Andrej Karpathy AI-kutató egy új GitHub repository-vel jelentkezett, amely bemutatja, hogyan képes a mesterséges intelligencia önállóan, iteratív módon fejleszteni saját kódját emberi beavatkozás nélkül.
Mi az az „Autoresearch”?
A repository mindössze három alapfájlból áll:
- prepare.py – Adatelőkészítés (fix, sosem változik)
- train.py – Ezt módosítja az AI agent
- program.md – Markdown dokumentum emberi instrukciókkal az agent számára
Hogyan működik?
Az AI agent autonóm ciklusban dolgozik:
- Módosítja a
train.pykódját - Lefuttat egy 5 perces training sessiont
- Kiértékeli a teljesítményt (val_bpb – validation bits per byte, alacsonyabb érték jobb)
- Ha javult, megtartja a változtatást, ha nem, eldobja
- Újrakezdi a folyamatot
A rendszer képes egész éjjel dolgozni emberi felügyelet nélkül. Karpathy szerint óránként kb. 12 kísérlet fut le, ami éjszaka körülbelül 100 iterációt jelent.
Miért fontos ez?
Ez a megközelítés alapjaiban változtatja meg az AI kutatás munkafolyamatát:
- Nincs manuális kódolás – A kutatók a program.md fájlt „programozzák”, nem közvetlenül a Python fájlokat
- Gyors iteráció – Az AI folyamatosan kísérletezik és optimalizál
- Átlátható – Minden változtatás review-ozható, mivel csak egy fájlt érint
„Egykor a frontier AI kutatást hússzámítógépek végezték evés, alvás és egyéb dolgok között, miközben hanghullám-interkonekten keresztül szinkronizáltak a ‘group meeting’ rituáléján. Az a korszak rég elmúlt.” – Andrej Karpathy
A jövő képe
Karpathy víziója szerint a jövőben autonóm AI agentek swarmjai végzik majd a kutatást compute cluster megastruktúrákon. Bár ez ambiciózus, a vízió egyre inkább valósággá válik.
A projekt demonstrációs céllal készült, de jól mutatja az AI fejlesztés irányát: az önfejlesztő rendszerek kora elkezdődött.
Forrás: Andrej Karpathy – Autoresearch: AI Code Improvement | Quantum Zeitgeist
Vélemény, hozzászólás?