گوگل دیپ‌مایند پس از بررسی روند توسعه مدل‌های هوش مصنوعی در آزمایشگاه خود اعلام کرده است که شواهد آماری معناداری از شتاب گرفتن پیشرفت این فناوری، به‌دست نیامده است؛ این در حالی است که بیش از ۷۵ درصد کد تولیدی این شرکت اکنون با کمک هوش مصنوعی نوشته می‌شود. بر اساس گزارشی که Decrypt منتشر کرده، این یافته با سناریوی «خودبهبوددهی بازگشتی» فاصله دارد؛ سناریویی که در آن یک مدل هوش مصنوعی نسخه‌ای توانمندتر از خود می‌سازد و این چرخه می‌تواند سرعت پیشرفت را از توان نظارت، مقررات‌گذاری و کنترل انسان خارج کند.
شاخص توانمندی چه می‌گوید؟
تیم دیپ‌مایند برای بررسی سرعت پیشرفت، شاخصی داخلی به نام GCI v1 ساخته است. این شاخص امتیاز ۱۲۳ مدل هوش مصنوعی را در ۹۲ معیار مختلف ترکیب می‌کند و برای هر مدل یک عدد واحد ارائه می‌دهد؛ مفهومی که در گزارش برای توضیح ساده‌تر، به امتیاز هوش تشبیه شده است.
داده‌های این شاخص نشان می‌دهد توانمندی مدل‌های پیشرو خانواده Gemini از آوریل ۲۰۲۶ با روندی تقریباً ثابت، حدود ۰٫۱ امتیاز در ماه، افزایش یافته است. دیپ‌مایند اعلام کرده پس از اول آوریل، شتاب آماری معناداری در سرعت پیشرفت هوش مصنوعی مشاهده نکرده است.
در نمودار گزارش، Gemini 1.5 Pro در اواخر سال ۲۰۲۴ نزدیک به ۰٫۵ امتیاز قرار دارد و Gemini 3.8 Flash در سپتامبر ۲۰۲۶ کمی بالاتر از ۲٫۹ امتیاز ثبت شده است. بیشتر انتشارها در امتداد یک خط نسبتاً مستقیم قرار دارند. Gemini 4 Argon، مدل معرفی‌شده در ۳۰ سپتامبر، با امتیازی حدود ۳٫۳ بالاتر از این روند دیده می‌شود؛ اما دامنه خطای آن تا محدوده روند معمول پایین می‌آید.
به گفته دیپ‌مایند، این عملکرد بالاتر را باید به افزایش توان محاسباتی و سرمایه‌گذاری سازمانی نسبت داد، نه شتابی که خود هوش مصنوعی در فرایند تحقیق و توسعه ایجاد کرده باشد. این تمایز مهم است، زیرا افزایش منابع انسانی و محاسباتی با ساختن چرخه‌ای که در آن مدل‌ها به‌طور مستقل مدل‌های بهتر تولید کنند، یکسان نیست.
کدنویسی بیشتر، خودمختاری کمتر
هوش مصنوعی اکنون در بخش بزرگی از تولید کد در دیپ‌مایند نقش دارد. بیش از ۷۵ درصد کد تولیدی این آزمایشگاه با کمک هوش مصنوعی نوشته می‌شود. همچنین سهم درخواست‌های کدی که به‌طور کامل به مدل واگذار شده‌اند، از ۷٫۵ درصد در آوریل به ۱۱٫۹ درصد در سپتامبر رسیده است.
با این حال، حدود ۸۸ درصد درخواست‌های کد هنوز به هدایت چندمرحله‌ای انسان یا نوشتن کد توسط انسان نیاز دارند. تغییرات کد نیز پیش از ارسال همچنان باید از بررسی انسانی عبور کنند. بنابراین، بالا بودن سهم کد تولیدشده با هوش مصنوعی لزوماً به معنای خودکار شدن کامل فرایند تحقیق و توسعه نیست.
