Το AI που διδάσκει τον εαυτό του δεν είναι πλέον επιστημονική φαντασία

Εμφερίζονται νέες πλατφόρμες AI που κάνουν einen ριζικό άλμα: μηχανές που auto-βελτιώνονται, χωρίς ανθρώπινη έμπνευση.

Για χρόνια, ακόμη και τα πιο προηγμένα μοντέλα AI παρέμειναν παθητικά, προβλέποντας απαντήσεις με βάση τα δεδομένα εκπαίδευσης που δεν μπορούσαν να τροποποιήσουν. Αλλά σήμερα δεν είναι το μέγεθος του μοντέλου που ορίζει το επόμενο κεφάλαιο της τεχνητής νοημοσύνης, αλλά το αν το μοντέλο μπορεί να εξελιχθεί αυτόνομα.

Πρόσφατα, ερευνητές του MIT παρουσίασαν μια νέα πλατφόρμα AI που ονομάζεται Self-Adapting LLMs (SEAL). Η προσέγγιση αυτή επιτρέπει στα μεγάλα μοντέλα γλωσσών (LLMs) να βελτιώνονται αυτόνομα, επιτρέποντας στην τεχνητή νοημοσύνη να διαγνώσει τις περιορισμοί της και να ενημερώνει μόνιμα τα δικά της νευρωνικά βάρη μέσω ενός εσωτερικού βρόχου ανατροφοδότησης που τροφοδοτείται από την ενίσχυση της μάθησης. Αντί να απαιτούν οι ερευνητές να εντοπίσουν σφάλματα, να γράψουν νέες προτροπές ή να παρέχουν πρόσθετα παραδείγματα, το μοντέλο αναλαμβάνει πλήρως την ευθύνη για την εξέλιξή του.

«Τα μεγάλα μοντέλα γλωσσών (LLMs) είναι ισχυρά αλλά στατικά, ihnen λείπουν οι μηχανισμοί για να προσαρμόσουν τα βάρη τους σε απάντηση νέων εργασιών, γνώσεων ή παραδειγμάτων», έγραψαν οι ερευνητές του MIT σε μια ανάρτηση στο blog. «Πειράματα σχετικά με την ενσωμάτωση γνώσεων και την γενίκευση με λίγα παραδείγματα δείχνουν ότι το SEAL είναι ένα υποσχόμενο βήμα προς τα μοντέλα γλωσσών που μπορούν να αυτο-προσαρμοστούν σε απάντηση νέων δεδομένων».

Στις πρώτες δοκιμές, αυτός ο αυτο-επεξεργαζόμενος βρόχος επέτρεψε στα μοντέλα να μεταβούν από πλήρη αποτυχία σε επιτυχία σε σύνθετα αφηρημένα προβλήματα συλλογισμού, υπερβαίνοντας ακόμη και μεγαλύτερα μοντέλα όπως το GPT-4.1 με ποσοστό επιτυχίας 72,5%, ενώ οι παραδοσιακές μεθόδους απέτυχαν. Επιπλέον, το SEAL μειώνει την ανθρώπινη επιτήρηση κατά 85% ενώ αυξάνει την ακρίβεια και την προσαρμοστικότητα.

Η Ανάπτυξη των Αυτο-Διδακτικών Πλατφορμών AI

Το SEAL είναι μέρος ενός ευρύτερου ρεύματος προς την αυτονομία της μηχανικής νοημοσύνης. Ερευνητές στο Sakana AI, για παράδειγμα, έχουν εισαγάγει τον Darwin-Gödel Machine—ένα μοντέλο AI που ξαναγράφει τον δικό του κώδικα χρησιμοποιώντας ανοιχτές εξελικτικές στρατηγικές.

«Δημιουργεί διάφορες αυτο-βελτιώσεις, όπως ένα βήμα επαλήθευσης διορθώσεων, καλύτερη προβολή αρχείων, ενισχυμένα εργαλεία επεξεργασίας, γεννήτρια και κατάταξη πολλών λύσεων για να επιλέξει την καλύτερη, και προσθήκη ιστορικού για ό,τι έχει δοκιμαστεί trước από τότε (και γιατί απέτυχε) όταν κάνει νέες αλλαγές», έγραψαν στο Sakana AI σε μια ανάρτηση στο blog.

