Google के इंजीनियर Haydn Belfield का कहना है कि खुद में सुधार करने वाला AI—यानी ऐसा AI जो बिना मानवीय मदद के बेहतर AI बना सके—अभी हकीकत से काफी दूर है। DeepMind के आंतरिक आंकड़ों के मुताबिक, AI अब प्रोडक्शन कोड का 75 % से ज़्यादा हिस्सा लिखता है, फिर भी इनमें से करीब 88 % बदलाव जमा करने से पहले इंसान को जांचने पड़ते हैं।
सीमित कामों में कारगर है ऑटोमेशन, रिसर्च में नहीं
नवीनतम आंतरिक माप के अनुसार, AI को पूरी तरह सौंपे गए कोड बदलावों का अनुपात 7.5 % से बढ़कर 11.9 % हो गया। काम जितने जटिल होते हैं, इंसानी मदद के बिना AI की सफलता उतनी ही तेज़ी से घटती है। DeepMind के Argon एजेंटों के 1,389 रन में रचनात्मक रिसर्च, प्रयोगों की रूपरेखा बनाने, ट्रेनिंग की मुश्किल से पकड़ में आने वाली समस्याओं का पता लगाने और लंबे समय की योजना बनाने में इंसानों की भूमिका अहम बनी रही। DeepMind के बारह वरिष्ठ शोधकर्ताओं के एक छोटे सर्वेक्षण में भी यही रुझान दिखा: स्पष्ट और सत्यापित किए जा सकने वाले कामों में ऑटोमेशन अधिक था, जबकि खुले तौर पर वैज्ञानिक विचार विकसित करने में कम।
बेंचमार्क में तरक्की जारी, लेकिन रफ्तार नहीं बढ़ी
DeepMind के RE‑Bench—मशीन-लर्निंग इंजीनियरिंग के 74 वास्तविक परिस्थितियों से जुड़े कामों का एक सेट—पर Argon करीब आधी समस्याएं हल करता है। Gemini 3.7 Flash का स्कोर 27 % था। 92 बेंचमार्क पर 123 मॉडलों को ट्रैक करने वाला General Capability Index (GCI) दिखाता है कि Gemini मॉडल हर महीने करीब 0.1 GCI अंक बेहतर हो रहे हैं; उनकी तरक्की की रफ्तार बढ़ने के कोई सांख्यिकीय संकेत नहीं हैं। Belfield का कहना है कि Gemini 4 Argon के प्रदर्शन में मामूली उछाल अधिक कंप्यूटिंग संसाधनों और संगठनात्मक प्रयासों का नतीजा है, AI की मदद से तेज़ हुई तरक्की का नहीं।
यह क्यों मायने रखता है
Google और दूसरी कंपनियों के डेवलपरों के लिए AI रोज़मर्रा के कोडिंग काम संभाल सकता है, लेकिन उसकी समीक्षा अब भी इंसानों को करनी पड़ती है—इसलिए नौकरियां रातोंरात खत्म नहीं होंगी। व्यापक AI समुदाय के लिए, रिसर्च में खुद तेज़ी लाने के संकेत न होने का मतलब है कि तेज़ी से होने वाले “बुद्धिमत्ता विस्फोट” की भविष्यवाणियां अभी अटकलें हैं, और सुरक्षा से जुड़ी चिंताओं पर लंबे समय तक नज़र रखी जा सकती है।
