谷歌：AI自我改进还很遥远
谷歌DeepMind工程师海登·贝尔菲尔德（Haydn Belfield）10月14日公开表示，DeepMind并未观测到AI驱动AI研究带来的可测量加速，被业界热炒的递归自我改进目前没有数据支撑。
他给出的数字颇有反差：谷歌现阶段超过75%的生产代码由AI撰写，但约88%的代码变更仍需人工审核或复核，每一处变更在提交前都要经人过目；完全交由AI处理、不需人工介入的变更占比，从7.5%升至11.9%。
在1389次内部Argon智能体运行中，随着任务复杂度上升，无人工介入的成功率迅速下降。对12位资深研究员的调查也印证了同一规律：定义清晰、结果可验证的任务自动化程度最高，开放式科学创意最低。在DeepMind自建的RE-Bench基准（74项真实机器学习工程任务）上，Argon约能解出一半，明显高于Gemini 3.7 Flash的27%，但距离全自动化所需的近乎完美仍有不小差距。
为系统性跟踪进展，团队构建了覆盖123个模型、92项基准的通用能力指数（GCI）。结果显示，Gemini能力大约每月增长0.1点，未见统计学意义上的加速；Gemini 4 Argon略高于趋势线，团队认为这来自算力与组织投入，而非AI驱动的自我加速。
贝尔菲尔德称，人类在创意研究、设计新实验、诊断训练中的细微不稳定以及长期规划上仍不可替代。团队目前把AI驱动研究自动化的风险评为低位，同时正在搭建度量体系，以便及早捕捉加速迹象。
这一结论与近期另一派观点形成对照：包括辛顿、本吉奥以及OpenAI的雅库布·帕乔基在内的20多位研究者此前警告，可能出现智能爆炸——AI系统在几年内接管全部AI研发，把数年的进展压缩进几个月。
编译自 THE DECODER，原标题："Google says self-improving AI isn't anywhere close"