Ομοίως, τα μοντέλα AI της Anthropic, που τροφοδοτούνται από το Claude 4, μπορούν τώρα να αυτο-οργανώσουν ροές εργασιών σε κώδικες και επιχειρηματικά εργαλεία.

«Ένα σύστημα που αναδιατάσσει τον εαυτό του με βάση τον τύπο του περιεχομένου, το περιβάλλον και την ιστορία του, μας επιτρέπει να μεταβούμε από μια αντιδραστική απάντηση σε μια συνεχής στρατηγική πρόληψης», είπε ο Christian Struve, Διευθύνων Σύμβουλος και συν-ιδρυτής της Fracttal. «Δεν είναι για περισσότερες στρώσεις ή περισσότερους παραμέτρους, αλλά για πιο αυτονομικές και πιο χρήσιμες συστήματα».

Τι ενώνει αυτές τις προσπάθειες είναι μια βασική πίστη: η τεχνητή νοημοσύνη δεν χρειάζεται να γίνει μεγαλύτερη για να γίνει πιο έξυπνη. Χρειάζεται να γίνει πιο προσαρμοστική.

«Η κλίμακα έχει φέρει σημαντικά κέρδη, αλλά φτάνουμε τα όρια του τι μπορεί να επιτύχει μόνο το μέγεθος. Τα αυτο-προσαρμοζόμενα μοντέλα μάθησης όπως το SEAL προσφέρουν ένα πειστικό επόμενο βήμα, επιτρέποντας στα συστήματα να μεγαλώσουν και να βελτιωθούν με τον καιρό», είπε ο Jorge Riera, ιδρυτής και Διευθύνων Σύμβουλος της Dataco, μιας πλήρως στοίβας πλατφόρμας συμβουλευτικών υπηρεσιών δεδομένων. «Τα αυτο-εξελεγμένα μοντέλα επίσης μεταφέρουν τα μέτρα πρόοδου από στατικά βENCHMARKS σε μέτρα προσαρμοστικότητας, αποδοτικότητας μάθησης και ασφαλούς μακροπρόθεσμης βελτίωσης. Αντί να δοκιμάζουμε μόνο τι ξέρει ένα μοντέλο κατά την ανάπτυξή του, μπορούμε να αξιολογήσουμε πώς μαθαίνει, διατηρεί και εξελίσσεται με τον καιρό».

Επίδραση στο Οικοσύστημα της Τεχνητής Νοημοσύνης και τον Παγκόσμιο Αγώνα για Αυτονομία

Αυτό το επίπεδο αυτονομίας επίσης αναγράφει την οικονομία της ανάπτυξης της τεχνητής νοημοσύνης. Φανταστείτε συστήματα ανίχνευσης απάτης που ενημερώνουν τον εαυτό τους άμεσα για να ανταποκριθούν σε νέες απειλές, ή μοντέλα AI που αλλάζουν το στυλ διδασκαλίας τους με βάση τη συμπεριφορά του μαθητή. Στη ρομποτική, αυτο-προσαρμοζόμενα πλαίσια θα μπορούσαν να οδηγήσουν σε αυτόνομες μηχανές που μαθαίνουν νέους τρόπους κίνησης χωρίς να πρέπει να επαναπρογραμματιστούν.

Σε ολόκληρη τη Μέση Ανατολή, χώρες όπως τα Ηνωμένα Αραβικά Εμιράτα και η Σαουδική Αραβία χτίζουν γρήγορα θεμελιώδεις μοντέλους που σχεδιάζονται για προσαρμοστικότητα. Το Falcon των Ηνωμένων Αραβικών Εμιράτων και το Jais της G42 είναι ανοιχτά μοντέλα γλωσσών που κατασκευάστηκαν με περιφερειακή επικαιρότητα, ενώ η Σαουδική Αραβία έχει ALLaM και Aramco Digital’s Metabrain που προχωρούν στο πεδίο των αυτόνομων μοντέλων AI για έξυπνες πόλεις, υγεία και логιστική.

