Google表示AI尚未自我建構——儘管它寫了75%的代碼

Google DeepMind尋找證據，證明AI正在加速自身的發展，但並未找到任何證據。

在其最強大的模型Gemini 4 Argon的安全報告中，實驗室得出結論，儘管AI現在寫了DeepMind工程師交付的大部分代碼，但AI研究並沒有加速。

這一發現與一些AI高管呼籲放慢速度的情景相悖。這被稱為遞歸自我改進：AI構建出更智能的版本，然後再構建出更智能的版本，直到進展超過任何人測試、監管或關閉它的能力——報告稱這是一種「現有防護措施嚴重不足的情況」。

「目前沒有顯著的端到端機器學習研發加速，無論是AI驅動的還是其他的，」參與評估的Google DeepMind研究員Haydn Belfield在X上寫道。「因此，我們得出結論，AI驅動的機器學習研發的風險目前是低的。」

機器學習研發是指機器學習研究和開發的簡稱，即構建新AI模型的工作。

1/9

在Gemini 4 Argon安全與安全報告中，我們發表了對Google DeepMind內部機器學習研發自動化和加速的首次整體實證評估——結合能力基準、宏觀能力指數、AI編寫代碼的數據和軌跡結果，以及... pic.twitter.com/Vr8Q5Obbsp

--- Haydn Belfield (@HaydnBelfield) 2026年10月14日

DeepMind跟蹤這一問題，因為「AI可能會比安全、治理和社會適應的步伐更快地加速前沿能力的增長」，Belfield寫道。更多的自動化也意味著讓AI代理更廣泛地訪問公司系統，讓不對齊的模型（追求其創建者從未打算的目標）更容易造成麻煩。

為了衡量進展，團隊建立了GCI v1，一個內部指數，將123個AI模型在92個基準中的得分融合成每個模型的一個數字——可以將其視為AI的智商分數。「前沿Gemini能力以約0.1 GCI點/月的穩定速度改善，」Belfield寫道。

在報告的該指數圖表中，Gemini 1.5 Pro在2024年底接近0.5點，而Gemini 3.8 Flash在2026年9月略高於2.9，幾乎每個版本都緊貼一條直線。Argon是唯一一個超過它的點，約為3.3，儘管其誤差條（其真實得分可能落入的範圍）低到足以觸及趨勢。

「儘管Gemini 4 Argon位於趨勢之上，但我們將其歸因於計算和組織投資的增加，而不是反映AI驅動的加速，」Belfield寫道。Google於9月30日揭示了Gemini 4 Argon。

目前DeepMind的生產代碼中超過75%是AI編寫的，而完全委派的拉取請求（提交審查的代碼更改捆綁）在4月至9月之間從7.5%上升到11.9%。但「約88%的拉取請求仍需要多輪人類指導或人類代碼創作——而且代碼更改在提交之前仍需經過人類審查，」Belfield寫道。

對12位DeepMind高層領導和研究人員的調查發現，自動化在「明確規範、可驗證的執行任務中最高，而在開放式科學構思、新穎實驗設計、診斷微妙的訓練不穩定性和長期研究品味中最低。」簡單來說，AI擅長執行指令，但不擅長決定哪些想法值得追求。

DeepMind還審查了1,389條Argon作為公司內部代理工作的日誌。任務越大，模型獨自完成的可能性越小，人類介入的頻率越高。

該報告在Anthropic首席執行官Dario Amodei警告遞歸自我改進已經加速的月後發布，這一警告得到了Sam Altman和Elon Musk的支持，並導致芯片股票下跌近6%。幾天前，前Anthropic工程師Jacob Coxon已經退出該行業，警告AI可能「在十年內殺死我們所有人」。

DeepMind的數據僅涵蓋其自己的實驗室，該報告還表示，無法排除不受限制的Argon會越過其對網絡攻擊和生物武器信息的危險閾值。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。