Самооптимизация ИИ. Мечта Гёделя стала реальностью с Darwin-Gödel Machine?

Помните, как мы часто говорим, что современные ИИ — умные, но… застывшие? Обучили на терабайтах данных, запустили — и всё, дальнейший рост без докрутки разработчиками почти маловероятен. Человек‑то учится всю жизнь, а ИИ как будто заперт в клетке.

Именно такую метафору использует Ричард Корнелиус Суванди (Китайский университет Гонконга) в своем блоге, разбирая свежую наработку от японской Sakana AI — Darwin‑Gödel Machine (DGM). Суть? ИИ, который сам переписывает свой код, чтобы становиться умнее. Звучит как фантастика? Давайте разбираться!

Всё началось с теоретической концепции «машины Гёделя», предложенной ещё в 2003 году легендарным Юргеном Шмидхубером. Идея гениальна: ИИ находит математическое доказательство, что изменение его кода сделает его эффективнее, и — бац! — применяет это изменение. Красота. Но на практике строгое доказательство полезности любого изменения в сложной системе — задача титаническая, почти нереальная.

Как верно подметил Суванди, современные ИИ‑модели — это как крутые тачки с запертым капотом: «Каким бы навороченным ни был двигатель или искусным водитель, ты не можешь изменить структуру кузова или тип двигателя под новые трассы». Нужен принципиально иной подход к самоулучшению.

Японцы из Sakana AI вместе с лабораторией Джеффа Клуна (Университет Британской Колумбии) взяли идею Гёделя и добавили к ней… эволюцию по Дарвину! Получилась Darwin‑Gödel Machine. Суть DGM — в открытом, бесконечном поиске улучшений через опыт и «естественный отбор» кода, а не через строгие математические доказательства. Представьте популяцию ИИ‑агентов, которые мутируют, скрещиваются и выживают сильнейшие — только на уровне исходников.

Как это работает? Пошагово:

Старт. Начинается всё с одного или нескольких базовых