Αυτές οι προσπάθειες δεν είναι ακόμη ισοδύναμες με το SEAL του MIT σε όρους αυτο-επεξεργασίας, αλλά αντανακλούν μια κοινή τροχιά: από παθητικά συστήματα AI σε ενεργά, εξελισσόμενα πράγματα που μπορούν να πλοηγηθούν στη σύνθετη πραγματικότητα με περιορισμένη ανθρώπινη καθοδήγηση. Και όπως το SEAL, αυτές οι πρωτοβουλίες υποστηρίζονται από ισχυρά πλαίσια διακυβέρνησης, υπογραμμίζοντας την αυξανόμενη ευαισθητοποίηση ότι η αυτονομία της AI πρέπει να συνοδεύεται από ευθύνη.

«Αυτό είναι ένα πρώτο βήμα προς τα συστήματα που αυτο-διαχειρίζονται, που τροποποιούν τη λογική τους χωρίς συνεχή παρέμβαση», λέει ο Struve. «Πιστεύω ότι η τεχνητή νοημοσύνη δεν επαναπροσδιορίζει τι είναι η νοημοσύνη, αλλά μας αναγκάζει να ξανασκεφτούμε τη σχέση μας με αυτήν. Το σημαντικό δεν είναι ότι ένα μοντέλο εξελίσσεται, αλλά ότι το κάνει αυτό σύμφωνα με τους στόχους που ορίζουμε ως άνθρωποι».

Ο Jeff Townes, Τεχνικός Διευθυντής της Gorilla Logic, επίσης τονίζει την σημασία της διακυβέρνησης που πρέπει να跟隨 την εξέλιξη της AI: «Η ερώτηση δεν είναι αν η AI μπορεί να εξελιχθεί—αλλά αν η επιχείρηση μπορεί να εξελιχθεί μαζί της. Η διακυβέρνηση πρέπει να αγκιστρώσει κάθε προσαρμογή της AI σε σαφείς αποτελέσματα και KPIs που οι ηγέτες μπορούν να μετρήσουν και να εμπιστευτούν, ώστε η καινοτομία να κλιμακωθεί με εμπιστοσύνη αντί για κίνδυνο».

Είμαστε Έτοιμοι για την Τεχνητή Νοημοσύνη που Ξαναγράφει τον Εαυτό της;

Η πιο προκλητική ερώτηση που θέτει το SEAL δεν είναι τεχνική—αλλά αν τα μοντέλα μπορούν να αποφασίσουν πώς να διδάξουν τον εαυτό τους, ποιο ρόλο παίζουμε στην διαμόρφωση των αξιών, προτεραιοτήτων και κατευθύνσεων τους;

Εкспέρτες προειδοποιούν ότι καθώς τα αυτο-προσαρμοζόμενα συστήματα AI κερδίζουν αυτονομία, η αναχώρηση προς την αυτο-βελτίωση δεν πρέπει να ξεπεράσει την καθιέρωση των ηθικών φραγμών. «Πιστεύω ότι όλα τα συστήματα AI πρέπει να ενσωματώνουν τουλάχιστον τρεις βασικές ηθικές αρχές», λέει ο Jacob Evans, Τεχνικός Διευθυντής της Kryterion.

«Πρώτα, και αυτό μπορεί να φαίνεται αυτονόητο, τα συστήματα AI πρέπει να αναγνωρίζουν τον εαυτό τους ως AI. Δεύτερον, τα συστήματα AI πρέπει να είναι ανθρωποκεντρικά, να ενισχύουν και όχι να αντικαθιστούν την ανθρώπινη κρίση. Και τελικά, πρέπει να αναγνωρίζουν τις περιορισμοί και τις αβεβαιότητες τους, ενώ αρνούνται να παρέχουν πληροφορίες που θα μπορούσαν να διευκολύνουν σοβαρές ζημιές. Χωρίς αυτές τις προστασίες, η AI μπορεί να γίνει ένα εργαλείο της χειραγώγησης αντί για αξιόπιστη υποστήριξη».

