اگر مهندس هوش مصنوعی هستید، باید بدانید نقش شما از کدنویسی به نظارت بر سیستمی تغییر می‌کند که خودش را می‌نویسد. تصور کنید ابزاری داشته باشید که نه تنها کد شما را اصلاح کند، بلکه هر شب معماری خودش را برای سرعت بیشتر بازطراحی کند.
این رویکرد، هسته اصلی خود-بهبودبخشی بازگشتی (Recursive Self-Improvement یا RSI) است. در واقع RSI رویای ایجاد یک حلقه بسته است که در آن هوش مصنوعی بدون کمک انسان، زیرساخت‌های خود را ارتقا می‌دهد. همان‌طور که در تحلیل‌های پیشین ما درباره‌ی عامل‌های (Agent) هوش مصنوعی — مثل کارمندی دیجیتال که فقط پیشنهاد نمی‌دهد، بلکه خودش دست به کار می‌شود و کار را تمام می‌کند — اشاره کردیم، این تحول، مرحله‌ی تکامل این عامل‌هاست.
به نقل از گزارش TechCrunch در ۲۸ مه ۲۰۲۶، RSI اکنون به بنچمارک جدید «ابرهوشمند» تبدیل شده و جایگزین هدف کلی‌تر AGI شده است. چندین آزمایشگاه پیشرو در حال ساخت این حلقه هستند:
- ریچارد سوچر (Richard Socher) پروژه‌ای را برای خودکارسازی کامل چرخه ایده‌پردازی، اجرا و اعتبارسنجی راه‌اندازی کرده است.
- الکس کارپاتی (Alex Karpathy) از گروه‌های عامل برای «خود-پژوهی» روی مدل‌هایی در مقیاس GPT-2 استفاده می‌کند.
- ابزار AutoScientist شرکت Adaption هدفش خودکارسازی آموزش مدل‌های پیشرو است.
- دریس زین (Doris Xin) عاملی ساخت که در مسابقات Kaggle با کسب ۲۸ مدال، رقبای آموزش‌دیده توسط انسان را شکست داد.
حتی در Anthropic نیز این تغییر دیده می‌شود. طبق گزارش یکی از برنامه‌نویسان ارشد Claude Code، تقریباً ۱۰۰ درصد کدهای تیم او توسط خودِ این ابزار نوشته شده است.
با این حال، یک دیوار بزرگ باقی مانده است: «خود-هدایتی». مدل‌های زبانی بزرگ (LLM) — مثل کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن کتاب‌ها جواب می‌دهد — هنوز در مدیریت کارهای مبهم و طولانی‌مدت یا درک اولویت‌های سازمانی مشکل دارند. به همین دلیل، مرحله «سلطه» — جایی که هوش مصنوعی از تیم‌های انسانی-ماشینی پیشی می‌گیرد — هنوز دور است.
گام بعدی شما
- روی یادگیری مدیریت «گروه‌های عامل» (Agent Swarms) تمرکز کنید تا از حذف شدن در چرخه اتوماسیون در امان بمانید.
- ابزارهای خود-پژوهی را در پروژه‌های کوچک تست کنید تا سرعت تکرار (Iteration) خود را بسنجید.
- منتظر رسیدن به نقطه «برابری» (Parity) باشید؛ لحظه‌ای که یک سیستم پژوهشیِ تمام-ماشینی با عملکرد انسان برابر شود.
اما این خودکارسازی، چالش‌های جدیدی در امنیت مدل‌ها ایجاد می‌کند — به بررسی ما درباره‌ی تضادهای ایمنی در مدل‌های استدلالی مراجعه کنید.
گفتگو