Inteligența Artificială Care Se Învață Singură Nu Mai Este Științifico-Fantastică

Noile cadre de inteligență artificială se îndreaptă spre un salt radical: mașini care se auto-îmbunătățesc, fără a necesita insight uman.

De-a lungul anilor, chiar și cele mai avansate modele de inteligență artificială au rămas motoare pasive, prevăzând răspunsuri pe baza datelor de antrenament pe care nu le puteau modifica. Dar astăzi, nu dimensiunea modelului definește următorul capitol al inteligenței artificiale; ci dacă modelul poate evolua singur.

Recent, cercetătorii de la MIT au prezentat un nou cadru de inteligență artificială numit LLM-uri Auto-Adaptabile (SEAL). Acest cadru permite modelor de limbaj mari (LLM) să se auto-îmbunătățească autonom, permițând inteligenței artificiale să-și diagnosticeze limitele și să-și actualizeze permanent greutățile neurale prin intermediul unui buclă de feedback internă alimentată de învățarea prin întărire. În loc să solicite cercetătorilor să identifice erorile, să scrie noi prompturi sau să alimenteze exemple suplimentare, modelul preia în totalitate proprietatea evoluției sale.

„Modelele de limbaj mari (LLM) sunt puternice, dar statice; ele lipsesc mecanisme pentru a-și adapta greutățile în răspuns la noi sarcini, cunoștințe sau exemple”, au scris cercetătorii de la MIT într-un post de blog. „Experimentele privind încorporarea cunoștințelor și generalizarea cu puține exemple arată că SEAL este un pas promițător spre modele de limbaj capabile de adaptare auto-dirijată în răspuns la noi date.”

În testele inițiale, această buclă de auto-editare a permis modelor să treacă de la eșec complet la succes în puzzle-uri abstracte complexe, depășind chiar și modele mult mai mari, cum ar fi GPT-4.1, cu o rată de succes de 72,5%, în timp ce metodele tradiționale au eșuat. Mai mult, SEAL reduce supravegherea umană cu 85% în timp ce crește precizia și adaptabilitatea.

Ascensiunea Cadrelor de Inteligență Artificială Auto-Învățate

SEAL face parte dintr-o tendință mai largă spre inteligență artificială autonomă. Cercetătorii de la Sakana AI, de exemplu, au introdus Mașina Darwin-Gödel—un agent de inteligență artificială care-și rescrie propriul cod utilizând strategii evolutive deschise. 

„Aceasta creează diverse auto-îmbunătățiri, cum ar fi o etapă de validare a corecțiilor, o vizualizare mai bună a fișierelor, unelte de editare îmbunătățite, generarea și clasificarea mai multor soluții pentru a alege cea mai bună și adăugarea unei istorii a ceea ce a fost încercat anterior (și de ce a eșuat) atunci când se fac schimbări noi”, a scris Sakana AI într-un post de blog.

La fel, agenții de inteligență artificială Anthropic, pornite de Claude 4, pot acum orchestra în mod autonom fluxuri de lucru în coduri și instrumente de afaceri. 

„Un sistem care se reconfigurează în funcție de tipul de activ, mediul său și istoria sa ne permite să trecem de la un răspuns reactiv la o strategie de prevenire continuă”, a spus Christian Struve, CEO și co-fondator la Fracttal, pentru mine. „Nu este vorba despre mai multe straturi sau mai multe parametri, ci despre sisteme mai autonome și mai utile.”

Ceea ce unește aceste eforturi este o credință de bază: inteligența artificială nu are nevoie să devină mai mare pentru a deveni mai inteligentă. Are nevoie să devină mai adaptabilă. 

„Scalarea a adus câștiguri majore, dar ajungem la limitele a ceea ce poate realiza singură dimensiunea. Modelele de învățare auto-adaptabile, cum ar fi SEAL, oferă un pas ulterioară convingător, permițând sistemelor să crească și să se îmbunătățească în timp”, a spus Jorge Riera, fondator și CEO al platformei de consultanță de date full-stack Dataco, pentru mine. „Modelele care se auto-îmbunătățesc de asemenea schimbă metricile de progres de la benchmark-uri statice la măsuri de adaptabilitate, eficiență a învățării și îmbunătățire pe termen lung. În loc să testăm doar ce știe un model la momentul implementării, putem evalua cum învață, reține și evoluează în timp.”

Impactul Asupra Ecosistemului de Inteligență Artificială și a Cursei Globale Spre Autonomie

Acest nivel de autonomie rescrie și economia implementării inteligenței artificiale. Imaginați-vă sisteme de detectare a fraudei care se actualizează instantaneu pentru a contracara noile amenințări sau tutori de inteligență artificială care-și schimbă stilul de predare în funcție de comportamentul unui elev. În robotică, cadrele auto-adaptabile ar putea duce la mașini autonome care învață noi modele de mișcare fără a fi reprogramate. 

În întreaga regiune a Orientului Mijlociu, țări precum Emiratele Arabe Unite și Arabia Saudită construiesc rapid modele fundamentale proiectate pentru adaptare. Falconul Emiratelor Arabe Unite și Jais de la G42 sunt modele de limbaj mari deschise, create cu relevanță regională în minte, în timp ce Arabia Saudită cu ALLaM și Metabrainul digital al Aramco se îndreaptă spre domeniul agenților de inteligență artificială autonomi pentru orașe inteligente, sănătate și logistică.

