谷歌说自我改进AI还早得很

最近看到谷歌DeepMind的工程师Haydn Belfield出来泼冷水，说自我改进的AI离我们还远得很。他提到DeepMind内部并没有观察到AI驱动AI研究出现可测量的加速，这个判断其实挺反直觉的，毕竟现在满世界都在讲AI要自己进化了。但Belfield的意思不是说自动化没发生，而是说这种自动化还停留在很浅的层面，离真正的自我迭代差得远。

他给了一组挺有意思的数据：现在AI已经写了超过75%的生产代码，这个比例确实吓人。但关键在于，大约88%的代码改动仍然需要人工监督或审核，每一次提交前都得有人过一遍。真正完全交给AI处理的代码改动比例，只是从7.5%涨到了11.9%，涨幅有但绝对量还是很小。说白了，AI是个高效的打字员，但拍板的人还是工程师。更值得琢磨的是复杂度和成功率的关系。在1389次内部Argon智能体的运行里，任务越复杂，没有人工介入的成功率就掉得越厉害。这其实说明一个很朴素的事实：AI擅长的是定义清晰、可验证的任务，一旦进入模糊地带就开始拉胯。Belfield也点了名，像创造性研究、新颖实验设计、诊断微妙的训练不稳定、长期规划这些事，人还是不可替代的。他们还调查了十二位DeepMind的资深研究员，结论也印证了这个模式：自动化程度最高的，恰恰是那些边界清楚、结果好验证的活儿。我觉得这个信号对做AI产品的人来说很重要，别被那些「AI自己写自己」的叙事带偏了。现阶段真正能落地赚钱的，还是把AI塞进那些流程明确、能自动校验的环节里，而不是幻想它自己搞科研。当然，75%的代码占比已经足够说明变化在真实发生，只是方向和我们想象的不太一样。与其焦虑AI什么时候能自我进化，不如想想怎么把手里那些可验证的重复劳动先交给它。毕竟从7.5%到11.9%这个爬坡速度，也说明全自动化的门槛比宣传的要高得多。