Debatu rozproudil příspěvek účtu SciTechera na síti X. Dává do souvislosti rychlé vydávání modelů Gemini Flash, neověřený údaj o interní konfiguraci „RSI Model LiveRL LE“ a spekulace o dalším velkém modelu Googlu. Jádro příběhu je přitom reálné: Google skutečně popsal zpětnovazební agentní smyčky při vývoji Gemini 3.8 Flash. Z veřejně dostupných podkladů ale neplyne, že by firma dosáhla autonomního sebezdokonalování AI v silném smyslu tohoto pojmu.
Co Google skutečně oznámil
Google 2. září představil Gemini 3.8 Flash a bezpečnostní variantu 3.8 Flash Cyber. V oznámení stojí, že oba modely urychlily dlouhotrvající agentní smyčky navržené tak, aby „rekurzivně vyhodnocovaly a zpřesňovaly“ základní modely. Google zároveň uvádí, že zlepšení v programování a vícekrokovém uvažování vzniklo kombinací těchto smyček a tréninku v náročné oblasti kybernetické bezpečnosti.
To je konkrétnější sdělení než obvyklá věta o „lepším tréninku“. Neznamená však, že si model bez lidského zadání sám stanovuje výzkumné cíle, mění vlastní architekturu a bezpečně nasazuje každou další generaci. Ve veřejném oznámení Google nepopisuje přesné uspořádání smyček, rozsah lidského dohledu, počet iterací ani to, zda zasahují do trénovacích dat, odměnového modelu, nástrojů nebo samotné architektury Gemini.
RSI není jen další název pro automatické hodnocení
Zkratka RSI, tedy recursive self-improvement, se v debatě o AI používá pro systém, který pomáhá zlepšovat své vlastní schopnosti a díky lepším schopnostem dokáže zrychlovat další kolo zlepšování. V nejsilnější podobě by takový proces mohl nabírat tempo bez obdobně rostoucí lidské práce. Právě proto je to pro výzkum bezpečnosti AI citlivé téma.
Agentní smyčka s automatickým hodnotitelem je užitečný, ale užší princip. Model může navrhnout více řešení, software je spustí, měřicí systém vybere přesnější nebo rychlejší variantu a další kolo vychází z úspěšných pokusů. Takový postup funguje zvlášť dobře tam, kde lze výsledek objektivně ověřit: zda kód projde testy, algoritmus spotřebuje méně výpočtů nebo návrh splní přesně dané podmínky.
Google DeepMind podobný přístup veřejně ukázal už u AlphaEvolve. Tento agent kombinuje návrhy jazykových modelů s automatickými hodnotiteli a evolučním výběrem. Podle Googlu se jeho výsledky uplatnily v datových centrech, návrhu hardwaru a optimalizaci tréninku AI. Firma uvádí, že zrychlení jednoho klíčového výpočetního jádra o 23 % zkrátilo trénink Gemini přibližně o 1 %.
To je významný příklad, kdy AI pomáhá zlevnit nebo zrychlit infrastrukturu pro další AI. Stále ale nejde o veřejný důkaz obecného systému, jenž by se autonomně zlepšoval napříč výzkumem modelů. AlphaEvolve řeší úlohy s měřitelným kritériem úspěchu; Google také nepublikoval tvrzení, že by tímto způsobem vznikla kompletní nová generace Gemini.
Proč rychlé vydávání Flash modelů samo nestačí
Gemini 3.8 Flash přišel tři týdny po verzi 3.7 Flash a byl třetí verzí Flash během šesti týdnů. To je nápadné tempo, nikoli důkaz jeho příčiny. Rychlý sled vydání může vycházet z průběžného tréninku, předem připravených variant, sdíleného základu modelů, efektivnější infrastruktury i z rozhodnutí oddělit veřejné uvedení jednotlivých funkcí.
Google pro Gemini 3.8 Flash zveřejnil jasněji ověřitelné parametry: model má v API kontext až 1 048 576 vstupních tokenů, podporuje nástroje včetně spouštění kódu a vyhledávání v souborech a v náročných úlohách může dělat více kroků uvažování i opakovaně volat nástroje. Dokumentace potvrzuje také cenu 0,75 USD za milion vstupních tokenů a 3,75 USD za milion výstupních tokenů. U složitého agenta proto nižší cena za token automaticky neznamená levnější dokončený úkol.
Google uvádí 54,9 % v HLE-Verified a silné výsledky v programování; tato čísla jsou výsledky prezentované výrobcem. Pro české firmy je užitečnější ověřit model na vlastním repozitáři, interních dokumentech a limitech nákladů než vyvozovat schopnost RSI z frekvence tiskových oznámení.
Údajný „RSI Model LiveRL LE“ není potvrzený produkt
Označení „RSI Model LiveRL LE“ se objevuje v kolujícím tvrzení, nikoli v dohledané veřejné dokumentaci Googlu nebo Google DeepMind. Je možné, že jde o interní název experimentu, zkratku vytrženou z technického nastavení nebo neověřitelný materiál. Bez původního dokumentu, jeho původu a nezávislého potvrzení z něj nelze vyvozovat existenci produktu ani stav vývoje Gemini 4.
Stejně opatrně je potřeba číst výroky připisované Sergeyi Brinovi či zdroji označenému jako Lyra. Pokud nejsou k dispozici původní záznam, přesná citace a datum, nejsou tyto výroky spolehlivým podkladem pro tvrzení o strategii Googlu. Veřejné materiály ověřené pro tento článek potvrzují agentní optimalizaci a využití AI při výpočetním výzkumu, nikoli oznámený autonomní RSI program nebo termín vydání Gemini 4.
Nejzajímavější věta Googlu tak není potvrzením tajného projektu, ale veřejným náznakem směru. Pokud se agentní smyčky podaří spolehlivě škálovat, mohou zkrátit cyklus mezi experimentem a lepším modelem. O tom, zda jde o skutečný RSI, ale rozhodnou až reprodukovatelné technické podklady a nezávisle posouditelné výsledky, ne únik konfiguračního názvu na sociální síti.
