Darwin Gödel Machine: саморазвивающийся ИИ

Darwin Gödel Machine (DGM) представляет собой первую в мире полностью автономную систему искусственного интеллекта, способную к непрерывному саморазвитию путём переписывания собственного кода (ну, это пока еще громко сказано. так что уточняю: это не мои слова, а слова разработчиков системы). Разработка японского стартапа Sakana AI в сотрудничестве с Университетом Британской Колумбии объединяет принципы дарвиновской эволюции с теоретическими основами машины Гёделя.

Концепция машины Гёделя была предложена Юргеном Шмидхубером в 2003 году как самосовершенствующаяся система ИИ. Классическая машина Гёделя требует математического доказательства полезности каждого изменения, что делает её практически нереализуемой. Darwin Gödel Machine решает эту проблему, заменяя формальные доказательства эмпирической валидацией через эволюционные принципы.

DGM построена на шести ключевых компонентах: базовая модель (GPT-4, Claude 3.5 Sonnet), механизм самомодификации кода на Python, архив агентов с открытым поиском, эмпирическая валидация через бенчмарки SWE-bench и Polyglot, эволюционный поиск и механизмы безопасности. Все эксперименты проводятся в изолированной песочнице под человеческим надзором.

Система начинает с исходного агента-программиста, который модифицирует собственный код Python. Новые версии оцениваются на бенчмарках программирования, успешные агенты добавляются в постоянно расширяющийся архив. Система сама выбирает из архива и создаёт новые версии агентов, формируя растущее дерево разнообразных решений от разных агентов.

На бенчмарке SWE-bench DGM самостоятельно улучшила свою производительность с 20,0% до 50,0%, на Polyglot — с 14,2% до 30,7%.

Интересный факт: DGM продемонстрировала попытки обмана системы оценки, включая создание поддельных журналов тестирования и удаление маркеров обнаружения галлюцинаций. Так что за ними глаз да глаз.

Ух, не знаю, звучит это все как предсказания из AGI2027 - оно точно выйдет из-под контроля, я хз, как это возможно контролировать. Но если мыслить в позитивном ключе - DGM, конечно, открывает мощные перспективы для ускорения научного прогресса человечества

Статья на англ

Оригинальный paper

• • • • • • • • • • • •

🐈 Поставил реакцию = погладил котика

❓ Гид по каналу

✨ #ии

☕ Под утренний кофе

• • • • • • • • • • • •

1) Вышло крутое обновление для Google Gemini 2.5 pro

Гугл опять обновили свою топовую модель, сегодня у меня выходной, так что сделаю большой разбор, прямо сейчас напишу пост и пойду тестить. А так вообще, по первым прикидкам - очень и очень хорошо, опять топ и опять обогнала всех)

Ну, мы-то знаем, что это ненадолго, максимум, на месяц ))

На Last Humanities Exam (самый сложный бенчмарк) набрала 21,6%. Это абсолютный рекорд.

Помню, как я несколько месяцев назад хейтил гугл за то, что они отстают. А сейчас они наравне или даже впереди остальных.

Кстати, уже доступна в Cursor и в Google AI Studio.

• • • • • • • • • • • •

2) Компания-стартап Weaverobotics анонсировали железную домохойзяку(или домохозяина?) Isaac

Наконец-то годный робот-уборщик. Вроде как даже об углы не стукается и адекватно вещи раскладывает. Пилот запускается в 2025, массовый запуск - в 2026. Видео с источника - в шапке.

Источник

• • • • • • • • • • • •

3) Amazon учит роботов доставлять посылки

Amazon, уже роботизировавшая свои склады, теперь взялась за автоматизацию доставки. Компания готовит к тестам человекоподобных роботов-курьеров. Специально для них разрабатывается ИИ-софт, который позволит роботам, к примеру, самостоятельно садиться в фургоны Rivian и выходить из них. Это часть большого плана по полной автоматизации, который в будущем может оставить курьеров-людей без работы.

Роботы везде)

Источник

• • • • • • • • • • • •

🐈 Поставил реакцию = погладил котика

❓ Гид по каналу

✨ #подутреннийкофе #новости

Новая модель от Google - Gemini 2.5 Pro (06-05)

Вчера (5 июня) Google представила обновление для своей Gemini 2.5 Pro - упор сделан на программирование и разработку, чисто конкурент для Claude Sonnet 4 и Claude Opus 4. Это "мыслящая модель" с пошаговым рассуждением и большущим контекстным окном в 1 миллион токенов, что идеально подходит для работы со средними и большими кодовыми базами. Она превосходит всех конкурентов (включая o3 от openai и claude opus 4!) почти во всех бенчах (детали в картинке в шапке).

Моделька мультимодальная. Способна генерировать полнофункциональные веб-приложения с нуля, а также проводить глубокий анализ, рефакторинг и оптимизацию существующего кода в многофайловых проектах. Я попробовал ее на своих проектах - пока нравится. Главное, что работает быстро очень, для меня это важно.

Стандартный мой тест - анимацию костра на голом html/css - сделала на 8/10 - лучше только Claude Sonnet 3.7 делал. Другие пока отстают.

Модель уже доступна в Cursor и других инструментах типа Replit.

У Google в планах расширить контекстное окно до 2 миллионов токенов. Вообще, учитывая недавний релиз курсора, где модельки запоминают детали проекта в отдельной памяти - текущая Gemini 2.5 pro уже не только маленькие, но и средние по размеру проекты может в себя всосать и нормально так рефачить и работать над ними. Мне понравилось.

С текстом тоже работать стала лучше - потому что после майского обновления пользоваться гемини стало невозможно - та моделька слишком многословна и была и лизоблюдила. Со вчерашним обновлением все пофиксилось - и все круто.

В сравнении с DeepSeek R1 - кажется, что примерно одинаковы по рассуждениям. При этом кодит гемини явно сильно лучше. И она быстрее, чем R1.

В общем, у гугла теперь с моделькой опять полный порядок, хейтить их теперь на за что. Вроде как.

А, и самое важное-то забыл. Она набрала аж 21,6% на Humanities Last Exam. А это вам не хоть бы хны. Про этот бенчмарк я писал тут

Очень и очень советую тоже потыкать. Вам понравится. Доступна полностью бесплатно в Google AI Studio

• • • • • • • • • • • •

🐈 Поставил реакцию = погладил котика

❓ Гид по каналу

✨ #ии