تعيش أنظمة الذكاء الاصطناعي (AI) تحولًا جذريًا، حيث لم تعد مجرد أدوات تستخدمها البشرية بل أصبحت بعض الأنظمة قادرة على تحسين نفسها بشكل متكرر. يكشف تحليل شامل لأكثر من 1250 ورقة بحثية منشورة على موقع arXiv عن كيفية انخراط هذه الأنظمة في تحسين أدائها من خلال عدة طرق مثل مراجعة مخرجاتها وتكييف استخداماتها أثناء النشر.

التصنيفات المعقدة التي يتم استخدامها لوصف هذا التحسين الذاتي تشمل مصطلحات مثل التحسين الذاتي (Self-Refinement) والتحسين الذاتي الموجه (Self-Reward) والتطور الذاتي (Self-Evolve). ولكن هذه المصطلحات تشير إلى طموحات مختلفة تمامًا. يتم تصنيف جهود تحسين الذات إلى محاور متنوعة، تشمل سلوك النظام أثناء النشر، سياستها عبر التدريب، أو حتى عملية البحث ذاتها.

من خلال هذا البحث، يُظهر الفرق بين تحسين الذات المقيد، الذي يُعتبر ممارسات صناعية تقليدية ومن المُمكن تقييمها، والتحسين الذاتي المتكرر المفتوح (Recursive Self-Improvement)، الذي لا يزال مُقيدًا بعوامل عدة مثل متطلبات الأسس، ديناميات الانهيار، وقيود الحوسبة.

ما يميز التحسين الذاتي المتكرر هو وجود فئة مخصصة للتقييم الذاتي، حيث يتم اعتبار كل حلقة تحسين كادعاء بأن هناك إشارة يمكن أن تحل محل الحكم البشري. يتناول البحث تصميم مساحات التقييم، من القضاة إلى نماذج المكافآت العملية، ويقوم بترتيب الإشارات في هيكل هرمي للتحقق حيث يتواجد المتحققون الرسميون في القمة.

من المهم أن تتواصل هذه النقاشات التقنية مع النظرية الخاصة بحدود التحسين الذاتي، والدراسات المتعلقة بالسلامة والحكم، حيث يُعتبر قياس التحسين الذاتي من المجالات الأكثر نقصًا في هذا المجال. هل نحن على أعتاب ثورة جديدة في مجال الذكاء الاصطناعي؟