Google diz que a IA ainda não está a construir-se sozinha—mesmo que escreva 75% do código

O Google DeepMind procurou provas de que a IA está a acelerar o desenvolvimento da própria IA. Não encontrou nenhuma.

No relatório de segurança para o Gemini 4 Argon, o seu modelo mais poderoso, o laboratório concluiu que a pesquisa em IA não está a avançar mais rapidamente, mesmo que a IA agora escreva a maior parte do código que os engenheiros do DeepMind entregam.

A descoberta contraria o cenário que assustou os executivos de IA a pedir uma desaceleração. É chamado de autoaperfeiçoamento recursivo: uma IA constrói uma versão mais inteligente de si mesma, que constrói uma ainda mais inteligente, até que o progresso ultrapasse a capacidade de qualquer um de testar, regular ou desligar—o que o relatório chama de "uma situação em que as guardrails existentes são severamente inadequadas."

"Atualmente, não há uma aceleração significativa de ponta a ponta da P&D em ML, impulsionada por IA ou não," escreveu Haydn Belfield, um pesquisador do Google DeepMind que trabalhou na avaliação, em um tópico no X. "Portanto, concluímos que o risco da P&D em ML impulsionada por IA é atualmente baixo."

P&D em ML é uma abreviação para pesquisa e desenvolvimento em aprendizado de máquina, o trabalho de construir novos modelos de IA.

1/9

No Relatório de Segurança e Segurança do Gemini 4 Argon, publicamos nossa primeira avaliação empírica holística da automação e aceleração da P&D em ML dentro do Google DeepMind --- combinando benchmarks de capacidade, um índice de capacidade macro, dados sobre código escrito por IA e resultados de trajetória, e... pic.twitter.com/Vr8Q5Obbsp

--- Haydn Belfield (@HaydnBelfield) 14 de outubro de 2026

O DeepMind acompanha a questão porque "a IA poderia acelerar os ganhos de capacidade de fronteira mais rapidamente do que a segurança, governança e adaptação social podem acompanhar," escreveu Belfield. Mais automação também significa dar aos agentes de IA um acesso mais amplo aos sistemas da empresa, mais espaço para um modelo desalinhado (um que persegue objetivos que seus criadores nunca pretendiam) causar problemas.

Para medir o progresso, a equipe construiu o GCI v1, um índice interno que combina as pontuações de 123 modelos de IA em 92 benchmarks em um único número por modelo—pense nisso como uma pontuação de QI para IA. "As capacidades do Gemini de fronteira melhoraram a um ritmo notavelmente constante de ~0.1 pontos GCI/mês," escreveu Belfield.

No gráfico do relatório desse índice, o Gemini 1.5 Pro está perto de 0.5 pontos no final de 2024 e o Gemini 3.8 Flash logo acima de 2.9 em setembro de 2026, com quase todos os lançamentos seguindo uma linha reta. O Argon é o único ponto que se destaca, em aproximadamente 3.3, embora sua barra de erro (o intervalo em que sua verdadeira pontuação poderia plausivelmente cair) se estenda baixo o suficiente para tocar a tendência.

"Embora o Gemini 4 Argon esteja acima da tendência, rastreamos isso para um aumento no investimento em computação e organizacional, em vez de refletir uma aceleração impulsionada por IA," escreveu Belfield. O Google revelou o Gemini 4 Argon em 30 de setembro.

A maior parte do código de produção no DeepMind é agora mais de 75% escrito por IA, e a parte de pull requests totalmente delegadas (pacotes de alterações de código submetidos para revisão antes de serem ativados) subiu de 7.5% para 11.9% entre abril e setembro. Mas "~88% das pull requests ainda requerem orientação humana em múltiplas etapas ou autoria humana de código—e as alterações de código continuam sujeitas a revisão humana antes da submissão," escreveu Belfield.

Uma pesquisa com 12 líderes e pesquisadores seniores do DeepMind descobriu que a automação é mais alta em "tarefas de execução bem especificadas e verificáveis e mais baixa em ideação científica aberta, design experimental novo, diagnóstico de instabilidades sutis de treinamento e gosto de pesquisa de longo prazo." Em termos simples, a IA é ótima em executar instruções e ruim em decidir quais ideias valem a pena perseguir.

O DeepMind também revisou 1.389 registros do Argon trabalhando como um agente dentro da empresa. Quanto maior a tarefa, menos provável é que o modelo a termine sozinho e mais frequentemente um humano intervenha.

O relatório foi publicado um mês depois que o CEO da Anthropic, Dario Amodei, argumentou que o autoaperfeiçoamento recursivo já está a acelerar, um aviso que Sam Altman e Elon Musk endossaram e que fez as ações de chips caírem quase 6%. Dias antes, o ex-engenheiro da Anthropic, Jacob Coxon, havia deixado a indústria, alertando que a IA poderia "nos matar a todos até o final da década."

Os números do DeepMind cobrem apenas seu próprio laboratório, e o mesmo relatório diz que não pode descartar que um Argon sem restrições ultrapasse seus limites de perigo para ciberataques e informações sobre armas biológicas.

Este conteúdo é disponibilizado apenas para fins informativos gerais e não constitui aconselhamento financeiro, de investimento, jurídico ou fiscal. Quaisquer eventos, recompensas, promoções online ou informações relacionadas aqui mencionados não devem ser interpretados como uma recomendação, solicitação ou convite para comprar, vender, negociar ou realizar quaisquer outras operações com criptoativos. Os criptoativos são altamente voláteis e podem resultar em perdas. A disponibilidade dos serviços, produtos e eventos relacionados da WEEX pode variar consoante a região. O utilizador é responsável por garantir que a sua participação está em conformidade com a legislação e os regulamentos locais aplicáveis.