Известный исследователь в области искусственного интеллекта и бывший руководитель AI-направления Tesla Андрей Карпатый представил экспериментальную систему, которая позволяет автономным агентам искусственного интеллекта самостоятельно проводить большое количество научных тестов. Новая концепция автоматизированного исследования фактически превращает нейросети в независимых помощников, способных формулировать гипотезы, изменять код и запускать серию проверок без участия человека.
В основе подхода лежит идея так называемого «автоматического научного цикла». Программа анализирует исходный код модели машинного обучения, затем предлагает возможные изменения или оптимизации. После этого система сама компилирует обновлённую версию, проводит тестирование и сравнивает полученные результаты с предыдущими показателями производительности.
По словам Карпатого, за один цикл работы такие агенты способны провести десятки или даже сотни экспериментов. В ряде тестов система выполнила более 100 последовательных запусков, автоматически проверяя разные конфигурации и гипотезы. Это позволяет значительно ускорить процесс разработки и оптимизации нейросетевых моделей.
В качестве демонстрации разработчик показал, как ИИ-агент может модифицировать код популярного фреймворка машинного обучения PyTorch. Алгоритм анализировал возможные способы ускорения вычислений, генерировал альтернативные варианты реализации и проверял их в реальных тестах. После серии запусков система выбрала наиболее эффективные изменения.
Подобный подход способен существенно изменить традиционный процесс исследований в области искусственного интеллекта. Обычно разработчикам приходится вручную проверять множество гипотез и запускать большое количество тестов, что занимает значительное время. Автоматизация этого процесса позволяет выполнять ту же работу значительно быстрее, причём даже тогда, когда специалисты не работают - например, ночью.
Эксперты отмечают, что развитие автономных исследовательских агентов может привести к появлению новой категории инструментов для разработки программного обеспечения и научных проектов. В перспективе такие системы смогут не только оптимизировать существующие модели, но и самостоятельно искать новые архитектуры нейросетей.
Хотя проект пока остаётся экспериментальным, он уже демонстрирует, насколько быстро развивается направление автоматизации исследований в области искусственного интеллекта. Если подобные технологии получат дальнейшее развитие, в будущем ИИ-агенты смогут выполнять значительную часть рутинной исследовательской работы, ускоряя создание новых алгоритмов и вычислительных решений.
12.03.2026