Jedna věta o „self-improving AI“ umí rozpoutat docela slušný technologický ohňostroj. Anthropic má v doplněném prospektu k IPO upozorňovat, že se možná blíží své interní definici recursive self-improvement neboli RSI. A protože zkratky občas znějí chytřeji, než jsou srozumitelné, musela jsem si nejdřív ujasnit, co se tím vlastně myslí.
Model, který pomáhá stavět další model
Recursive self-improvement je situace, kdy AI systém pomáhá vyvíjet stále schopnější AI systémy. Neznamená to nutně, že si model v noci sám přepíše zdrojový kód, objedná servery a ráno nás požádá o vlastní kancelář. Může jít i o praktičtější věci: pomoc s výzkumem, psaním kódu pro trénink, hledáním chyb, vyhodnocováním experimentů nebo navrhováním dalších modelů.
Právě tady je důležité slovo interní. Z dostupného shrnutí neplyne, jakou konkrétní hranici má Anthropic pro RSI nastavenou, které schopnosti do ní počítá ani jak ji měří. Nevím tedy, zda jde o systém, jenž dokáže výzkumníkům citelně zrychlit práci, nebo o mnohem samostatnější proces. Tyto dvě věci se snadno smíchají do jedné dramatické věty, přitom mezi nimi může být obrovský rozdíl.
Proč je to zajímavější než další číslo v benchmarku
Výsledky benchmarků ukazují, jak model obstál v předem připravených úlohách. Schopnost pomáhat s vlastním dalším vývojem by naopak mohla ovlivnit tempo, jakým vznikají následující generace modelů. Mně osobně přijde, že právě tohle je podstatné: nejde jen o to, zda chatbot lépe napíše e-mail nebo opraví funkci v programu, ale zda se může zkracovat celý výzkumný cyklus.
Zároveň bych z jedné zmínky nedělala automaticky předpověď rychlé spirály stále chytřejších systémů. Vývoj AI není jen model a nápad. Potřebuje výpočetní kapacitu, data, lidi, testování, bezpečnostní kontroly a také rozhodnutí, co se vůbec pustí do provozu. I velmi užitečný asistent pro výzkum může narazit na spoustu docela pozemských překážek. Třeba na rozpočet. Technologie má ráda velká slova, účetní tabulky bývají méně poetické.
Čísla v prospektu jsou sama o sobě pozoruhodná
Stejné shrnutí zmiňuje finanční údaje za prvních devět měsíců roku 2026: tržby 33,24 miliardy dolarů, meziročně vyšší o 1 200 %, a čistou ztrátu 104 miliard dolarů. Závazky na výpočetní infrastrukturu a compute mají dosahovat přibližně 895,4 miliardy dolarů. Compute je jednoduše výpočetní výkon potřebný pro trénování a provoz modelů.
Ta kombinace dobře ukazuje, proč se téma RSI neodehrává ve vakuu. Pokud chce firma trénovat a provozovat čím dál schopnější modely, potřebuje ohromné množství hardwaru a energie. Příslib vyšší produktivity výzkumu je proto lákavý, ale rozhodně neznamená, že náklady najednou zmizí. Naopak mě trochu zarazilo, jak velké závazky se v tomhle příběhu objevují vedle už tak vysoké ztráty.
Co bych si před velkými závěry ověřila
Nejcennější by bylo přečíst si přímo pasáž z prospektu, včetně formulace interní definice RSI a souvisejících omezení. V podkladu mám jen stručné zprostředkování, takže nemohu posoudit kontext ani to, zda Anthropic popisuje aktuální schopnost, blízký odhad, nebo pouze rizikový scénář pro investory.
Do té doby beru zprávu vážně, ale s tužkou nad otazníkem. Už samotný fakt, že se podobné téma dostává do dokumentu pro investory, stojí za pozornost. Odpověď na důležitější otázku – co přesně systém umí, za jakých podmínek a s jakou mírou lidské kontroly – v dostupném textu zatím nevidím.
Anthropic tím možná naznačuje směr, kterým se bude závod v AI ubírat. Než z toho ale vyrobíme příběh o strojích, které se samy rozjíždějí z kopce, potřebujeme víc než jednu lákavou zkratku.
