Что произошло: ИИ научился исследовать сам себя
Андрей Карпати, тот самый бывший глава ИИ в Tesla и сооснователь OpenAI, снова всех переиграл. Он выложил в открытый доступ проект под названием autoresearch. Представь: это всего лишь скрипт на 630 строк кода, но он делает нечто невероятное. Он заставляет ИИ-агентов самостоятельно проводить научные исследования, пока человек спокойно спит. По результатам тестов, это не просто удобная фишка, а настоящий сдвиг в том, как мы будем развивать технологии в ближайшем будущем.
Как работает этот вечный двигатель
Суть идеи в создании автономного цикла оптимизации. Агенту дают скрипт для обучения и небольшой бюджет вычислительной мощности (например, 5 минут работы видеокарты). И вот тут начинается магия: ИИ читает свой собственный код, придумывает гипотезу, как его улучшить: изменить архитектуру или скорость обучения, меняет код и тут же запускает эксперимент. Если результат стал лучше, агент оставляет изменения, если нет: откатывается назад и пробует снова. По данным отчетов, всего за одну ночь агент Карпати успел провести 126 экспериментов, заметно снизив уровень ошибок без участия человека.
Когда робот умнее профи с 20-летним стажем
Самое поразительное случилось чуть позже. Агент работал двое суток над моделью и внес около 700 правок. В итоге он нашел такие улучшения, которые ускорили обучение модели на 11%. Карпати признался, что это просто дико: алгоритм заметил ошибки в настройках, которые сам Андрей пропускал на протяжении двадцати лет работы. Вот тебе и «мясной компьютер», как иронично называет человеческий мозг сам разработчик. ИИ делает это быстрее, точнее и никогда не устает.
От кода до маркетинга: эффект домино
Но не думай, что это касается только программистов. Идея «петли Карпати» уже разлетелась по сети. Например, в Hyperspace AI запустили сеть из 35 агентов, которые за 17 часов самостоятельно «переоткрыли» важнейшие вехи в истории машинного обучения, на которые у ученых из Google и OpenAI ушло почти восемь лет! А в мире бизнеса уже прикидывают: если обычный отдел маркетинга делает 30 тестов за год, то с таким подходом можно делать 36 500. Новые заголовки, дизайн писем, рекламные креативы: ИИ будет перебирать тысячи вариантов, пока не найдет тот, что гарантированно принесет деньги.
Есть ли подвох?
- Риск переобучения: исследователи боятся, что если гонять тесты слишком часто, модель просто «зазубрит» конкретные данные вместо того, чтобы стать реально умнее.
- Человеческий фактор: пользователи пишут, что на практике многие эксперименты проваливаются или приводят к вылету программы. Но те редкие случаи, которые срабатывают, часто показывают: модель становится лучше, когда она становится проще.
Почему это важно прямо сейчас
Мы переходим из эры, где человек пишет код, в эру, где человек просто задает правила игры. Теперь наша задача не в том, чтобы проводить тесты, а в том, чтобы правильно ставить задачи и определять границы поиска. Андрей Карпати снова задал новый ритм: мы больше не просто строим модели, мы создаем целые экосистемы, которые учатся и эволюционируют сами по себе, пока мы отдыхаем. Ну не чудо ли?
Если тема зашла — самое время держаться ближе к обновлениям (там часто всплывают детали, которые решают все).🔔 Чтобы читать больше про нейросети, AI-сервисы и практические кейсы, подписывайся на канал «ProAI» в Telegram!