عالم الذكاء الاصطناعي لديه هوس جديد لامع، ويأتي في شكل ثلاثة أحرف: RSI. لا، ليس إصابة الإجهاد المتكرر - رغم أن اعتماد الصناعة المحموم على الكلمات الرنانة قد يسبب ذلك أيضًا. هذا RSI يرمز إلى التحسين الذاتي التكراري، أحدث كلمة طنانة تجعل الشركات الناشئة والباحثين على حد سواء يطاردون رؤية ذكاء اصطناعي يمكنه ترقية نفسه دون تدخل بشري مزعج.
نظريًا، RSI بسيط: نظام ذكاء اصطناعي يحسن قدراته باستمرار، ويغلق الحلقة في النهاية بحيث يصبح البشر اختياريين - أو الأسوأ، زائدين عن الحاجة. عمليًا، كما كان الحال مع AGI من قبل، لا يمكن لأحد أن يتفق تمامًا على ما يعنيه بالفعل أو متى قد يصل. لكن هذا لم يوقف قطار الضجة.
في وقت سابق من هذا الشهر، أطلق باحث الذكاء الاصطناعي الشهير ريتشارد سوشير شركة ناشئة باسم Recursive Superintelligence، التي ينصب تركيزها الرئيسي على بناء "ذكاء فائق تكراري حقًا، يحسن نفسه ذاتيًا على نطاق واسع". أخبر سوشير موقع TechCrunch أن الهدف هو أتمتة "العملية الكاملة لتوليد الأفكار وتنفيذها والتحقق من صحتها". لذا، بشكل أساسي، ذكاء اصطناعي يمكنه ابتكار واجباته المدرسية الخاصة، وأدائها، وتصحيحها بنفسه. ما الذي يمكن أن يسوء؟
سوشير ليس وحده. أليكس كارباثي، خريج Tesla وOpenAI الآن في Anthropic، يعمل على مشروع يسمى Auto-Research، يستخدم أسرابًا من الوكلاء لتدريب نماذج اللغة الكبيرة على مهام بسيطة. حتى الآن، اقتصر عمله على تحسينات طفيفة على نموذج بحجم GPT-2 - والذي، كما أشار كارباثي نفسه، "ليس بحثًا جديدًا أو رائدًا (بعد)". لكنه كافٍ لإبقاء الحلم حيًا.
أطلقت Adaption، التي أسستها سارة هوكر من Cohere وGoogle، مؤخرًا AutoScientist، وهي أداة تهدف إلى أتمتة التدريب المتقدم. مثل نظام كارباثي، يدرب وكلاء لإجراء تحسينات تدريجية - ولكن مع الطموح الكبير لتدريب نموذج متقدم كامل النطاق. إذا نجح ذلك، يمكن للنظام أن يتصاعد بسرعة إلى شيء يشبه RSI جدًا.
اتخذت دوريس شين، مؤسسة Disarray، نهجًا أكثر عملية: فاز وكيل التعلم الآلي ذاتي التدريب الخاص بها بـ 28 ميدالية في مسابقة Kaggle الأخيرة، متغلبًا على العديد من الوكلاء المدربين بشريًا. تجادل شين أنه مع الحوسبة والوقت اللانهائيين، "نحن بالفعل هناك". تصر على أن الأمر لا يتعلق بالإبداع، بل بـ "هندسة اللحم والبطاطس".
لكن هناك أدلة على أن الصناعة ليست قريبة كما توحي الضجة. اعترف الرئيس التنفيذي لشركة Google سوندار بيتشاي مؤخرًا، "لسنا هناك تمامًا بعد"، واصفًا RSI بأنه "مستوى تالٍ من التسارع مع الكثير من الآثار". في الوقت نفسه، يُقال إن أداة Claude Code من Anthropic تكتب ما يقرب من 100% من كود فريقها الخاص. وجد استطلاع حديث أن خمسة من 18 مهندسًا في Anthropic يعتقدون أن Mythos يمكن أن يحل قريبًا محل مهندس L4 - وهو مبرمج متوسط المستوى. ومع ذلك، أشار التقرير إلى نقاط ضعف في التوجيه الذاتي، بما في ذلك "إدارة المهام الغامضة التي تستمر لأسبوع، وفهم أولويات المنظمة، والذوق، والتحقق، واتباع التعليمات، ونظرية المعرفة". بمعنى آخر، كل ما يجعل RSI يعمل بالفعل.
جمع مركز جورجتاون للأمن والتكنولوجيا الناشئة خبراء العام الماضي ووجد انقسامًا كبيرًا: توقع البعض انفجارًا وشيكًا في "الذكاء الفائق"، بينما توقع آخرون تقدمًا أبطأ ووصولًا إلى مرحلة الثبات. أوضحت هيلين تونر، مديرة CSET وعضو مجلس إدارة OpenAI السابق، أن استخدام أدوات الذكاء الاصطناعي للبحث لا ي qualify كـ RSI. "إنهم فقط يستخدمون الذكاء الاصطناعي بقدر ما يستطيعون"، قالت. "RSI حقًا هو أنه لا حاجة للبشر".
وضعت أيجا كوترا من METR معالم: "الكفاية" (يمكن للذكاء الاصطناعي البحث بدون بشر، حتى لو بشكل سيء)، "التكافؤ" (الذكاء الاصطناعي يضاهي البشر)، و"التفوق" (الذكاء الاصطناعي يتفوق على التعاون البشري-الاصطناعي). تعتقد أن الكفاية قد تصل في غضون عامين، لكن التكافؤ أكثر غموضًا. بمجرد الوصول إلى التكافؤ، تتوقع التفوق في غضون عام آخر.
ترسم تونر تشابهًا تاريخيًا: "انتقلنا من لغات الآلة إلى لغة التجميع واللغات المترجمة؛ أنت تبتعد عن جوهر الكمبيوتر. لكن الإنسان لا يزال، بشكل حدسي، يدير العرض". تجاوز هذا النموذج يتطلب حل