Teslaning sun’iy intellekt yo‘nalishi sobiq rahbari va OpenAI hammuassisi Andrey Karpatiy AI-agentlarga mashinani o‘qitish (machine learning) modellarini mustaqil ravishda yaxshilash imkonini beruvchi autoresearch nomli eksperimental ochiq kodli (open-source) loyihani taqdim etdi.
Bir kechada agent optimallashtirish bo‘yicha 126 ta tajriba o‘tkazgan bo‘lsa, ikki kun ichida modelning kodi va sozlamalariga 700 ga yaqin o‘zgartirish kiritib, uning o‘qitish samaradorligini 11 foizga oshirdi. Shu tariqa, endilikda sun’iy intellekt dasturchi uxlayotgan paytda ham avtonom ravishda takomillashishda davom eta oladi.
Loyiha qanday ishlaydi? Loyiha hajm jihatidan ancha ixcham: MIT litsenziyasi asosida GitHubda e’lon qilingan skript bor-yo‘g‘i 630 qator koddan iborat. Biroq u o‘zida juda keng ko‘lamli g‘oyani mujassam etgan. Karpatiyning so‘zlariga ko‘ra, tizim AI-agentlarga jarayonda inson ishtirok etmasa-da, doimiy ravishda tadqiqotlar o‘tkazish va algoritmlarni takomillashtirish imkonini beradi.
Tizim avtonom optimallashtirish sikli sifatida ishlaydi. Agentga modelning dastlabki kodi va cheklangan hisoblash byudjeti (masalan, grafik protsessorda bir necha daqiqalik ishlash vaqti) beriladi. So‘ngra u modelni yaxshilash bo‘yicha gipoteza (taxmin) ishlab chiqadi, kodni o‘zgartiradi, eksperimentni ishga tushiradi va natijani baholaydi.
Agar modelning ko‘rsatkichlari yaxshilansa (masalan, validatsiya datasetida xatolar soni kamaysa), o‘zgartirish saqlab qolinadi. Aks holda, orqaga qaytariladi (otkat) va agent boshqa gipotezani sinab ko‘radi. Ikki kunlik avtonom ish davomida tizim 700 ga yaqin sinovni amalga oshirdi va ayniqsa yirik modellar uchun juda foydali bo‘lgan 20 ta qo‘shimcha yaxshilanishni tatbiq etdi.
Natijada o‘qitish samaradorligi 11 foizga oshdi. Eng qizig‘i, agent «e’tibor mexanizmlari» (attention mechanisms) va regulyarizatsiyani sozlashdagi xatoliklarni topdi — bu Karpatiyning o‘zi qo‘lda optimallashtirish vaqtida payqamagan muammolar edi.
Jamoatchilik reaksiyasi va boshqa sohalardagi qo‘llanilishi Loyiha e’lon qilinishi bilan IT-hamjamiyatning e’tiborini tortdi.
-
Hyperspace AI platformasi rahbari Varun Matur tizimni P2P tarmog‘i bo‘ylab taqsimladi. Natijada 35 ta avtonom agent bir kechada 333 ta tajriba o‘tkazdi. Buning ortidan, vaqtida Google Brain va OpenAI kabi laboratoriyalar tadqiqotchilari rasmiylashtirish uchun sakkiz yil sarflagan mashinani o‘qitish usullari qayta kashf etildi. Quvvatli GPU’lar va noutbuklardagi oddiy CPU’lar kabi turli xil uskunalar agentlarni parametrlarni shunchaki ketma-ket sinab ko‘rishdan tortib, yanada kreativ strategiyalargacha bo‘lgan turlicha yondashuvlarni izlashga undadi. GossipSub protokoli orqali esa muvaffaqiyatli yechimlar tarmoq bo‘ylab tez tarqaldi.
-
Single Grain agentligi asoschisi Erik Siyu bu avtomatik tadqiqot sikllarini marketing sohasiga moslashtirdi. Agentlar reklama materiallari (lending sahifalar, kreativlar va xatlar) ustida 36 000 dan ortiq tajriba o‘tkazib, ularning samaradorligini avtomatik baholadi va auditoriya reaksiyasining «xaritasi»ni tuzib chiqdi. Taqqoslash uchun: an’anaviy marketing jamoalari odatda yiliga bor-yo‘g‘i bir necha o‘nta shunday sinov o‘tkazadi, xolos.
Ushbu vositalar turli sohalardagi tadqiqotlarni tubdan o‘zgartirishga qodir. AI-agentlar minglab tajribalarni mustaqil ravishda bajara oladigan bo‘lgach, inson-tadqiqotchining vazifasi bevosita sinovlarni o‘tkazishdan — tadqiqot jarayonlarini loyihalashga ko‘chadi. Venture Beat nashri ta’kidlaganidek, endi kod shunchaki yozilmayapti — inson uxlayotgan paytda mustaqil o‘rganadigan ekotizimlar yaratilmoqda.