گوگل دیپ‌مایند شتاب قابل‌توجهی در تحقیق‌وتوسعه یادگیری ماشین پیدا نکرد
ارزیابی داخلی گوگل دیپ‌مایند نشان می‌دهد با وجود اینکه هوش مصنوعی بیش از ۷۵ درصد کد تولیدی این آزمایشگاه را می‌نویسد، در تحقیق‌وتوسعه یادگیری ماشین از ابتدا تا انتها شتاب قابل‌توجهی ایجاد نشده است. این نتیجه میان افزایش خودکارسازی در برنامه‌نویسی و سریع‌تر شدن کل فرایند پژوهش تمایز می‌گذارد.
هیدن بلفیلد، پژوهشگر گوگل دیپ‌مایند، این یافته را در رشته‌پستی در ۱۴ اکتبر جمع‌بندی کرد: «در حال حاضر هیچ شتاب قابل‌توجهی در تحقیق‌وتوسعه یادگیری ماشین از ابتدا تا انتها وجود ندارد؛ چه این شتاب ناشی از هوش مصنوعی باشد و چه نباشد.»
شاخص GCI v1 آزمایشگاه، امتیازهای ۱۲۳ مدل هوش مصنوعی را در ۹۲ معیار ارزیابی با یکدیگر ترکیب می‌کند. قابلیت‌های Gemini در رده پیشرفته حدود ۰٫۱ امتیاز GCI در ماه افزایش یافته و پس از اول آوریل ۲۰۲۶ تغییر قابل‌توجهی در این نرخ مشاهده نشده است. این شاخص قابلیت مدل‌ها را در معیارهای مختلف اندازه‌گیری می‌کند؛ در حالی که بحث شتاب به این موضوع مربوط است که آیا هوش مصنوعی کل فرایند تحقیق‌وتوسعه یادگیری ماشین را سریع‌تر می‌کند یا نه. بنابراین این دو معیار به دو پرسش متفاوت پاسخ می‌دهند: آیا عملکرد مدل‌ها در حال بهبود است و آیا هوش مصنوعی کل فرایند پژوهش را سریع‌تر می‌کند؟
امتیاز Gemini 4 Argon بالاتر از خط روند شاخص قرار گرفت، اما ارزیابی دیپ‌مایند این نتیجه را به افزایش منابع محاسباتی و سرمایه‌گذاری سازمانی مرتبط دانست. دامنه عدم‌قطعیت این نتیجه تا خط روند امتداد داشت و Argon به آستانه بحرانی قابلیت سطح یک برای شتاب در تحقیق‌وتوسعه یادگیری ماشین نرسید.
هوش مصنوعی بیش از ۷۵ درصد کد تولیدی دیپ‌مایند را می‌نویسد، اما این سهم نشان نمی‌دهد چه مقدار از کار بدون دخالت انسان تکمیل می‌شود. سهم درخواست‌های تغییر کدی که به‌طور کامل واگذار شده‌اند، از ۷٫۵ درصد در آوریل ۲۰۲۶ به ۱۱٫۹ درصد در سپتامبر ۲۰۲۶ افزایش یافته است. با این حال، حدود ۸۸ درصد از درخواست‌ها همچنان به چندین مرحله هدایت انسانی یا کدی که یک فرد نوشته باشد نیاز داشتند و تغییرات کد نیز پیش از ارسال همچنان تحت بازبینی انسان قرار می‌گرفت.
در نظرسنجی از ۱۲ مدیر و پژوهشگر ارشد مشخص شد که خودکارسازی در وظایفی بهترین عملکرد را دارد که به‌روشنی تعریف شده و نتیجه آنها قابل راستی‌آزمایی باشد. در مقابل، ایده‌های علمی باز و بدون پاسخ مشخص، طراحی آزمایش‌های نوآورانه، تشخیص مشکلات ظریف در فرایند آموزش و قضاوت پژوهشی بلندمدت از حوزه‌های ضعیف‌تر بودند. این بررسی همچنین ۱٬۳۸۹ گزارش ثبت‌شده از عملکرد Gemini 4 Argon در نقش یک عامل داخلی را بررسی کرد.
همین ارزیابی ایمنی نتوانست احتمال رسیدن Argon به آستانه‌های قابلیت مرتبط با ریسک اطلاعات زیستی و امنیت سایبری را رد کند؛ با این حال، ارزیابی انجام‌شده نشان داد که پس از اعمال سازوکارهای حفاظتی، ریسک باقی‌مانده پایین‌تر از این سطوح است.
این ارزیابی به موضوع «خودبهبود بازگشتی» می‌پردازد؛ یعنی این احتمال که سامانه‌های هوش مصنوعی در توسعه سامانه‌های هوش مصنوعی توانمندتر نقش داشته باشند و در نتیجه، توسعه‌های بعدی را بالقوه سریع‌تر کنند. این بررسی به آزمایشگاه خود دیپ‌مایند محدود است و مشخص نمی‌کند که آیا تحقیق‌وتوسعه در شرکت‌های دیگر نیز با شتاب بیشتری پیش می‌رود یا خیر.