Özyinelemeli Öz-Gelişim: Google'ın Dream-RSI Makalesi Gerçekte Ne Yapıyor?

Özyinelemeli öz-gelişim (Recursive Self-Improvement - RSI), bir yapay zekanın kendini daha akıllı hale getirmesi ve ardından bu daha akıllı sürümü kullanarak süreci tekrarlaması fikridir. Google araştırmacılarının yayımladığı "Dream-RSI: Recursive Self-Improvement through Evolving Worlds" başlıklı makalenin ardından X platformunda Google'ın bu sorunu "çözdüğü" öne sürüldü. 36 sayfalık makale incelendiğinde; döngünün gerçek ve ölçülen verimlilik kazanımlarının somut olduğu görülüyor, ancak çalışmanın bütününde modelin ağırlıkları asla değişmiyor.

TL;DR

• Kavram: 1965'te I. J. Good'dan bu yana RSI, bir sistemin her adımda kendi zekasını geliştirmesi anlamına gelmektedir. Yapay zeka güvenliğinde ise modelin kendi kodunu ya da ağırlıklarını yeniden yazması demektir.
• Makale: Dream-RSI, dondurulmuş (frozen) bir Gemini kodlama ajanının hangi fikirleri keşfedeceğine karar veren küçük bir Python programı olan "arama politikasını" (search policy) optimize eder. Kodlayıcı, değerlendirici ve politika yeniden yazıcı modellerin tümü sabittir.
• Manşet Rakamı: Lasso çözücü görevinde, daha hızlı bir sonuç (3,59 saniyeye karşı 2,93 saniye) için 550 yerine 317 Gemini çağrısı yapılmıştır. Bu, %42 daha az çağrı anlamına gelir; zeka patlamasından ziyade bir maliyet indirimidir.
• Beraberlik: Daire paketleme (circle packing) probleminde elde edilen 2.635983 skoru, AlphaEvolve V2'nin 2025'te altı ondalık basamağa kadar kaydettiği skorla birebir aynıdır.
• Bir Sonraki "RSI" Makalesini Okurken: Hangi nesnenin değiştiğini, hangi bileşenlerin dondurulduğunu ve manşetteki sayının neyin birimi olduğunu sorgulayın.

Özyinelemeli Öz-Gelişim Nedir?

Bu fikir yapay zeka donanımlarından bile eskidir. 1965'te Bletchley Park'ta Turing ile çalışmış istatistikçi I. J. Good, ultra zeki bir makinenin daha iyi makineler tasarlayabileceğini ve bunun bir "zeka patlamasına" yol açacağını yazmıştır. Good, makinenin kontrol altında tutulabilecek kadar uysal olması durumunda insanın yapması gereken son icat olacağını belirtmiştir. 2008'de Eliezer Yudkowsky, bu kavramı güvenlik topluluğunun halen kullandığı çerçeveye oturttu: Kendi kaynak kodunu veya ağırlıklarını güncelleyen tohum yapay zeka (seed AI). Burada kritik ilke şudur: Gelişen şey, geliştirme eylemini yapan şeyin ta kendisi olmalıdır. Süreci özyinelemeli kılan unsur tam olarak budur.

AlphaEvolve'dan Dream-RSI'a

Mayıs 2025'te duyurulan AlphaEvolve, evrimsel bir döngüde çalışan Gemini destekli bir kodlama ajanıydı: Program öner, otomatik değerlendiriciyle puanla, en iyileri sakla ve mutasyona uğrat. Bu yöntem 4×4 karmaşık matris çarpımında Strassen algoritmasını geride bıraktı, Google'ın Borg küme yöneticisinde %0,7 bilgi işlem tasarrufu sağladı ve Gemini'nin eğitim çekirdeğini %23 hızlandırarak toplam eğitim süresini %1 kısalttı. Ancak model yine sabitti; evrimleşen şey yazdığı programlardı. Dream-RSI ise bu döngünün üzerine dondurulmuş modellerle çalışan bir arama politikası katmanı eklemektedir.

Geliştiriciler İçin Pratik Çıkarımlar

Yazılım geliştiriciler ve ajan mimarileri inşa eden mühendisler için bu makale önemli bir ders sunuyor: Model ağırlıklarını yeniden eğitmeden de arama alanını ve karar mekanizmalarını küçük Python politikalarıyla evrimleştirerek %42'ye varan API çağrısı tasarrufu sağlanabilir. Ajan döngülerinde keşif adımlarını yönlendiren meta-politikalar geliştirmek, pratik optimizasyonun anahtarıdır.

Orijinal kaynağa buradan ulaşabilirsiniz.