Báo cáo an toàn Gemini 4 Argon cho thấy AI viết hơn 75% mã nguồn tại DeepMind nhưng chưa đẩy nhanh tốc độ nghiên cứu AI.
Google DeepMind đã tìm kiếm bằng chứng cho thấy trí tuệ nhân tạo (AI) đang đẩy nhanh quá trình phát triển của chính công nghệ này, nhưng không tìm thấy. Trong báo cáo an toàn dành cho Gemini 4 Argon, mô hình mạnh nhất của công ty được giới thiệu ngày 30/9, đợt đánh giá nội bộ đầu tiên về nghiên cứu có sự hỗ trợ của AI kết luận tốc độ phát triển chưa gia tăng một cách có thể đo lường, dù AI đã đảm nhiệm phần lớn mã nguồn được triển khai thực tế.
Phát hiện này đi ngược kịch bản tự cải tiến đệ quy từng khiến nhiều lãnh đạo ngành lo ngại, trong đó một hệ thống AI liên tục tạo ra phiên bản thông minh hơn chính mình với tốc độ vượt quá khả năng kiểm thử, quản lý hay vô hiệu hóa của con người. Ông Haydn Belfield, nhà nghiên cứu tại DeepMind tham gia đánh giá, cho biết trên nền tảng X rằng chưa ghi nhận sự gia tăng đáng kể về tốc độ nghiên cứu và phát triển học máy (ML R&D) trên toàn bộ quy trình, do đó rủi ro từ hoạt động này hiện ở mức thấp.
Để đo lường tiến bộ, nhóm nghiên cứu xây dựng GCI v1, chỉ số nội bộ tổng hợp kết quả của 123 mô hình trên 92 bộ tiêu chuẩn kiểm thử (benchmark) thành một điểm số duy nhất, tương tự cách xác định chỉ số IQ ở con người. Theo ông Belfield, năng lực các mô hình Gemini tiên tiến cải thiện ổn định khoảng 0,1 điểm GCI mỗi tháng. Gemini 1.5 Pro đạt gần 0,5 điểm vào cuối năm 2024, trong khi Gemini 3.8 Flash vượt 2,9 điểm vào tháng 9/2026, và hầu hết phiên bản đều bám sát đường xu hướng tuyến tính. Argon là ngoại lệ duy nhất với khoảng 3,3 điểm, nhưng khoảng sai số (error bar) vẫn chạm tới đường xu hướng. DeepMind lý giải mức vượt trội này đến từ việc gia tăng tài nguyên tính toán và đầu tư của tổ chức, thay vì sự tăng tốc do AI thúc đẩy.
AI giỏi thực thi, chưa giỏi chọn hướng đi
Hiện hơn 75% mã nguồn phục vụ vận hành thực tế tại DeepMind do AI viết. Tỷ lệ yêu cầu hợp nhất mã nguồn được giao hoàn toàn cho AI tăng từ 7,5% lên 11,9% trong giai đoạn từ tháng 4 đến tháng 9. Tuy nhiên, khoảng 88% số yêu cầu vẫn cần con người hướng dẫn qua nhiều lượt hoặc trực tiếp viết mã, và mọi thay đổi đều phải được con người rà soát trước khi gửi đi.
Khảo sát 12 lãnh đạo và nhà nghiên cứu cấp cao của DeepMind cho thấy mức độ tự động hóa cao nhất nằm ở các nhiệm vụ thực thi có yêu cầu rõ ràng và kết quả kiểm chứng được. Ngược lại, AI còn hạn chế trong hình thành ý tưởng khoa học mở, thiết kế thí nghiệm mới, chẩn đoán những bất ổn khó nhận biết trong huấn luyện mô hình và lựa chọn hướng nghiên cứu dài hạn. Rà soát 1.389 bản ghi hoạt động của Argon với vai trò tác nhân AI nội bộ cũng cho thấy nhiệm vụ càng phức tạp, khả năng tự hoàn thành càng thấp và nhu cầu can thiệp của con người càng cao.
DeepMind theo dõi vấn đề này vì AI có thể đẩy nhanh năng lực mô hình vượt quá khả năng thích ứng của các biện pháp an toàn và cơ chế quản trị, trong khi tác nhân AI ngày càng được trao quyền truy cập rộng vào hệ thống doanh nghiệp. Báo cáo được công bố một tháng sau khi ông Dario Amodei, Tổng Giám đốc điều hành Anthropic, nhận định quá trình tự cải tiến đệ quy đã bắt đầu tăng tốc. Cảnh báo này được ông Sam Altman và Elon Musk đồng tình, đồng thời khiến cổ phiếu ngành bán dẫn giảm gần 6%.
Dù vậy, số liệu của DeepMind chỉ phản ánh hoạt động tại phòng nghiên cứu của công ty. Báo cáo cũng thừa nhận chưa thể loại trừ khả năng một phiên bản Argon không bị áp đặt giới hạn an toàn có thể vượt qua các ngưỡng rủi ro mà công ty xác định đối với năng lực tấn công mạng và cung cấp thông tin liên quan đến vũ khí sinh học.
