Google DeepMind spune că AI începe să accelereze dezvoltarea altor AI: ce pregătește pentru Gemini 4

Google DeepMind vede primele semne ale unui proces prin care sistemele AI ajută la construirea unor modele mai bune, iar acestea pot contribui ulterior la dezvoltarea următoarei generații de AI. Logan Kilpatrick, membru al echipei tehnice Google DeepMind, spune că acest tip de buclă de feedback începe deja să se vadă în activitatea companiei.

Declarația a fost făcută într-un interviu acordat podcastului The Pomp Podcast, publicat pe 16 septembrie. Kilpatrick a vorbit despre ceea ce în cercetarea AI este numit „recursive self-improvement”, un concept care nu înseamnă neapărat că un model își modifică singur codul sau parametrii.

În practică, procesul poate arăta mult mai puțin spectaculos, dar poate avea consecințe importante: modelele AI îi pot ajuta pe cercetători să scrie cod, să proiecteze experimente, să testeze sisteme, să descopere algoritmi sau să evalueze rezultatele. Aceste instrumente pot accelera dezvoltarea următorului model, care devine apoi mai bun la aceleași sarcini, scrie Analytics India Mag.

Google încearcă să folosească AI pentru a construi AI mai performant

Comentariile lui Kilpatrick vin în contextul discuțiilor despre poziția Google în cursa pentru cele mai avansate modele AI. El a recunoscut că este de înțeles ca Google să fie criticat atunci când rezultatele nu corespund așteptărilor foarte mari create în jurul companiei, dar a argumentat că avantajul acesteia constă și în amploarea activităților de cercetare, de la AI și software până la știință.

Potrivit lui Kilpatrick, Google DeepMind observă deja o buclă în care sistemele AI devin tot mai utile pentru munca necesară dezvoltării altor sisteme AI. El a sugerat că fenomenul nu este specific Google și că și celelalte laboratoare aflate în prima linie a cercetării AI observă aceeași evoluție.

Un exemplu este ritmul în care Google a lansat versiunile recente ale Gemini. Kilpatrick a indicat o succesiune de versiuni dezvoltate la intervale de câteva săptămâni ca pe un semn că procesul de îmbunătățire poate deveni tot mai rapid.

Ideea de bază este importantă. Dacă un model AI poate automatiza o parte din munca pe care cercetătorii o făceau manual, echipa poate testa mai multe variante într-un timp mai scurt. Un sistem mai performant poate ajuta apoi la dezvoltarea următorului model, iar acesta poate accelera la rândul său următoarea etapă.

Vezi și:

Google lansează Gemini 4 Argon pentru public. Noul AI atacă direct ChatGPT și Claude cu un preț surprinzător

SoftBank vrea să atragă 100 de miliarde de dolari din Orientul Mijlociu pentru investiții în AI și robotică

Google are deja proiecte care merg în această direcție. AlphaEvolve, de exemplu, a fost folosit pentru descoperirea și optimizarea algoritmilor, inclusiv pentru programarea infrastructurii centrelor de date, proiectarea hardware-ului și antrenarea modelelor AI.

Compania a susținut că AlphaEvolve a îmbunătățit cu 23% un kernel de multiplicare a matricelor utilizat în antrenarea Gemini, reducând astfel timpul necesar antrenării modelului cu aproximativ 1%.

Gemini 4 ar putea fi următorul test al acestei bucle

Google DeepMind încearcă acum să vadă dacă acest mecanism poate avea un efect vizibil asupra următorului său model important. Kilpatrick a descris Gemini 4 drept cea mai mare și mai ambițioasă sesiune de pre-antrenare realizată până acum de companie.

El speră ca progresul obținut prin folosirea AI în procesul de cercetare să se reflecte în Gemini 4 și ca noul model să ajute Google să recupereze teren față de unele dintre celelalte laboratoare aflate în cursa pentru modelele de frontieră.

În paralel, cercetătorii Google DeepMind au prezentat și Dream-RSI, un cadru conceput pentru ca agenții AI să poată învăța din propriile istorii de explorare. Sistemul construiește simulatoare pe baza acestor istorii, pe care le poate folosi apoi pentru a testa mii de strategii de explorare fără să fie nevoie ca toate experimentele costisitoare să fie repetate în lumea reală.

Procesul creează o altă buclă de feedback. Istoricul unei descoperiri poate deveni material pentru construirea unui simulator, simulatorul poate fi folosit pentru testarea unor strategii noi, iar cea mai performantă strategie poate fi aleasă pentru următoarea rundă de explorare.

Aceste exemple arată de ce conceptul de auto-îmbunătățire recursivă a devenit atât de prezent în discuțiile despre viitorul AI. Nu este vorba neapărat despre un robot care își rescrie singur „creierul”, ci despre folosirea sistemelor AI pentru a automatiza tot mai multe etape din procesul prin care sunt create sisteme AI mai bune.

Un raport publicat de Google DeepMind în iunie 2026, despre posibilul drum de la AGI către superinteligența artificială, a inclus îmbunătățirea recursivă printre cele patru direcții posibile prin care un sistem cu nivel de inteligență umană ar putea ajunge să depășească performanța unor organizații umane foarte mari.

Pentru moment, afirmațiile lui Kilpatrick descriu primele semne ale acestui mecanism și nu demonstrează că AI a ajuns la o formă complet autonomă de auto-îmbunătățire. Testul important va fi dacă accelerarea cercetării cu ajutorul AI produce într-adevăr salturi măsurabile între generațiile de modele, iar Gemini 4 va fi una dintre ocaziile prin care Google va încerca să demonstreze acest lucru.