Gdy kod pisze się sam. AutoTTS projektuje oszczędniejszą AI za 40 dolarów

Czterdzieści dolarów i niecałe trzy godziny pracy procesora. Tyle wystarczyło, by agent AI Claude Code samodzielnie stworzył algorytmy optymalizacyjne, które biją na głowę efekty pracy ludzkich inżynierów. Zespół badawczy z Google, Mety i czołowych amerykańskich uczelni zaprezentował system AutoTTS, w którym maszyna nie tylko rozwiązuje zadania, ale projektuje samą logikę sterującą procesem myślowym modeli językowych.

Publikacja pojawia się w krytycznym momencie dla branży. Podczas gdy OpenAI czy Google wprowadzają coraz cięższe modele, koszty ich utrzymania i presja na efektywność energetyczną rosną. AutoTTS wpisuje się w trend automatyzacji projektowania sztucznej inteligencji, gdzie człowiek przestaje być głównym architektem kodu, a staje się jedynie twórcą środowiska, w którym AI ewoluuje. To realna zmiana w ekonomice wdrażania LLM-ów, bezpośrednio uderzająca w wysokie koszty wnioskowania.

Koniec ręcznego ustawiania parametrów

Tradycyjne podejście do skalowania modeli w czasie wnioskowania (test-time scaling) opiera się na prostym założeniu: im trudniejszy problem, tym dłużej AI powinna nad nim pracować. Do tej pory to ludzie pisali sztywne reguły określające, kiedy model ma przestać szukać rozwiązania, a kiedy pogłębić wątek. AutoTTS odcina inżynierów od klawiatury. Badacze zamiast instrukcji stworzyli symulowaną piaskownicę, w której Claude Code testował tysiące wariantów algorytmów bez uruchamiania kosztownego modelu przy każdej próbie.

Algorytmiczna elegancja nieosiągalna dla ludzi

Efektem pracy agenta jest kod dynamicznie zarządzający zasobami. W testach na benchmarku matematycznym AIME odkryty algorytm utrzymał wysoką dokładność, redukując zużycie tokenów o 70 procent w porównaniu do standardowej metody self-consistency. Program stworzony przez sztuczną inteligencję wykazuje się specyficzną intuicją: monitoruje pewność modelu w czasie rzeczywistym. Jeśli szansa na błąd maleje, system natychmiast ucina zbędne obliczenia. Gdy pewność się waha, otwiera nowe ścieżki badawcze. Autorzy przyznają, że tak precyzyjna koordynacja progów decyzyjnych jest dla człowieka niemal niemożliwa do zaprojektowania ręcznie.

Nowa rola badacza AI

Sukces AutoTTS sygnalizuje zmianę w metodologii badawczej. Rola inżyniera przesuwa się z pisania konkretnych instrukcji w stronę projektowania ekosystemów, w których rozwiązania mogą powstawać same. Choć obecna wersja systemu skupia się na balansie między liczbą równoległych ścieżek rozumowania a ich długością, potencjał automatycznego odkrywania struktur logicznych jest ogromny. W optymalizacji systemów autonomicznych najsłabszym ogniwem staje się nasza własna wyobraźnia i ograniczona zdolność do przetwarzania tysięcy zmiennych jednocześnie.