Google DeepMind: l'IA che si migliora da sola resta lontana
Secondo l'ingegnere di Google Haydn Belfield, l'intelligenza artificiale capace di migliorare se stessa è ancora distante, nonostante l'automazione sia già molto presente nel lavoro quotidiano dell'azienda. In DeepMind, spiega, non si osserva alcuna accelerazione misurabile della ricerca guidata dall'IA.
- Secondo Google, l'IA scrive oltre il 75% del codice di produzione dell'azienda.
- L'88% delle modifiche richiede ancora revisione umana; solo l'11,9% è delegato del tutto all'IA.
- L'indice interno non mostra alcuna accelerazione della ricerca guidata dall'IA.
I numeri interni di Google
Belfield riferisce che l'intelligenza artificiale scrive oggi più del 75 per cento del codice di produzione, cioè il software che finisce davvero nei prodotti. Ma circa l'88 per cento delle modifiche richiede ancora supervisione o revisione umana, e ogni cambiamento viene controllato da una persona prima di essere inviato. La quota di modifiche delegate interamente all'IA è salita dal 7,5 all'11,9 per cento.
Più un compito è complesso e lungo, meno l'IA riesce a cavarsela da sola. Su 1.389 esecuzioni interne dell'agente Argon, il tasso di successo senza intervento umano è calato nettamente al crescere della difficoltà. Gli esseri umani restano indispensabili per la ricerca creativa, la progettazione di esperimenti inediti, la diagnosi di instabilità sottili nell'addestramento e la pianificazione a lungo termine. Un sondaggio tra dodici ricercatori senior di DeepMind conferma lo stesso quadro: automazione alta sui compiti ben definiti e verificabili, bassa sull'ideazione scientifica aperta.
Sul benchmark interno RE-Bench, che raccoglie 74 compiti realistici di ingegneria del machine learning, Argon risolve circa metà dei casi: un balzo rispetto al 27 per cento di Gemini 3.7 Flash, ma ancora lontano dalla quasi perfezione necessaria per un'automazione completa.
Un indice per misurare l'accelerazione
Per seguire i progressi in modo sistematico, il team ha costruito un General Capability Index che copre 123 modelli e 92 benchmark. Le capacità dei modelli Gemini crescono a un ritmo costante di circa 0,1 punti al mese, senza variazioni significative di velocità. Il fatto che Gemini 4 Argon si collochi leggermente sopra la linea di tendenza viene attribuito a maggiore potenza di calcolo e investimenti organizzativi, non a un'accelerazione prodotta dall'IA stessa. Il rischio legato all'automazione della ricerca è oggi valutato basso, ma l'infrastruttura di misura serve proprio a cogliere eventuali segnali di svolta.
Perché conta
La posizione di Google si inserisce in un dibattito acceso. Oltre venti ricercatori, tra cui Geoffrey Hinton, Yoshua Bengio e Jakub Pachocki di OpenAI, hanno recentemente messo in guardia in un articolo scientifico da una possibile esplosione di intelligenza: sistemi capaci di automatizzare tutta la ricerca e lo sviluppo sull'IA in pochi anni, comprimendo in mesi progressi che richiederebbero anni.
Per chi lavora nel software, anche in Italia, i dati di Google offrono un'indicazione concreta: l'automazione della scrittura di codice è già realtà, ma la revisione umana resta il collo di bottiglia e il punto in cui si concentra il valore del lavoro.
Fonti
- The Decoder: Google says self-improving AI isn't anywhere close
