Gemini a ajuns să participe la dezvoltarea propriilor succesori, alături de cercetătorii Google, după cum explică Sergey Brin într-o discuție publicată pe canalul Google for Developers. Cofondatorul companiei spune că echipele și modelele AI lucrează împreună la generațiile următoare, iar versiunile folosite intern sunt deja înaintea celor disponibile publicului.
Declarația apare în prezentarea dedicată Gemini 4 Argon și aduce în discuție un termen pe care probabil îl vom auzi tot mai des: autoîmbunătățirea recursivă, prescurtat RSI. Ideea este că un model contribuie la construirea unuia mai capabil, care poate ajuta, la rândul său, la dezvoltarea următoarei generații. Fiecare etapă ar putea accelera munca pentru cea care urmează.
Google folosește deja AI-ul pentru lucruri concrete: agenții urmăresc sesiunile de antrenare, semnalează configurări greșite, caută date duplicate și propun remedieri pentru erori de cod. Este o continuare a direcției discutate și la prezentarea instrumentelor Gemini pentru programare, aplicată acum chiar în laboratorul care construiește modelele.
Cât de independent lucrează însă AI-ul? Raportul de siguranță Google DeepMind pentru Gemini 4 Argon oferă câteva repere utile:
- 11,9% dintre propunerile de modificare a codului erau complet delegate AI-ului în septembrie, față de 7,5% în aprilie;
- Aproximativ 88% necesitau în continuare intervenții umane, fie prin instrucțiuni repetate, fie prin cod scris de programatori;
- Argon rezolvă circa jumătate dintre sarcinile unui test intern de cercetare și dezvoltare AI, mult sub nivelul necesar automatizării complete.
Aici se vede diferența dintre a scrie mult cod și a conduce cercetarea. Programul poate găsi un bug sau poate implementa o soluție, dar cineva trebuie să aleagă experimentul potrivit și să înțeleagă de ce antrenarea unui model a început să dea rezultate slabe. Raportul spune că oamenii rămân esențiali tocmai în aceste etape.
Mai mult, analiza Google, construită pe 92 de benchmark-uri, nu identifică încă o accelerare semnificativă statistic a progresului general al modelelor. Argon depășește tendința anterioară, însă autorii consideră că explicația probabilă ține de investiții și de puterea de calcul suplimentară.
Pentru mine, cifra relevantă este acel 11,9%: arată cât din muncă poate fi delegat integral, dincolo de volumul de cod generat. După agenții Google pregătiți să execute sarcini pentru utilizatori, vedem aceeași abordare aplicată dezvoltării AI. În procesul descris de DeepMind, modificările de cod trec în continuare prin verificarea unui om înainte de a fi integrate.
