Рекурсивное самосовершенствование: что на самом деле делает исследование Google Dream-RSI

Исследователи Google опубликовали работу Dream-RSI, посвященную рекурсивному самосовершенствованию ИИ. Хотя некоторые заголовки намекают на прорыв в области автономного интеллекта, исследование описывает более узкий процесс. Dream-RSI улучшает политику поиска — программу на Python, которая направляет работу кодирующего агента Gemini, — а не изменяет веса или архитектуру самой модели. Записывая деревья поиска и воспроизводя их в симулированной среде, система оптимизирует процесс поиска решений, что приводит к повышению эффективности в таких задачах, как решение задач Lasso и генерация ядер GPU. Тем не менее, основные модели остаются статичными на протяжении всего цикла. Автор делает вывод, что, хотя этот метод предлагает практический способ настройки поведения агентов, он не является рекурсивным самосовершенствованием в традиционном смысле «интеллектуального взрыва», поскольку базовый интеллект системы не эволюционирует.