Google DeepMind 初の監査：AIは自身の研究開発を加速せず、75%のコードがAIによって作成されました

Google DeepMindはGemini 4 Argonの安全報告書で、機械学習の研究開発自動化に関する初の全体的な実証評価を発表しました。その結論は、AIは自身の研究開発を加速していないというもので、AIはこの研究所のエンジニアが提供したコードの大部分を作成しています。評価に参加した研究者のHaydn BelfieldはX上で、現在、顕著なエンドツーエンドのML R&D加速は存在せず、したがってAI駆動のML R&Dのリスクは現在低いと述べています。

チームは内部指数GCI v1を構築し、123のAIモデルの92のベンチマークでのスコアを単一の数値に統合しました。最前線のGemini能力は、約毎月0.1 GCIポイントの安定した速度で向上しており、Gemini 1.5 Proは2024年末に0.5ポイントに近づき、Gemini 3.8 Flashは2026年9月にわずかに2.9ポイントを超え、Argonは約3.3ポイントでトレンドラインを上回っていますが、Belfieldはこれが計算能力と組織の投入の増加に起因していると述べており、AI駆動の加速ではないとしています。

DeepMindが生成するコードの75%以上はAIによって作成されており、完全に委託されたコードのマージリクエストの割合は4月から9月の間に7.5%から11.9%に増加しましたが、約88%のリクエストは依然として複数回の手動ガイドまたは手動作成を必要としています。12人の経験豊富な研究者への調査では、自動化は明確で検証可能な実行タスクにおいて最も高く、オープンサイエンスの構想、新しい実験デザイン、診断トレーニングの不安定性などの段階では最も低いことが示されています。