ג'ק קלארק מקדים את התחזית: AI שמשפר את עצמו עשוי להגיע כבר ב-2027
ג'ק קלארק, ממייסדי אנתרופיק, מעריך כעת שמערכות AI שמפתחות את היורשים של עצמן עשויות להיות אפשריות כבר ב-2027, ולא ב-2028 כפי שחשב קודם. הוא מסתמך בין השאר על TasteVal, מדד חדש של P-Zero Research שבודק עד כמה מודלים יודעים לתכנן ניסויים ולפרש את תוצאותיהם. לפי המדד, היכולת הזו הוכפלה בערך כל שלושה חודשים מאז דצמבר 2025.
ג'ק קלארק, ממייסדי אנתרופיק וכותב הניוזלטר Import AI, הקדים את התחזית שלו: לדבריו, recursive self-improvement (RSI), כלומר מצב שבו מערכות AI מפתחות בעצמן את הדור הבא שלהן, עשוי להיות אפשרי כבר ב-2027. עד עכשיו הוא העריך שזה יקרה ב-2028. את העדכון הוא מבסס בין השאר על מדד חדש בשם TasteVal, שפיתחה מעבדת המחקר P-Zero Research.
מה זה "טעם מחקרי"
P-Zero Research מגדירה "research taste" (טעם מחקרי) כשילוב של שלוש יכולות: לזהות אילו שאלות מחקר שוות את המאמץ, לתכנן ניסויים שיענו עליהן ולפרש נכון את התוצאות. TasteVal בודק רק את שתי היכולות האחרונות. את הבחירה בכיוון המחקר, שנחשבת לעיתים ללב האינטואיציה המדעית, המדד כבר עושה בשביל המודל.
המדד כולל שמונה משימות מעולם פיתוח מודלי AI, ולכל אחת יש מטרה קבועה וציון מדיד. המשימות עוסקות בבחירת נתוני אימון, ב-pretraining וב-fine-tuning של מודלי שפה, באימון על העדפות אנושיות ובהגנה מפני פרומפטים עוינים. המודל מחליט איזה ניסוי להריץ, ובוחר את הצעד הבא לפי התוצאות. כדי שיכולות התכנות של המודל לא ישפיעו על התוצאה, סוכן קוד קבוע מריץ את כל הניסויים על מעבד H100 יחיד של אנבידיה. כל ריצה נעצרת אחרי 40 שעות GPU או 120 שעות בזמן אמת.
המודל מול המומחים
קבוצת ההשוואה כללה 24 מומחים שעבדו לאחרונה במקומות כמו OpenAI, גוגל דיפמיינד, אנבידיה ומיקרוסופט ריסרץ'. על כל משימה עבדו לפחות שניים מהם, והניסיון האנושי הטוב ביותר בכל משימה שימש כרף.
את הטעם המחקרי המדד מתרגם ליעילות חישובית. ההיגיון הוא שכוח מחשוב לניסויים הוא משאב נדיר במחקר AI, ולכן מי שבוחר ניסויים טובים יותר ומפרש אותם נכון מתקדם יותר עם אותו תקציב. היחס הזה נקרא "compute multiplier": מודל שמגיע לציון של המומחים בחצי מכוח המחשוב מקבל ציון 2.
המודל המוביל, Opus 5.5 של אנתרופיק, הגיע ל-compute multiplier של 2.3. כלומר, הוא הגיע לציונים ברמת המומחים בפחות ממחצית מכוח המחשוב. עם זאת, טווח אי-הוודאות הסטטיסטי נע בין 1.15 ל-4.37, ובקצה התחתון שלו המודל כמעט לא מקדים את בני האדם. כל ריצה של המודל עלתה בערך שלושים פעמים פחות מניסיון ממוצע של מומחה.
עקומה שהתחילה להתלול
לפי P-Zero Research, ה-compute multiplier של המודלים המובילים הוכפל בערך כל שלושה חודשים מאז דצמבר 2025. גם כאן אי-הוודאות גדולה: זמן ההכפלה המדווח נע בין 1.7 ל-5.0 חודשים. בשנים הקודמות הקצב היה איטי בהרבה, והעקומה התלולה רק סביב המעבר מ-2025 ל-2026.
החוקרים עצמם מודים שהתוצאות עשויות להגזים בקצב השיפור. המשימות במדד נבדקות מהר ובזול, ואלה בדיוק המשימות שמעבדות AI מתקשות הכי פחות לבצע אופטימיזציה עבורן. בנוסף, קבוצת ההשוואה לא כללה חוקרים מהשורה הראשונה.
למה זה חשוב
קלארק טען לאורך זמן שיצירתיות היא הגורם שיקבע כמה מהר מערכות AI יוכלו לשפר את עצמן. מוקדם יותר השנה הוא כתב שמודלים עוד לא הפגינו יכולת כזו בהיקף פורץ דרך. כעת הוא מצביע על התקדמות בפריצות דרך מתמטיות ועל מדדים כמו TasteVal כסימנים לשינוי. במאמר ארוך שפרסם במאי הוא היה זהיר יותר: הוא העריך בכ-60% את הסיכוי שעד סוף 2028 תהיה מערכת שמאמנת בעצמה יורש חזק ממנה, וב-30% את הסיכוי שזה יקרה עד 2027.
המדד לא מוכיח ש-AI כבר משפר את עצמו, כי הוא מודד רק חלק צר מהעבודה המדעית. מה שהוא כן מראה, ככל הנראה, הוא לאן הדיון זז: פחות ביצועים גולמיים של מודלים, ויותר השאלה כמה עבודת מחקר עצמאית מודלי שפה מסוגלים לקחת על עצמם. כדאי לזכור גם שהתחזית מגיעה ממייסד-שותף של אנתרופיק, ושהמודל שהוביל במדד הוא של החברה שלו. זה לא פוסל את הנתונים, אבל זו סיבה טובה לקרוא אותם בזהירות, במיוחד לצד טווחי אי-הוודאות הרחבים שהחוקרים עצמם מפרסמים.