قال مهندس في غوغل، هايدن بيلفيلد (Haydn Belfield)، إنه على الرغم من استمرار ارتفاع درجة الأتمتة بالذكاء الاصطناعي في تطوير النماذج، إلا أنه لا يوجد حالياً دليل قابل للقياس على أن البحث المدفوع ذاتياً بالذكاء الاصطناعي يتسارع.
أشار بيلفيلد إلى أن الذكاء الاصطناعي يكتب حالياً أكثر من 75% من كود الإنتاج، لكن نحو 88% من تغييرات الكود ما زالت تتطلب إشرافاً بشرياً أو مراجعة، كما يجب أن يخضع كل تغيير لمراجعة بشرية قبل التقديم. وارتفعت نسبة تغييرات الكود التي تُترك بالكامل للذكاء الاصطناعي من 7.5% إلى 11.9%. وفي 1389 اختباراً لعمليات الوكيل الداخلي Argon، كان معدل نجاح الذكاء الاصطناعي دون تدخل بشري أقل كلما زاد تعقيد المهمة.
كما أظهر استطلاع شمل 12 باحثاً بارزاً في DeepMind أن الذكاء الاصطناعي يتمتع بدرجة أتمتة عالية في المهام المحددة بوضوح والقابلة للتحقق من نتائجها، لكنه ما زال يعتمد على البشر في البحث الإبداعي وتصميم التجارب وتشخيص حالات تدريب الشاذة والتخطيط طويل الأمد.
وفي معيار RE-Bench الذي يضم 74 مهمة هندسية حقيقية في تعلم الآلة، بلغ معدل حل المهام لدى Argon نحو 50%، أعلى من 27% لموديل Gemini 3.7 Flash، لكنه لا يزال بعيداً عن تحقيق الأتمتة الشاملة.
لتتبع التغيرات في قدرات الذكاء الاصطناعي، أنشأ فريق البحث مؤشر القدرات العامة (GCI) يغطي 123 موديلاً و92 معياراً. وتُظهر البيانات أن قدرات موديلات Gemini تنمو بثبات بمعدل نحو 0. 1 نقطة GCI شهرياً، دون أي مؤشرات على تسارع ذي دلالة إحصائية. ويرى الفريق أن أداء Gemini 4 Argon الأعلى قليلاً من خط اتجاه النمو يرجع أساساً إلى زيادة الحوسبة والاستثمار التنظيمي، وليس إلى تسارع في البحث والتطوير بدفع من الذكاء الاصطناعي ذاتياً.
حالياً، يرى فريق البحث أن المخاطر الناجمة عن أتمتة البحث المدفوع بالذكاء الاصطناعي ما زالت محدودة نسبياً، لكنهم يواصلون تحسين نظام المراقبة. وفي الوقت نفسه، حذّر أكثر من 20 باحثاً، بينهم جيفري هينتون ويوشوا بنجيو والعالم الرئيسي في OpenAI يعقوب باتشوكي، من أن الذكاء الاصطناعي قد يحقق في السنوات القادمة أتمتة عالية لأعمال البحث والتطوير، مضغوطاً تقدماً يستغرق سنوات في أشهر. وتبرز الأحكام المختلفة عدم اليقين الكبير الذي لا يزال قائماً بشأن قدرة الذكاء الاصطناعي على التحسين الذاتي ومخاطره المحتملة.