Команда Sakana AI показала схему, в которой искусственный интеллект улучшает сам себя не одной моделью, а популяцией агентов. Они решают задачи параллельно, обмениваются удачными приёмами и отсеивают слабые стратегии — что-то вроде эволюционного отбора на уровне алгоритмов и подсказок. Это шаг к системам, которые развиваются почти без ручной разметки, но пока в контролируемом контуре.
Как устроен коллективный цикл
Вместо одной сети, переписывающей собственный код, запускается множество агентов. Каждый пробует свой путь. Результаты сравниваются, лучшие «гены» — промпты, куски программ, параметры поиска — копируются в следующее поколение. Плохие ветки отмирают. Так ускоряется поиск решений там, где градиентный спуск по одной модели застревает в локальном минимуме.
Чем это отличается от обычного файнтюна
Обычное дообучение крутит веса по размеченному датасету. Здесь датасет и стратегия сами становятся объектом эволюции: система ищет, как учиться лучше. Это ближе к AutoML и к идее рекурсивного самоулучшения, о которой спорят с начала бума больших моделей. Разница в том, что улучшение идёт через кооперацию, а не через одного «бога-модель».
Риски
Если контур замкнётся слишком рано, популяция может оптимизировать метрику-суррогат и обойти ограничения безопасности. Поэтому сейчас это лабораторный протокол: песочница, лимиты шагов, человек на выходе. Публичный релиз «самоулучшающегося ИИ» без надзора был бы другой историей.
Зачем это рынку
Компаниям, у которых нет миллиардов на новый предобучающий прогон, коллектив агентов может дать дешёвый прирост качества на узких задачах. Научным группам — способ искать гипотезы быстрее. Смотреть стоит не на слоган «ИИ улучшает ИИ», а на то, воспроизводятся ли цифры без ручной подкрутки фитнес-функции.
