A Gemini már a saját utódainak fejlesztésében is részt vesz, a Google kutatóival együtt – erről Sergey Brin beszélt egy Google for Developers csatornán közzétett beszélgetésben. A cég társalapítója szerint a csapatok és az MI-modellek közösen dolgoznak a következő generációkon, a belsőleg használt változatok pedig már előrébb járnak a nyilvánosan elérhetőknél.
A kijelentés a Gemini 4 Argon bemutatóján hangzott el, és egy várhatóan egyre gyakrabban emlegetett fogalmat is előtérbe helyez: a rekurzív önfejlesztést (RSI). Ennek lényege, hogy egy modell hozzájárul egy képzettebb modell létrehozásához, amely aztán a következő generáció fejlesztését segítheti. Minden lépés gyorsíthatja az utána következő munkát.
A Google már konkrét feladatokra használ MI-t: az ágensek figyelik a tanítási futásokat, jelzik a hibás beállításokat, duplikált adatokat keresnek, és javításokat javasolnak kódhibákra. Ez a Gemini programozási eszközeinek bemutatásakor ismertetett irány folytatása, immár közvetlenül a modelleket fejlesztő laborban.
De mennyire dolgozik önállóan az MI? A Google DeepMind Gemini 4 Argonról szóló biztonsági jelentése több hasznos támpontot ad:
- Szeptemberben a kódmódosítási javaslatok 11,9%-át teljes egészében MI-re bízták, szemben az áprilisi 7,5%-kal;
- Körülbelül 88%-uk továbbra is emberi beavatkozást igényelt, akár ismételt utasítások, akár a fejlesztők által írt kód formájában;
- Az Argon egy belső MI-kutatási és -fejlesztési teszt feladatainak körülbelül felét oldja meg, ami messze elmarad a teljes automatizáláshoz szükséges szinttől.
Itt látszik a különbség a sok kód megírása és a kutatás irányítása között. A rendszer megtalálhat egy hibát vagy megvalósíthat egy megoldást, de valakinek ki kell választania a megfelelő kísérletet, és meg kell értenie, miért kezdett romlani egy modell tanításának eredménye. A jelentés szerint az emberek éppen ezekben a szakaszokban maradnak nélkülözhetetlenek.
A Google 92 benchmarkra épülő elemzése ráadásul egyelőre nem mutat ki statisztikailag szignifikáns gyorsulást a modellek általános fejlődésében. Az Argon túlteljesíti a korábbi trendet, de a szerzők szerint ennek valószínű oka a nagyobb beruházás és a többlet számítási kapacitás.
A lényeges adat a 11,9%: ez mutatja meg, a generált kód mennyiségén túl, a munka mekkora része delegálható teljesen. A felhasználói feladatok végrehajtására felkészített Google-ágensek után ugyanaz a megközelítés jelenik meg az MI fejlesztésében is. A DeepMind által leírt folyamatban a kódmódosításokat továbbra is ember ellenőrzi, mielőtt bekerülnének a rendszerbe.