Aceste eforturi nu sunt încă echivalente cu SEAL în ceea ce privește capacitatea de auto-editare, dar reflectă o traiectorie comună: de la sisteme de inteligență artificială pasive la agenți activi, evoluanți, care pot naviga complexitatea cu o ghidare umană limitată. Și, la fel ca SEAL, aceste inițiative sunt sprijinite de cadre robuste de guvernanță, subliniind conștientizarea crescândă că autonomia inteligenței artificiale trebuie să fie împerecheată cu responsabilitate.

„Acesta este un prim pas spre sisteme auto-administrate care-și modifică logica fără intervenție constantă”, spune Struve. „Cred că inteligența artificială nu redefinesc ce este inteligența, dar ne obligă să reevaluăm relația noastră cu aceasta. Lucrul important nu este că un model evoluează, ci că o face în aliniere cu obiectivele pe care le definim ca oameni.”

Jeff Townes, CTO al Gorilla Logic, subliniază și el importanța guvernanței care ține pasul cu evoluția inteligenței artificiale: „Întrebarea nu este dacă inteligența artificială poate evolua—ci dacă întreprinderea poate evolua odată cu aceasta. Guvernanța trebuie să ancoreze fiecare adaptare a inteligenței artificiale la rezultate și indicatori de performanță clari pe care liderii îi pot măsura și încredința, astfel încât inovația să se extindă cu încredere în loc de risc.”

Suntem Pregătiți pentru Inteligența Artificială Care Își Rescrie Propriul Cod?

Cea mai provocatoare întrebare pe care SEAL o ridică nu este una tehnică—ci dacă modelele pot decide cum să se învețe singure, care este rolul nostru în modelarea valorilor, priorităților și direcției lor? 

Experții avertizează că, pe măsură ce sistemele de inteligență artificială auto-adaptabile câștigă autonomie, goana spre auto-îmbunătățire nu trebuie să depășească stabilirea gardurilor etice. „Cred că toate sistemele de inteligență artificială trebuie să incorporeze cel puțin trei principii etice de bază”, spune Jacob Evans, CTO la Kryterion. 

„În primul rând, și poate că nu trebuie să spunem, dar sistemele de inteligență artificială trebuie să se identifice ca atare. În al doilea rând, sistemele de inteligență artificială trebuie să fie centrate pe oameni, sporind și nu înlocuind judecata umană. Și, în final, acestea trebuie să-și recunoască limitele și incertitudinile, refuzând să furnizeze informații care ar putea facilita un rău grav. Fără aceste garduri, inteligența artificială poate deveni un instrument de manipulare în loc de suport de încredere.”

“Pentru a permite modelelor să se auto-îmbunătățească în producție, acestea au nevoie de o buclă de feedback dinamică, nu doar de antrenament static. O metodă puternică este utilizarea unui ‘dublu digital’ sau a unui mediu de tip sandbox sofisticat în care inteligența artificială poate testa și valida în siguranță propriile îmbunătățiri auto-generate înainte de a fi implementate pentru utilizatori”, a împărtășit Ganesh Vanama, inginer de viziune computațională la Automotus. 

În ceea ce privește guvernanța, Vanama a adăugat, „controlul non-negociabil este supravegherea ‘omului în buclă’”. El a spus că, în timp ce dorim ca modelele să se adapteze, „trebuie să aveți o monitorizare continuă pentru a detecta ‘deriva de aliniere’ în care modelul se abate de la obiectivele sau constrângerile de siguranță intenționate. Acest sistem trebuie să ofere un auditor uman puterea de a veto sau de a anula orice actualizare autonomă care nu trece de o revizuire a siguranței sau a performanței.”

Dar alți experți cred că încă există timp pentru a dezvolta aceste garduri de protecție, argumentând că construirea unei inteligențe artificiale auto-îmbunătățitoare robuste, generale și cu adevărat autonome rămâne o provocare monumentală.

„Astfel de modele încă lipsesc capacitatea de a se reprograma în mod fiabil în timp real. Provocările cheie rămân, incluzând prevenirea consolidării erorilor, evitarea uitării catastrofale, asigurarea stabilității în timpul actualizărilor și menținerea transparenței în jurul schimbărilor interne”, spune Riera. „Până când acestea nu sunt abordate, adaptarea complet auto-dirijată rămâne o frontieră și nu o realitate.”

Cercetătorii de la MIT văd SEAL ca o evoluție necesară. Așa cum a spus unul dintre oamenii de știință de la MIT, acest cadru reflectă în prezent mai mult decât orice altceva învățarea umană.

„Aceste sisteme sugerează o schimbare de la modele statice, cu o singură șansă, la arhitecturi adaptabile care pot învăța din experiență, gestiona memoria și urmări obiective pe parcursul timpului. Direcția este clară: spre inteligență modulară, conștientă de context, capabilă să se ajusteze în mod continuu”, a spus Riera pentru mine. „Deși încă în faza experimentală, această abordare marchează un pas semnificativ către sisteme de inteligență artificială mai autonome și mai rezistente.”

Dacă acest lucru va duce la sisteme mai personalizate sau la forme complet noi de agenție mașinilor, rămâne de văzut. Epoca inteligenței artificiale auto-învățate a sosit—și rescrie nu doar propriul său cod, ci și regulile a ceea ce pot deveni mașinile.