Краткое содержание анализа
В 2026 году самая ожесточенная технологическая гонка в Кремниевой долине будет сосредоточена на технологии RSI (Recursive Self-Improvement) – по сути, это позволяет ИИ самостоятельно находить проблемы и совершенствовать себя, создавая цикл “обнаружение → улучшение → усиление → новое обнаружение”, который ускоряется со временем. Гиганты вроде OpenAI и Anthropic, а также академические круги делают ставки на исход этой гонки. Основной вопрос заключается в том, смогут ли гиганты доминировать благодаря своей вычислительной мощности или же новички смогут совершить прорыв и обойти их. Кроме того, безопасность и организационная эффективность также становятся ключевыми факторами. Эта гонка касается не только структуры ИИ-индустрии, но и более глубоких вопросов: смогут ли люди сохранить контроль над процессом эволюции ИИ.
Что такое RSI? Почему она внезапно стала популярной в 2026 году?
Суть RSI заключается в замкнутом цикле, в котором ИИ самостоятельно находит слабые места в своих моделях, совершенствует их, становится сильнее, а усиленный ИИ способен обнаруживать новые проблемы и дальше совершенствоваться.
Ее популярность не случайна – два условия для ее распространения сейчас сформированы:
1. ИИ уже способен выполнять сложные задачи: например, самостоятельно писать код, проводить эксперименты и анализировать результаты;
2. ИИ начал лучше понимать себя и свои модели.
Особенно важно то, что время обратной связи сокращено до минут: раньше людям требовались дни или недели для проведения экспериментов (от идеи до получения результатов); теперь ИИ может за несколько минут выполнить все этапы.
Все крупные игроки активно участвуют в разработке RSI: OpenAI определил сроки для программы стажировок по исследованиям в области ИИ на 2026 год, Claude от компании Anthropic уже самостоятельно провел 800 часов исследований в области безопасности ИИ (в 4 раза эффективнее, чем люди), а на конференции ICLR был специальный сессион по RSI. Это говорит о том, что RSI перешла из категории нишевых технологий в общепринятые стандарты индустрии.
В чем разница между RSI и AutoML 10 лет назад?
Многие спрашивают: разве AutoML от Google не был тоже примером ИИ, совершенствующего другой ИИ? Однако есть важные отличия:
- Раньше ИИ действовал в ограниченных рамках, заданных людьми;
- Сейчас большие модели могут самостоятельно понимать свою структуру и проблемы, что расширяет возможности поиска решений.
Проще говоря, раньше люди контролировали детали процесса, а ИИ выполнял подчиненные задачи; сейчас ИИ помогает им в формулировке стратегий, а люди делают более высокоуровневые решения.
Основной спор: доминирование гигантов или шансы для новичков?
Существует две основные точки зрения:
- Сторона, считающая, что победит тот, у кого больше вычислительных ресурсов и лучшие навыки программирования;
- Сторона, считающая, что прорыв возможен благодаря неожиданным открытиям.
Разногласия в индустрии связаны с разными представлениями о механизмах эволюции ИИ: одни верят в закономерности роста мощности (чем больше вычислительных ресурсов, тем лучше результаты), другие – в возможность прорывов на основе новых принципов. Сооснователь компании Anthropic даже назначил конец 2028 года крайним сроком для достижения полной автоматизации процесса RSI; если этого не произойдет, это будет свидетельствовать о существующих фундаментальных ограничениях.
Каковы текущие успехи в разработке RSI и в чем ей не хватает?
Сейчас RSI находится на начальном этапе:
- Уже достигнуты результаты в задачах, требующих оценки эффективности и быстрой обратной связи (оптимизация алгоритмов); например, модель Claude от Anthropic написала 80% кода компании; модель OpenRSI от Tsinghua University демонстрирует результаты, сравнимые с GPT-5.6 при использовании ограниченных вычислительных ресурсов.
- Основная проблема – недостаток “вкуса” у ИИ: способности к анализу сложных данных и формулировке обобщений на основе небольшого количества примеров. Большие модели работают с большими объемами данных, но научные прорывы часто требуют новых подходов (например, для понимания механизмов работы ИИ).
Два недооцененных фактора: безопасность и организационная структура
- Безопасность: не так уж просто допустить выход ИИ из-под контроля; специалисты считают, что это произойдет нескоро (обучение ИИ напоминает тренировку собаки с использованием системы поощрений и наказаний).
- Организационная структура: крупные компании могут не справиться с задачами, связанными с быстрой обратной связью; у них много уровней управления, что замедляет процесс принятия решений. Малые команды (с числом сотрудников до 150 человек) обладают более эффективной коммуникацией и могут действовать быстрее.
Какое будущее предпочтительнее?
Развитие RSI ведет к усилению сильных игроков, но также возможны прорывы, меняющие существующий порядок вещей. Самое захватывающее в этой гонке – неопределенность: можно верить в доминирование гигантов или в успех новичков. Однако RSI является неизбежным этапом в развитии ИИ. Когда ИИ сможет самостоятельно совершенствоваться, перейдет ли контроль над его эволюцией к людям? На этот вопрос нет однозначного ответа, но он заслуживает серьезного внимания.