Google DeepMind 工程师发布数据：AI 尚未实现自我改进且科研加速迹象不明

Google DeepMind 工程师 Haydn Belfield 指出，尽管 AI 已承担超过 75% 的代码编写工作，但“自我改进的 AI”在可预见的未来仍遥不可及，目前并未观察到由 AI 驱动的研究加速现象。数据显示，88% 的代码变更仍需人工审核，且随着任务复杂度提升，Argon 智能体的成功率显著下降，人类在创造性研究和实验设计环节依然不可或缺。

这一判断基于多项具体指标：在包含 74 个任务的 RE-Bench 基准上，Argon 仅能解决约一半任务，远未达到全自动化所需的近完美表现；同时，团队构建的通用能力指数（GCI）显示，Gemini 模型的能力增长保持每月 0.1 点的稳定线性趋势，Gemini 4 Argon 略高于趋势线主要归因于算力投入而非算法效率的突变。这些事实表明当前的自动化主要集中在定义明确、可验证的任务上，而开放式的科学探索仍高度依赖人类。

虽然包括 Geoffrey Hinton 在内的多位学者曾警告“智能爆炸”可能在数年内发生，但 Google 的内部实测将风险评级定为低，并正在建立基础设施以持续追踪加速信号。推断认为，行业对 Agent 能力的预期需从“完全自主”回调至“人机协作”，猜测短期内 AI 无法独立压缩科研周期，真正的瓶颈在于复杂系统的调试与长期规划而非基础编码。