A mesterséges intelligencia fejlődése rendre újabb izgalmas kérdéseket vet fel. Jelenleg úgy tűnhet, mintha a fejlődés lelassult volna, azonban a kutatók szerint ez csak a vihar előtti csend. Világszerte egyre többen számítanak arra, hogy amikor a rendszerek megtanulják önmagukat továbbfejleszteni, megindulhat az úgynevezett ‘intelligencia-robbanás’.
A gépi önfejlesztés lehetősége technikailag a rekurzív önfejlesztés fogalmához köthető. Egyes mesterséges intelligenciák, mint például a DeepMind által fejlesztett Alpha Evolve, már most képesek saját kódjuk optimalizálására evolúciós módszerekkel, például újfajta mátrixszorzási módszereket is feltalálnak. Ez jelentős időmegtakarítást eredményezhet a nagy nyelvi modellek képzése során.
Legújabban kutatók azt vizsgálják, hogyan tanulhatnak meg a nyelvi modellek bonyolultabb feladatokat, illetve akár saját hiperparamétereik finomhangolását. Biztató eredmények mellett azonban problémák is jelentkeznek, például a ‘katasztrofális felejtés’, amikor az új önfejlesztések rontják a korábban megszerzett ismeretek hatékonyságát.
Felmerül a kérdés, hogy mi történik, ha ezeket a rendszereket nem korlátozzuk többé rövid tesztfutásokra, és komolyabb hardveren futtatjuk őket. Jelenleg ezek többsége kis kutatási projektekben működik, de elképzelhető, hogy hamarosan fejlettebb rendszerekben is alkalmazásra kerülnek. Az előttünk álló időszak számos izgalmas változást tartogathat az AI világában.
