Google DeepMind cho biết hiện chưa có bằng chứng cho thấy AI đang tự tạo ra các hệ thống tiên tiến hơn để đẩy nhanh quá trình nghiên cứu và phát triển AI.

Theo Decrypt ngày 15/10/2026 (giờ địa phương), trong báo cáo an toàn của Gemini 4 Argon, Google DeepMind cho biết chưa ghi nhận dấu hiệu tốc độ R&D AI nội bộ tăng mạnh nhờ chính AI.

Công ty cho biết hơn 75% mã sản xuất nội bộ hiện do AI viết. Dù vậy, kể từ ngày 1/4/2026, tốc độ cải thiện hiệu năng AI chưa cho thấy mức tăng có ý nghĩa thống kê. Chỉ số năng lực nội bộ chỉ tăng khoảng 0,1 điểm mỗi tháng.

Đánh giá này đi ngược với lo ngại gần đây trong ngành về “kịch bản tự cải thiện đệ quy” - tình huống AI tạo ra một hệ thống thông minh hơn, rồi hệ thống mới tiếp tục tạo ra phiên bản vượt trội hơn nữa, với tốc độ vượt quá khả năng kiểm soát, kiểm chứng và điều tiết. Báo cáo nhận định ở giai đoạn đó, khung an toàn hiện nay có thể bộc lộ những thiếu hụt nghiêm trọng.

Nhà nghiên cứu Hayden Belfield của Google DeepMind cho biết chưa thấy mức tăng tốc đáng kể trên toàn bộ quy trình R&D máy học, bất kể quá trình đó có được AI dẫn dắt hay không. Theo ông, rủi ro từ hoạt động R&D máy học do AI dẫn dắt hiện vẫn ở mức thấp.

Để đánh giá vấn đề này, DeepMind sử dụng chỉ số nội bộ GCI v1, kết hợp 123 mô hình AI và 92 bộ benchmark. Theo chỉ số này, năng lực của dòng Gemini tăng gần như tuyến tính: vào cuối năm 2024, Gemini 1.5 Pro đạt khoảng 0,5 điểm; đến tháng 9/2026, Gemini 3.8 Flash vượt 2,9 điểm. Gemini 4 Argon đạt khoảng 3,3 điểm và vẫn nằm trên đường xu hướng. DeepMind cho rằng kết quả này không phản ánh việc AI tự đẩy nhanh tốc độ phát triển, mà chủ yếu đến từ việc mở rộng tài nguyên tính toán và gia tăng đầu tư ở cấp tổ chức.

Mức độ tự động hóa cũng được đánh giá là còn cách xa trạng thái tự chủ hoàn toàn. Tỷ lệ pull request (PR) tại DeepMind tăng từ 7,5% trong tháng 4 lên 11,9% vào tháng 9. Tuy nhiên, khoảng 88% vẫn cần hướng dẫn riêng, đồng thời con người vẫn phải trực tiếp viết mã.

Khả năng xử lý công việc thực tế của mô hình cũng còn hạn chế. Theo báo cáo, AI mới chỉ có thể tự giải quyết khoảng một nửa số nhiệm vụ kỹ thuật nghiên cứu nội bộ, thấp hơn đáng kể so với ngưỡng 90% mà DeepMind xem là tín hiệu rủi ro của tự động hóa.

Báo cáo cũng cho thấy sự phân hóa rõ giữa các nhóm công việc dễ và khó tự động hóa. Theo khảo sát với 12 lãnh đạo cấp cao và nhà nghiên cứu của DeepMind, AI đạt hiệu quả cao nhất ở những nhiệm vụ thực thi được định nghĩa rõ ràng và có thể kiểm chứng. Ngược lại, các hạng mục như tìm kiếm ý tưởng khoa học mở, thiết kế thí nghiệm mới, chẩn đoán bất ổn trong quá trình huấn luyện và xác lập định hướng nghiên cứu dài hạn lại có điểm thấp nhất. Điều này cho thấy AI mạnh ở khâu thực thi chỉ dẫn, nhưng còn hạn chế trong việc quyết định nên theo đuổi ý tưởng nào.

Kết quả này cũng trái với một số cảnh báo cứng rắn gần đây trong ngành. Dario Amodei, CEO Anthropic, cho rằng quá trình tự cải thiện đệ quy đã tăng tốc. Sam Altman, CEO OpenAI, và Elon Musk cũng bày tỏ quan điểm tương tự. Vài ngày trước, thị trường cũng nhắc đến thông tin Jacob Kokotson, cựu kỹ sư Anthropic, rời ngành sau khi tuyên bố AI có thể giết toàn bộ nhân loại trong vòng 10 năm.

Dù vậy, DeepMind không loại trừ hoàn toàn rủi ro. Công ty nhấn mạnh dữ liệu trong báo cáo lần này chỉ giới hạn ở môi trường nghiên cứu nội bộ. Báo cáo cũng cho biết không thể loại trừ khả năng Gemini 4 Argon, nếu không bị giới hạn, có thể vượt ngưỡng rủi ro trong các lĩnh vực như tấn công mạng hoặc thông tin liên quan đến vũ khí sinh học. Vì vậy, đánh giá của Google chủ yếu phản ánh bức tranh hiện tại về mức độ tự động hóa nội bộ, thay vì khép lại tranh luận về độ an toàn của các mô hình AI hiệu năng cao.