AI өөрийгөө кодлоод эхэллээ: Anthropic-ийн нийт кодын 80%-ийг Claude бичиж, бүтээмж 8 дахин өсжээ
Хиймэл оюун ухааны салбарт олон арван жилийн турш онолын түвшинд яригдаж ирсэн хамгийн том төсөөлөл бол "Recursive Self-Improvement" буюу AI өөрөө өөрийнхөө дараагийн үеийг сайжруулан бүтээх үзэгдэл байв. Ихэнх судлаачид үүнийг хараахан хол байгаа ирээдүй гэж үзэж байсан бол Claude загварыг хөгжүүлэгч Anthropic компани саяхан "When AI Builds Itself" нэртэй тайлангаа нийтэлж, энэхүү үйл явц бодит практикт хэдийнэ эхэлснийг баримтаар дэлгэлээ.
Anthropic-ийн мэдээлснээр тэдний инженерүүд гараар код бичихээ бараг больж, ажлынхаа ихэнх хэсгийг AI системүүдэд даатгаж эхэлжээ.
80% код, 8 дахин өссөн бүтээмж: Anthropic-ийн дотоод тоо баримт
Anthropic-ийн үүсгэн байгуулагчдын нэг Жак Кларк (Jack Clark) хэдэн сарын чөлөөний дараа ажилдаа эргэн ирэхдээ оффисын инженерүүдийн ажлын хэв маяг бүрэн өөрчлөгдсөнийг харсан байна. Инженерүүд IDE дээр мөр мөрөөр код шивэхийн оронд зэрэгцээ 5–6 Claude агентыг удирдаж, агентууд нь цааш өөр дэд агентуудыг ажиллуулж байв.
Anthropic-ийн дэлгэсэн дотоод статистик үзүүлэлтүүдээс дурдвал:
- Кодын 80 гаруй хувийг AI үүсгэж байна: Компанийн үндсэн репозиторид нийлүүлэгдэж буй (merged PR) нийт кодын 80 гаруй хувийг Claude өөрөө бичжээ.
- Инженер тутмын гаралт 8 дахин өссөн: Инженерүүдийн нэг улиралд хийж гүйцэтгэж буй ажлын хэмжээ болон хүргүүлж буй кодын бүтээмж өмнөх үетэй (2021–2025 он) харьцуулахад дунджаар 8 дахин нэмэгдсэн байна.
- Хүний хүч хүрэхгүй ажлууд хийгдэж эхлэв: AI туслахууд идэвхтэй ажилласнаар өмнө нь цаг хүрэлцэхгүйгээс хойшлогддог байсан дэд бүтцийн цэвэрлэгээ (refactoring), туршилтын дотоод хэрэгслүүд, цогц тестүүдийг бүрэн хийж амжуулдаг болжээ.
Бодит кейс: AI сургалтын кластерийн алдааг 2 цагт шийдвэрлэсэн нь
AI код үүсгэхээс гадна системийн нарийн түвшний дибаг хийх чадварт хүрснийг нэгэн бодит жишээ харуулж байна.
Anthropic-ийн загваруудыг сургаж байсан кластер дээр томоохон шинэчлэлтийн дараа олон арван мянган сургалтын процесс (training jobs) гэнэт унаж эхэлжээ. Асуудлын шалтгаан тодорхойгүй, дэд бүтэц асар том байв. Инженер уг асуудлын мэдээлэл болон кластерийн хандалтыг Claude-д өгчээ.
Claude ажиллаж буй ажлуудын логуудыг шинжлэн, орчны тохиргоо бүрийг шалгаж үзсэний эцэст системийг унагаж байсан нуугдмал нэгэн дибаг флагийг (obscure debugging flag) бие даан илрүүлж, асуудлыг дахин үүсгэж баталгаажуулан, шаардлагатай засварыг (fix) оруулсан байна. Хүний инженерийн баг 2-оос 3 хоног зарцуулах байсан энэ даалгаврыг AI ердөө 2 цагийн дотор бүрэн шийдвэрлэжээ.
AI өөрөө дараагийн AI-г сургаж буй "Рекурсив эргэлт"
Энэ тайлангийн хамгийн чухал хэсэг нь ердийн код бичих хурдасгуур биш, харин AI дараагийн үеийн загваруудынхаа сургалт, судалгаанд шууд оролцож байгаа явдал юм.
- Судалгааны автоматжуулалт: Claude-ийн тусгай агентууд шинэ гиперпараметрүүдийг тестлэх, өгөгдөл цэвэрлэх, сургалтын алгоритмын үр дүнг үнэлэх зэрэг машин сургалтын гол судалгааны үе шатуудыг өөрсдөө гардан гүйцэтгэж байна.
- Аюулгүй байдлын цоорхойг AI-аар нөхөх: Anthropic-ийн туршилтаар Claude агентууд 18,000 ам.долларын тооцооллын хүчин чадал зарцуулан, загварын аюулгүй байдлын цоорхойн 97%-ийг бие даан илрүүлж, аюулгүй түвшинд хүргэж зассан байна.
- Хурдассан хувьсал: Загвар сайжрах тусам өөрийн дараагийн хувилбарыг илүү ухаалгаар боловсруулах боломж бүрдэж байгаа нь хөгжүүлэлтийн циклийг сараас долоо хоног, өдрүүд рүү шахаж эхэлжээ.
Хөгжүүлэгч бидэнд юуг сануулж байна вэ?
Энэхүү шилжилт нь зөвхөн хиймэл оюун судалдаг лабораториудаар хязгаарлагдахгүй. Программ хангамжийн инженерүүдийн үүрэг үндсээрээ хувьсан өөрчлөгдөж буйг харуулж байна.
- Кодер биш, Системийн архитектор ба Агент менежер: Инженерүүдийн гол ажил нь код бичихээс илүүтэйгээр зорилго тодорхойлох, асуудлын хүрээг зурах, олон агентын ажиллагааг зохицуулах (agent orchestration), болон гарсан үр дүнг архитектурын хувьд баталгаажуулахад чиглэгдэж байна.
- Хяналт алдагдах эрсдэл: Anthropic-ийн сануулж буйгаар, AI системүүд бие даан сайжирч эхлэх үед тэдгээрийн шийдвэр гаргах логик, кодын бүтэц нь хүний ойлгох хурднаас давах (intelligence explosion) эрсдэлтэй. Тиймээс автоматжуулалтын зэрэгцээ аюулгүй байдлын шалгалт, хяналтын механизм (governance & verification) бүр ч чухал болж байна.
Хөгжүүлэгчийн бүтээмж 8 дахин өснө гэдэг бол ажлын байр алга болох тухай биш, харин өмнө нь 10 хүнтэй багийн жилийн турш хийдэг байсан төслийг нэг инженер бие даан бүтээх тийм эрин үе эхэлж буйг илтгэж байна.
Эх сурвалж: Anthropic Research: "When AI builds itself"
Сэтгэгдэл
Ачаалж байна...