Термин «рекурсия» стал популярным в кругах ИИ, а концепция рекурсивного самоулучшения (RSI) привлекла несколько стартапов. В начале месяца известный исследователь Richard Socher объявил о запуске Recursive Superintelligence, объяснив, что проект направлен на полную автоматизацию генерации, реализации и проверки исследовательских идей.
Что происходит
Одновременно Алекс Karpathy из Anthropic развивает проект Auto‑Research, обучая роев агентов выполнять простые задачи для улучшения моделей уровня GPT‑2. Команда Adaption под руководством Sara Hooker создала AutoScientist, который автоматизирует обучение передовых моделей. Агент Дорис Xin выиграл 28 медалей на Kaggle, но исследователи согласились, что надёжность остаётся основной проблемой.
Почему это важно
Текущий прогресс показывает, что инструменты вроде Claude Code от Anthropic уже пишут большую часть собственного кода, и некоторые инженеры считают, что такие системы могут заменить инженеров уровня L4. При этом системы не умеют самостоятельно управлять приоритетами и проверять результаты, что препятствует переходу к полноценному RSI. Эксперт Helen Toner из CSET подчеркнула, что использование ИИ для ИИ‑исследований пока не равно полному автономному самоулучшению.
Что дальше
Аналитики прогнозируют, что ближайшие годы могут ознаменоваться стадией «adequacy», когда ИИ выполнит исследовательские задачи без участия человека, но будет менее эффективен, чем человек. Переход к «parity» и «supremacy» потребует серьёзных инженерных и этических прорывов; ограниченный вычислительный ресурс остаётся главным барьером.