اوپن‌ای‌آی «خودبهبودی بازگشتی» را به عنوان استراتژی رسمی محصول تأیید می‌کند؛ استفاده از هوش مصنوعی برای آموزش مدل‌های نسل بعدی

مفهوم خودبهبودی بازگشتی (Recursive Self-Improvement) مدت‌هاست که موضوع داستان‌های علمی تخیلی بوده است—سناریویی نظری که در آن یک هوش مصنوعی کد خود را می‌نویسد، معماری خود را بهینه می‌کند و باعث انفجاری سریع در قابلیت‌ها می‌شود. سال‌ها، این موضوع به عنوان یک نگرانی فلسفی انتزاعی که برای عصر آینده ابرهوش‌ها محفوظ بود، مورد توجه قرار می‌گرفت.[5]

اما در اواسط سال ۲۰۲۶، این مفهوم انتزاعی به واقعیت تبدیل شد. اوپن‌ای‌آی رسماً تأیید کرده است که خودبهبودی بازگشتی دیگر صرفاً یک شعار تحقیقاتی یا یک فرضیه ایمنی نیست؛ بلکه اکنون استراتژی اصلی محصول این شرکت است.[4]

این تغییر از طریق یک نقطه عطف مهندسی بزرگ نشان داده شد: اوپن‌ای‌آی از مدل شاخص خود، GPT-5.6 «سول» (Sol)، برای پس‌آموزش خودکار یک مدل کوچک‌تر و بسیار کارآمد به نام «لونا» (Luna) استفاده کرد.[3][6]

بر اساس گزارش‌های داخلی، یکی از محققان اوپن‌ای‌آی یک دستورالعمل کوتاه و نامشخص به سول ارائه داد. با استفاده از همان دستورالعمل‌های ساده، مدل بزرگ‌تر به طور خودکار پیکربندی‌های آموزشی صحیح را شناسایی کرد، واحدهای پردازش گرافیکی (GPU) مناسب را انتخاب کرد، اسکریپت‌های آموزشی را راه‌اندازی کرد و تأیید کرد که اجرا به درستی انجام می‌شود.[1]

این فرآیند عملاً یک گردش کار را خودکار کرد که معمولاً تکمیل آن به چندین هفته زمان و دو محقق نیاز داشت. اوپن‌ای‌آی با قرار دادن یک هوش مصنوعی مسئول بهینه‌سازی هوش مصنوعی دیگر، حلقه اولین نسل عملی خودبهبودی بازگشتی را تکمیل کرده است.[1][3]

برای اندازه‌گیری این قابلیت، اوپن‌ای‌آی یک «شاخص RSI» داخلی ایجاد کرد، مجموعه‌ای از ارزیابی‌ها بر اساس وظایف تحقیقاتی واقعی هوش مصنوعی مانند اشکال‌زدایی سیستم‌ها، بهینه‌سازی هسته‌ها و اجرای آزمایش‌های یادگیری ماشین.[2]

در این معیار جدید، GPT-5.6 Sol امتیاز ۱۶.۲ بالاتری نسبت به مدل قبلی خود، GPT-5.5، کسب کرد. این جهش قابل اندازه‌گیری ثابت می‌کند که این مدل اساساً در انجام دقیق وظایفی که برای ساخت نسل بعدی هوش مصنوعی مورد نیاز است، بهتر عمل می‌کند.[1][2]

در بافتار امروزی، خودبهبودی بازگشتی به این معنا نیست که یک هوش مصنوعی به طور خودجوش معماری اصلی خود را در انزوا بازنویسی کند. در عوض، به پس‌آموزش با کمک هوش مصنوعی اشاره دارد: یک مدل بسیار توانمند، داده‌های آموزشی مصنوعی تولید می‌کند، خروجی‌ها را ارزیابی می‌کند و رفتار مدل جانشین را با حداقل نظارت انسانی شکل می‌دهد.[3]

این تغییر صرفاً یک آزمایش نیست؛ بلکه یک ضرورت صنعتی است. محققان هوش مصنوعی به سرعت در حال نزدیک شدن به «اوج داده» هستند، نقطه‌ای که در آن عرضه داده‌های متنی با کیفیت بالا که توسط انسان در اینترنت تولید شده، عملاً به پایان می‌رسد.[5]

برای ادامه افزایش قابلیت‌ها، آزمایشگاه‌ها باید به داده‌های مصنوعی تکیه کنند. یک مدل استدلالی عظیم مانند Sol می‌تواند میلیون‌ها ردیابی پیچیده حل مسئله را شبیه‌سازی کند، که سپس در مدل‌های کوچک‌تر و سریع‌تری مانند Luna تقطیر می‌شوند و آن‌ها را بسیار توانمندتر از آنچه که می‌توانستند تنها با داده‌های برچسب‌گذاری شده توسط انسان شوند، می‌سازد.[3][5]

تأثیر داخلی این موضوع در اوپن‌ای‌آی فوری بوده است. در یک دوره شش ماهه، استفاده داخلی شرکت از توکن‌های عامل‌محور (agentic token usage) تقریباً ۲۲ برابر افزایش یافته است.[2]

علاوه بر این، میانگین توکن‌های خروجی روزانه به ازای هر محقق فعال بیش از دو برابر شده است، که نشان می‌دهد عوامل هوش مصنوعی اکنون سهم عظیمی از کارهای روتین کدنویسی، آزمایش و ارزیابی را بر عهده دارند.[2]

اوپن‌ای‌آی در این گذار تنها نیست. آزمایشگاه رقیب، آنتروپیک (Anthropic)، اخیراً اشاره کرده است که مدل‌های کلود (Claude) آن اکنون کارهای تحقیقاتی افزایشی را بین تغییرات عمده پارادایم انجام می‌دهند، در حالی که مهندسان انسانی تنها مسئول درصد تک‌رقمی تصمیمات جهت‌دهنده هستند.[1]

با این حال، خودکارسازی حلقه تحقیقاتی چالش‌های مهندسی عمیق جدیدی را به وجود می‌آورد. سخت‌ترین بخش خودبهبودی بازگشتی این نیست که مدل را وادار به پیشنهاد تغییرات کنیم—مدل‌ها در تولید ایده‌ها عالی هستند.[4]

چالش واقعی این است که حلقه به اندازه‌ای قابل اعتماد باشد که تکرارهای مکرر به نویز، بازی با معیارها، یا خطاهای ترکیبی—پدیده‌ای که به عنوان فروپاشی مدل (model collapse) شناخته می‌شود—منجر نشود.[4]

یک سیستم بازگشتی معتبر نیازمند یک چارچوب اعتبارسنجی خودکار قوی است که در برابر بیش‌برازش (overfitting) مقاومت کند و به طور دقیق تعریف کند که هوش مصنوعی مجاز به تغییر و استقرار چه مواردی است.[4]

همانطور که مدل‌های هوش مصنوعی مکانیک ایجاد خود را به دست می‌گیرند، گلوگاه در توسعه هوش مصنوعی از محاسبات خام و داده‌های انسانی به کیفیت ارزیابی‌های خودکار تغییر می‌کند.[4]

خودبهبودی بازگشتی رسماً فرا رسیده است. این پدیده به صورت یک انفجار ناگهانی و غیرقابل کنترل هوش ظاهر نشد، بلکه به عنوان یک فرآیند مهندسی روشمند و ترکیبی که به آرامی سرعت کشف فناوری را برای سال‌های آینده تسریع خواهد کرد، نمایان شد.[5]