ხელოვნური ინტელექტის სფეროში „რეკურსიული თვითგანვითარება“ (RSI) ახალი მთავარი სამიზნე ხდება. თუ აქამდე ინდუსტრია AGI-ს (ზოგადი ხელოვნური ინტელექტი) ფენომენზე საუბრობდა, ახლა აქცენტი სისტემებზე გადადის, რომლებსაც საკუთარი თავის უწყვეტად გაუმჯობესება შეუძლიათ.

RSI-ის კონცეფცია მარტივია: სისტემა აღწევს ისეთ დონეს, სადაც თავად მართავს განახლების ციკლს. ამ პროცესში ადამიანის ჩართულობა მინიმუმამდე მცირდება, ხოლო განვითარების ტემპი მხოლოდ ხელმისაწვდომი გამოთვლითი სიმძლავრით (compute) იზღუდება.

ვინ დგას RSI-ის უკან?

ცნობილი მკვლევარი რიჩარდ სოჩერი უკვე ხელმძღვანელობს სტარტაპს, რომლის მთავარი მიზანი „რეკურსიული სუპერინტელექტის“ შექმნაა. სოჩერის თქმით, მიზანია კვლევის იდეიდან მისგან დაწყებული, მისი იმპლემენტაციითა და ვალიდაციით დამთავრებული, სრულად ავტომატური გახდეს.

ამავე გზას ადგანან ინდუსტრიის სხვა ვარსკვლავებიც:

  • ალექს კარპატი: Tesla-სა და OpenAI-ის ყოფილი წევრი, რომელიც „აგენტურ გუნდებს“ იყენებს დიდი ენობრივი მოდელების (LLM) დასატრენინგებლად. მისი პროექტი, Auto-Research, ამ ეტაპზე მცირე გაუმჯობესებებზეა ორიენტირებული, თუმცა კარპატის Anthropic-ში გადასვლა ამ მეთოდების მასშტაბირების საფუძველს ქმნის.
  • Adaption: სარა ჰუკერის მიერ დაფუძნებული კომპანია, რომელიც AutoScientist-ის მეშვეობით ცდილობს მოდელების წვრთნის ავტომატიზებას.

სად გადის ზღვარი რეალობასა და მოლოდინს შორის?

მიუხედავად ხმაურიანი განაცხადებისა, ექსპერტთა ნაწილი სკეპტიკურადაა განწყობილი. Google-ის აღმასრულებელმა დირექტორმა, სუნდარ პიჩაიმ, ცოტა ხნის წინ აღნიშნა, რომ მიუხედავად პროგრესისა, ჩვენ ჯერ კიდევ შორს ვართ იმ დონის RSI-სგან, რასაც ხშირად ფანტასტიკურ სცენარებში აღწერენ.

Anthropic-ის გამოცდილებაც ადასტურებს, რომ Claude Code-ის მიერ კოდის წერა უკვე რეალობაა, თუმცა სისტემებს ჯერ კიდევ უჭირთ სტრატეგიული დავალებების დამოუკიდებლად მართვა. კვლევის თანახმად, AI მოდელებს ჯერ არ გააჩნიათ „გემოვნება“, პრიორიტეტების განსაზღვრის უნარი და თვითმართვის ის დონე, რაც საშუალო დონის ინჟინერს (L4) გააჩნია.

მომავლის ეტაპები

მკვლევარები RSI-ისკენ მიმავალ გზას სამ ეტაპად ყოფენ:

  • ადეკვატურობა: სისტემას შეუძლია კვლევის წარმოება ადამიანების გარეშეც, თუნდაც ნაკლები ეფექტურობით.
  • პარიტეტი: AI-ს სისტემა ისეთივე შედეგს დებს, როგორსაც ადამიანები.
  • უზენაესობა: AI-ს სისტემა აჯობებს ადამიანისა და ტექნოლოგიის თანამშრომლობის შედეგს.

მიუხედავად ამისა, ჰელენ ტონერი, OpenAI-ის ყოფილი საბჭოს წევრი, აფრთხილებს საზოგადოებას: ინსტრუმენტების გამოყენება კვლევისთვის არ ნიშნავს RSI-ს. ნამდვილი რეკურსია მაშინ დაიწყება, როცა ადამიანი პროცესიდან სრულად გამოირიცხება, რაც ტექნიკურ და ეთიკურ გამოწვევებთან ერთად, უზარმაზარ გამოთვლით რესურსებს მოითხოვს.