یک نظرسنجی از ۱۲ مدیر و پژوهشگر ارشد دیپ‌مایند نشان داد بیشترین میزان خودکارسازی در وظایفی دیده می‌شود که دستورالعمل مشخص و نتیجه قابل‌بررسی دارند. در مقابل، هوش مصنوعی در ایده‌پردازی علمی باز، طراحی آزمایش‌های جدید، تشخیص ناپایداری‌های ظریف در آموزش مدل و قضاوت درباره مسیرهای بلندمدت پژوهش، عملکرد محدودتری دارد.
به بیان ساده، مدل‌ها در اجرای دستورهایی که از پیش تعریف شده‌اند بهتر عمل می‌کنند؛ اما هنوز در تشخیص اینکه کدام ایده ارزش دنبال کردن دارد، به قضاوت انسانی وابسته‌اند.
عملکرد Gemini 4 Argon و بحث ایمنی
دیپ‌مایند ۱٬۳۸۹ گزارش از فعالیت Gemini 4 Argon به‌عنوان یک عامل نرم‌افزاری در داخل شرکت را نیز بررسی کرده است. نتیجه نشان می‌دهد هرچه وظیفه بزرگ‌تر بوده، احتمال تکمیل مستقل آن توسط مدل کمتر شده و مداخله انسان بیشتر رخ داده است.
Argon تقریباً نیمی از وظایف مهندسی پژوهشی داخلی را که به پایان رسانده، با موفقیت حل کرده است. این رقم فاصله زیادی با آستانه ۹۰ درصدی دارد که دیپ‌مایند آن را نشانه هشدار برای خودکارسازی کامل در نظر می‌گیرد.
این ارزیابی در فضایی منتشر شده که نگرانی درباره خودبهبوددهی بازگشتی افزایش یافته است. چنین نگرانی‌ای زمانی شکل می‌گیرد که دسترسی مدل‌ها به سامانه‌های شرکت و اختیار آن‌ها بیشتر شود و یک مدل ناسازگار بتواند برخلاف هدف سازندگانش عمل کند. دیپ‌مایند می‌گوید خطر ناشی از تحقیق و توسعه یادگیری ماشینِ مبتنی بر هوش مصنوعی در حال حاضر پایین است، زیرا شتاب کلی معناداری دیده نشده است.
با این حال، گزارش همه خطرها را رد نمی‌کند. دیپ‌مایند تصریح کرده است که نمی‌تواند احتمال عبور نسخه بدون محدودیت Argon از آستانه‌های خطر مربوط به حملات سایبری و اطلاعات سلاح‌های زیستی را منتفی بداند. همچنین نتایج این ارزیابی فقط عملکرد آزمایشگاه خود دیپ‌مایند را پوشش می‌دهد و لزوماً نماینده تمام صنعت نیست.
تصویر بازار به روایت Moneyiar
بر اساس داده‌های Moneyiar در ساعت ۲۱:۲۴ روز ۱۵ اکتبر ۲۰۲۶، قیمت DeepBook Protocol با نماد DEEP برابر با ۰٫۰۲۳۰۰۱۲۳۳۱ دلار بود؛ این دارایی در ۲۴ ساعت ۴٫۴۲ درصد کاهش و در هفت روز ۱۴٫۰۹ درصد افزایش داشت.
AI Rig Complex با نماد ARC در همین زمان ۰٫۰۳۸۷۷۴۱۸۰۲ دلار معامله شد و تغییر روزانه آن ۹٫۴۲ درصد افزایش، اما تغییر هفتگی آن ۳۶٫۹ درصد کاهش بود. قیمت aelf با نماد ELF در ساعت ۲۱:۲۳ به ۰٫۰۶۲۵۵۹۷۷۵۶ دلار رسید؛ این دارایی در ۲۴ ساعت ۰٫۲۱ درصد و در هفت روز ۳٫۴۷ درصد افت کرد. همچنین Propy با نماد PRO با قیمت ۰٫۳۷۱۹۹۳۳۶۱۱ دلار، رشد ۲٫۲۵ درصدی روزانه و ۹٫۷۱ درصدی هفتگی را ثبت کرد.
