Rekurzív önjavítás koncepciója és hatásai a szoftverfejlesztésben

Az Anthropic Claude Code szoftverfejlesztési ügynökének használata 2025 februári megjelenése óta egyre elterjedtebb mérnöki körökben, beleértve saját kiadóját is: az Anthropicban 2026 májusában a lefejlesztett kódmennyiség 80%-át ezzel az eszközzel állították elő (a Claude Code előtt ez az arány pár százalék volt csupán). De nem csak mennyiségi, hanem minőségi eredményei is vannak az új paradigmának: míg tavaly év elején még csak fejlesztők kb. egy órányi munkáját tudták jellemzően a modellek elvégezni egy taskban, a legutóbbi verziók már egy napi feladatot is megoldanak, ráadásul egyre kompetens módon – így Jack Clark Anthropic társalapító becslése szerint 60% az esélye annak, hogy 2028 végére egy AI modell képes lesz saját következő verziójának létrehozására.

Ezt az áttörés elindíthatja a rekurzív önjavításnak (recursive self-improvement, RSI) nevezett ciklikus folyamatot, ahol egyre pontosabb, alaposabb modellek jönnek létre automatikusan egyre rövidebb idő alatt. Senki nem tudja jelenleg felmérni, ennek – amennyiben tényleg megvalósul – milyen szélesebb következményei lehetnek, egyesek azonban ezt a momentumot tekintenék a mesterséges “szuperintelligencia” megszületéséhez vezető döntő lépésnek az összes ezzel járó kedvezőtlen félelemmel együtt.

Azonban egyelőre még számos olyan feladatot emberek (szakértői csoportok) végeznek el, amit a leendő RSI-nek kellene kiváltania: data scientistek végzik el a modellezést, kódolók a kódolást, rendszermérnökök a kísérleti eredmények termékesítését, megint mások a tanítási adatok gyűjtését, és külön biztonsági szakemberek a végeredmény ellenőrzését. Ezek a csapatok és tevékenységeik nem azonos mértékben automatizálhatóak (különösen az adatakvizíció igényel még például jelentős emberi erőfeszítést például a nem digitalizált vagy jogilag védett információk vonatkozásában), bár a korábban “biztonságosnak” tartott humán feladatok terén néha váratlan eredményeket hoz az AI (a Google DeepMind AlphaEvolve-ja tavaly májusban először készített egy új algoritmust, amellyel a cég adatközpontjainak hatékonyságát és a Gemini modell tanítási sebességét is lényegesen lehetett javítani). Hagyományosan úgy véltük, a kutatás-fejlesztés is elsődlegesen emberi munka, de ez is egyre inkább automatizálódik.

Jelenleg még nem létezik olyan modell, amely képes lenne a saját utódját létrehozni, de arra több példa is ismert, hogy önmaga kisebb változatát vagy ugyanazt hatékonyabban előállítsa. Andrejt Karpathy Nanochat-kísérletében az OpenAI 2019-ben 168 óra alatt tanított GPT-2 modelljét (kevesebb gépi erőforrással) két óra alatt képes volt létrehozni. Azonban amikor ugyanezt a feladatot további automatizálásra átadta az Autoresearch AI ügynöknek, az minden további beavatkozás nélkül tovább tudta ezt javítani előbb 48 majd 39 percre – igaz, hogy a javítás nem tudományos áttörések felfedezése, hanem prózai beavatkozások eredményeképp valósult meg (pl. a kezdő tanítási értékek jobb beállítása vagy az attention ablak kiszélesítése révén), de Karpathy maga ezeket az egyszerűbb lehetőségeket sem használta ki annak ellenére, hogy ő a világ egyik vezető AI szakembere. És valószínűleg az RSI-alapú fejlesztés is hasonló triviális javításokat jelent majd (a valóságban a modellek optimalizálása kevésbé inventív és intellektuálisan kimagasló munka, mint azt a kívülállók a szakmát övező nimubsz alapján feltételezik, ellenben jól skálázható automatizációval). Mivel az AI modellek ezeket a feladatokat sokkal gyorsabban és következetesebben végzik el, mint az emberek, utóbbiaknak egyre inkább a kísérleteket nagy vonalakban meghatározó kutatási vezetők feladata jut majd, ami a nyilvánvaló előnyök mellett problémákat is felvet, hiszen egyre inkább megértést és kontrollt veszítünk az eredmények felett, végső soron pedig még a célok meghatározása és eredmény verifikálása is teljes egészében a gépek kezébe kerülhet. Mindez persze szélesebb összefüggésben is igaz: ahogy az automaták kormányzati vagy pénzügyi területen is egyre kompetensebbek lesznek az emberekkel összevetve, egyre több feladatot rájuk bízunk, az emberiség kezéből kikerülhet az egyén és a társadalom élete feletti kontroll.

Jelenleg azonban az esetleges regulátori és önkontrollokon túl egyéb akadályok is vannak a modellek önfejlesztésére nézve. Ezek közül a legerősebb talán az adat- és számítási központok kapacitásának szűkössége, amit ráadásul a már meglévő szolgáltatásokat használó előfizetők (emberek és programjaik) kiszolgálására is biztosítani kell valamilyen arányban. De ide tartozik a tanítási adatok limitált köre is; már korábban hangot kaptak olyan vélekedések, hogy az ismert és hozzáférhető információmennyiséget nagyjából már a létező modellek megtanulták, a továbblépéshez pedig újabbakra lenne szükség, szintetikus adatokat ugyanakkor csak korlátozott területeken (pl. programozásban vagy matematikai problémáknál) lehet végtelen számban produkálni (ott is egyre kisebb hozzáadott értékkel egy idő után), az élet legfontosabb területein (biológia, orvostudomány, meteorológia stb.) azonban ez nem lehetséges.