Google-ის ინჟინერი: თვითგაუმჯობესებადი AI ჯერ შორსაა, მიუხედავად ავტომატიზაციის წინსვლისა

Google-ის ინჟინერი ჰეიდნ ბელფილდი ამბობს, რომ თვითგაუმჯობესებადი AI ჯერ შორსაა, მიუხედავად იმისა, რომ კომპანიის შიგნით მნიშვნელოვანი ავტომატიზაცია უკვე მკვიდრდება. ბელფილდის თქმით, Google DeepMind-ს AI-ის მიერ გამოწვეული AI კვლევის გაზომვადი დაჩქარება არ უნახავს.

ავტომატიზაცია იზრდება, მაგრამ ადამიანები კვლავ ჩართულნი რჩებიან

ბელფილდის თქმით, Google-ში AI ახლა პროდაქშენ კოდის 75%-ზე მეტს წერს. თუმცა კოდის ცვლილებების დაახლოებით 88% მაინც ადამიანის ზედამხედველობას ან შემოწმებას საჭიროებს, და ყოველ ცვლილებას გაგზავნამდე ადამიანი ამოწმებს. სრულად AI-ზე დელეგირებული კოდის ცვლილებების წილი 7,5-დან 11,9 პროცენტამდე გაიზარდა, და რაც უფრო რთული და დროის მომთხოვნი ხდება ამოცანა, მით ნაკლებია ალბათობა, რომ AI მას დამოუკიდებლად გაუმკლავდეს.

Argon-ის აგენტის 1 389 შიდა გაშვებისას ადამიანის ჩარევის გარეშე წარმატების მაჩვენებელი მკვეთრად დაეცა სირთულის ზრდასთან ერთად. ბელფილდის თქმით, ადამიანები მაინც აუცილებელნი არიან კრეატიული კვლევისთვის, ახალი ექსპერიმენტების დიზაინისთვის, ვარჯიშის დროს წარმოქმნილი დახვეწილი არასტაბილურობების დიაგნოსტიკისთვის და გრძელვადიანი დაგეგმვისთვის. DeepMind-ის თორმეტი უფროსი მკვლევრის გამოკითხვამ ეს ნიმუში დაადასტურა: ავტომატიზაცია ყველაზე მაღალია კარგად განსაზღვრულ, შემოწმებად ამოცანებზე და ყველაზე დაბალი ღია სამეცნიერო იდეების გენერაციაზე.

DeepMind-ის შიდა ბენჩმარკ RE-Bench-ზე, რომელიც 74 რეალისტურ ML საინჟინრო ამოცანას მოიცავს, Argon მათ დაახლოებით ნახევარს წყვეტს. ეს დიდი ნახტომია Gemini 3,7 Flash-ის 27%-იან შედეგთან შედარებით, მაგრამ ჯერ კიდევ შორსაა იმ თითქმის სრულყოფილ შედეგამდე, რომელიც სრული ავტომატიზაციისთვის იქნებოდა საჭირო.

AI კვლევაში გაზომვადი დაჩქარება არ ჩანს

პროგრესის სისტემატურად თვალყურის დევნებისთვის გუნდმა შექმნა ზოგადი შესაძლებლობების ინდექსი (GCI), რომელიც 123 მოდელსა და 92 ბენჩმარკს მოიცავს. Gemini მოდელების შესაძლებლობები თვეში დაახლოებით 0,1 GCI ქულით სტაბილური ტემპით იზრდება, სიჩქარის მნიშვნელოვანი ცვლილების გარეშე. გუნდი Gemini 4 Argon-ის ტრენდის ხაზზე ოდნავ მაღლა ყოფნას უფრო მეტ გამოთვლით რესურსსა და ორგანიზაციულ ინვესტიციას მიაწერს, და არა AI-ის მიერ გამოწვეულ დაჩქარებას.

გუნდი ამჟამად AI-ით გამოწვეული კვლევის ავტომატიზაციის რისკს დაბლად აფასებს, მაგრამ ქმნის საზომ ინფრასტრუქტურას, რომ მომავალში დაჩქარების ნიშნებს თვალყური ადევნოს.

ყველა არ ეთანხმება

ბელფილდის დასკვნები ბოლო კვლევებს ემთხვევა, მაგრამ დარგში ყველა არ ეთანხმება. 20-ზე მეტმა AI მკვლევარმა, მათ შორის ჯეფრი ჰინტონმა, იოშუა ბენჯიომ და OpenAI-ს ჯაკუბ პაჩოცკიმ, ცოტა ხნის წინ სამეცნიერო ნაშრომში გააფრთხილეს შესაძლო „ინტელექტის აფეთქების“ შესახებ. მათი აზრით, AI სისტემებს რამდენიმე წლის განმავლობაში შეეძლოთ მთელი AI კვლევისა და განვითარების ავტომატიზაცია, რითაც ჩვეულებრივ წლების პროგრესი მხოლოდ რამდენიმე თვეში შეიკუმშებოდა.

წყაროები: The Decoder