RSI: המושג החדש שמאתגר את עולם הבינה המלאכותית
שיפור עצמי רקורסיבי (RSI) הפך למטרה המוצהרת של מספר מעבדות AI מובילות, אך ההגדרה עצמה נותרת מעורפלת. מחוקרים שמאמינים שהפריצה קרובה ועד מנכ"לי ענק כמו סנדאר פיצ'אי שמודים שהתעשייה "עדיין לא שם" - הפער בין השאיפה למציאות נותר רחב.
כשה-AI מנסה לפתח את עצמו: RSI הוא ה-AGI החדש
המילה "רקורסיה" הפכה לאחרונה לאחד המונחים הנפוצים ביותר בשיח הבינה המלאכותית. שתי סטארטאפ-קאפ נפרדות אימצו אותה כשם החברה, ועשרות נוספות מזכירות שיפור עצמי רקורסיבי (RSI) במפות הדרכים שלהן. בדומה ל-AGI לפניו, RSI הפך לקיצור שלאמרי שינוי קיצוני בסדר העולם - גם אם ההסכמה על המשמעות המדויקת עדיין חסרה.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
במונחים בסיסיים, RSI מתאר מערכת AI שמסוגלת לשדרג את עצמה באופן רציף. ברגע שמערכות AI יוכלו לנהל את מחזור השדרוג טוב יותר מבני אדם, התהליך הופך ללולאה סגורה, מוגבלת רק בכוח המחשוב הזמין. בני האדם הופכים לא רלוונטיים - ואולי אף למכשול.
הרצים אחרי החלום
בתחילת מאי השיק החוקר הידוע ריצ'רד סוצ'ר את חברת Recursive Superintelligence, עם RSI כמטרה מוצהרת. "המיקוד שלנו הוא לבנות בינה-על רקורסיבית ומשפרת עצמה בקנה מידה אמיתי", אמר סוצ'ר בראיון ל-TechCrunch בעת ההשקה, "כלומר שכל תהליך ה-ideation, המימוש, והאימות של רעיונות מחקריים יהיה אוטומטי."
אנדריי קרפאתי - דמות אגדית מ-Tesla ו-OpenAI, כיום חלק מצוות ה-pre-training של Anthropic - עובד על פרויקט בשם Auto-Research, שמשתמש בנחילי agents לאימון LLM על משימות פשוטות. קרפאתי שיתף את ההתקדמות בפומבי ופרסם את אבני הבניין דרך GitHub. נכון למרץ, כפי שציין בעצמו: "זה עדיין לא מחקר פורץ דרך", אך הצלחתו המוגבלת כבר עוררה עניין רב בקרב חוקרים אחרים.
חברת Adaption, שנוסדה על ידי Sara Hooker בוגרת Cohere ו-Google, השיקה לאחרונה כלי בשם AutoScientist, שנועד לאוטומציה של אימון מודלי frontier. המטרה: להקל על הכשרת מודל frontier שלם - ואם הסוכנים ידחפו את הגבול קדימה, המערכת עלולה להתפתח לכדי RSI ממשי.
דוריס שין, מייסדת Disarray, עוררה עניין ספציפי כש-agent שאימנה ממכונה זכה ב-28 מדליות בתחרות Kaggle - ובכך הכניע מודלים שאומנו על ידי בני אדם. לדבריה, האתגר המרכזי הוא אמינות: "אם יש לנו כוח מחשוב אינסופי ואופק זמן אינסופי, אנחנו כבר שם. זו לא יצירתיות - זו הנדסה פשוטה."
הפער בין שאיפה למציאות
לצד ההתלהבות, יש עדויות ממשיות שהתעשייה עדיין רחוקה ממערכות רקורסיביות. מנכ"ל Google, סנדאר פיצ'אי, אמר בפודקאסט לאחרונה: "אנחנו בהחלט מתקדמים, אבל RSI - כפי שאנשים מתארים אותו - יהווה האצה ברמה אחרת לחלוטין. עדיין לא הגענו לשם."
עם זאת, גם Anthropic מגלה סימנים מעניינים: אחד מהמתכנתים הבכירים של Claude Code אמד בינואר שכ-100% מהקוד של הצוות נכתב על ידי הכלי עצמו. ובסקר פנימי הקשור לתצוגה המקדימה של Mythos, חמישה מתוך 18 מהנדסי Anthropic האמינו שהגרסה הנוכחית יכולה, עם שיפורים מסוימים, להחליף מהנדס ברמת L4. עם זאת, הדוח מציין גם חולשות בולטות: ניהול עצמי של משימות מורכבות לאורך שבוע, הבנת עדיפויות ארגוניות, ויכולת אימות - בדיוק מה שנדרש ל-RSI אמיתי (כפי שפורסם על ידי TechCrunch).
איפה עובר הקו?
הלן טונר, מנהלת מרכז CSET בג'ורג'טאון ולשעבר חברת דירקטוריון OpenAI, הבחינה ל-TechCrunch בין שימוש ב-AI לחקר AI לבין RSI אמיתי: "הם פשוט משתמשים ב-AI ככל שניתן. זה שונה מהגדרת RSI הקלאסית, שבה אין צורך בבני אדם כלל."
Ajeya Cotra מ-METR הציגה מסגרת מדרגית: "הלמות" - המערכת מתפקדת גם ללא בני אדם; "שוויון" - ביצועים ברמת בני אדם; "עליונות" - ביצועים מעבר לשיתוף פעולה אדם-AI. לפי הערכתה, הסף הראשון כבר קרוב מאוד: "לא הייתי מופתע אם יתברר שהוא כבר חצינו אותו."
המשמעות עבור חברות מקומיות
השאלה אינה תיאורטית עבור חברות הטכנולוגיה הישראליות. כשמודלים כמו Claude Code כבר כותבים חלק ניכר מהקוד בחברות ה-AI המובילות, חברות פיתוח תוכנה ישראליות - ממוצרי SaaS ועד צוותי R&D - ניצבות בפני שאלות מעשיות על עתיד תפקידי ההנדסה. מעבדות ה-AI הגדולות לא הגיעו ל-RSI, אך הנסיעה לשם כבר מעצבת מחדש את שוק העבודה הטכנולוגי.