政府认真对待这一决策。

AI安全自主性风险决策

🚀 项目

AI训练的两阶段：预训练与强化学习

卡普兰将AI模型训练清晰地分为两个基本阶段：1. 预训练：模型通过模仿人类文本来学习理解和关联。2. 强化学习：通过人类反馈（RLHF）等方式，优化模型行为，使其变得“有用、诚实、无害”。这两个阶段都遵循规模化定律，是构建现代大语言模型的核心方法论。

AI训练预训练强化学习 RLHF

宪法AI：基于原则对齐的开发方法

贾里德·卡普兰帮助开创了“宪法AI”方法。这是一种AI开发方法，旨在创建受一套预定原则和价值观约束并对齐的AI系统。这是Anthropic致力于构建有益且安全AI的核心方法论之一。

AI安全 AI对齐开发方法伦理框架

在AI能力边界进行构建与人机协作

卡普兰建议创新者应在AI当前能力的边界进行构建和实验。他提倡利用“AI整合AI”的策略，并识别AI能快速落地的领域（如软件工程、金融、法律）。同时强调人机协作的重要性，人类应作为“管理者”为AI提供“健全性检查”，尤其是在复杂或需要细微判断的任务中。

人机协作创新策略 AI应用边界探索

人机协作：人类作为AI的“管理者”

卡普兰强调人机协作的重要性，建议人类在复杂或需要细微判断的任务中扮演“管理者”角色，为AI提供“健全性检查”。虽然部分任务可实现端到端自动化，但高阶复杂任务目前仍需人类参与。这种协作模式旨在结合AI的效率与人类的判断力。

人机协作 AI应用工作流程伦理

📝 简介

为Claude 4启动最高安全级别ASL-3

2025年5月，作为Anthropic的首席科学家和“责任扩展官”，卡普兰在内部测试发现Claude 4在生物学方面能力过强，可能被用于协助开发生物武器后，决定以“AI安全等级3”（ASL-3）发布该模型。这一级别要求更强的防“越狱”措施和防泄露的内部管控，体现了他对安全优先原则的严格执行。

AI安全 Claude 责任扩展政策风险管理

切断Windsurf访问权限以保护核心技术

Anthropic联合创始人贾里德·卡普兰证实，公司已切断了AI编程工具Windsurf对其旗舰模型Claude的直接访问权限。其核心原因是避免核心技术流向竞争对手，尤其是考虑到OpenAI可能收购Windsurf的传言。卡普兰直言：“我认为将Claude出售给OpenAI对我们来说很奇怪。”此举凸显了AI行业激烈的竞争格局和战略防御思维。

商业竞争 AI安全 Claude 战略决策