«Για να ενεργοποιήσουμε τα μοντέλα να αυτο-βελτιωθούν στην παραγωγή, χρειάζονται ένας δυναμικός βρόχος ανατροφοδότησης, όχι μόνο στατική εκπαίδευση. Ένας ισχυρός μέθοδος είναι η χρήση ενός ‘ψηφιακού δίδυμου’ ή ενός εξελιγμένου περιβάλλοντος αμμοβολής όπου η AI μπορεί να δοκιμάσει και να επικυρώσει τις δικές της αυτο-γεννημένες βελτιώσεις πριν από την ανάπτυξή τους στους χρήστες», μοιράστηκε ο Ganesh Vanama, Μηχανικός Οπτικής της Automotus.

Για τη διακυβέρνηση, ο Vanama πρόσθεσε, «η αδιαπραγμάτευτη έλεγχος είναι η ‘ανθρώπινη στο βρόχο’ επιτήρηση». Είπε ότι ενώ θέλουμε τα μοντέλα να προσαρμοστούν, «πρέπει να υπάρχει συνεχής παρακολούθηση για να ανιχνεύσει ‘παράθεση απομάκρυνσης’ όπου το μοντέλο απομακρύνεται από τους προκαθορισμένους στόχους ή τους περιορισμούς ασφαλείας. Αυτό το σύστημα πρέπει να δώσει στον ανθρώπινο ελεγκτή την εξουσία να αρνηθεί ή να αναστρέψει αμέσως οποιαδήποτε αυτόνομη ενημέρωση που αποτυγχάνει σε μια ανασκόπηση ασφαλείας ή απόδοσης».

Αλλά άλλοι εμπειρογνώμονες πιστεύουν ότι υπάρχει ακόμη χρόνος για την ανάπτυξη αυτών των προστασιών, υποστηρίζοντας ότι η κατασκευή ενός πραγματικά ρομποτικού, γενικού σκοπού, αυτο-βελτιωμένου AI παραμένει một τεράστιο πρόκληση.

«Τέτοια μοντέλα ακόμη λείπουν της ικανότητας να επαναπρογραμματίσουν τον εαυτό τους με τρόπο αξιόπιστο σε πραγματικό χρόνο. Κύριες προκλήσεις παραμένουν, συμπεριλαμβανομένης της πρόληψης της ενίσχυσης σφαλμάτων, της αποφυγής της καταστροφικής λήθης, της διασφάλισης της σταθερότητας κατά τις ενημερώσεις και της διατήρησης της διαφάνειας γύρω από τις εσωτερικές αλλαγές», λέει ο Riera. «Μέχρι να αντιμετωπιστούν αυτά, η πλήρης αυτο-καθοδηγούμενη προσαρμογή παραμένει ένα μέλλον αντί για μια πραγματικότητα».

Οι ερευνητές του MIT βλέπουν το SEAL ως μια αναγκαία εξέλιξη. Όπως το έθεσε ένας από τους κύριους επιστήμονες του MIT, αυτή η πλατφόρμα αντικατοπτρίζει πιο στενά την ανθρώπινη μάθηση από οτιδήποτε έχει προηγηθεί.

«Αυτά τα συστήματα δείχνουν μια μετατόπιση από στατικά, μια-πυροσβολη μοντέλα σε προσαρμοστικές αρχιτεκτονικές που μπορούν να μαθαίνουν από την εμπειρία, να διαχειρίζονται τη μνήμη και να καταδιώκουν στόχους με τον καιρό. Η κατεύθυνση είναι σαφής: προς модουλάρ, συνειδητοποιημένη νοημοσύνη ικανή να điều chỉnh τον εαυτό της συνεχώς», είπε ο Riera. «Ενώ ακόμη βρίσκεται στο πειραματικό στάδιο, αυτή η προσέγγιση σηματοδοτεί ένα σημαντικό βήμα προς τα πιο αυτόνομα και ανθεκτικά συστήματα AI».

Αν αυτό οδηγήσει σε πιο προσωποποιημένα συστήματα ή εντελώς νέες μορφές μηχανικής agency παραμένει να δείτε. Η εποχή της αυτο-διδακτικής AI έχει φτάσει—και ξαναγράφει περισσότερα από το δικό της κώδικα, ξαναγράφει τους κανόνες για ό,τι μπορεί να γίνει από τις μηχανές.