Sergey Brinin mukaan Googlen tutkijat ja mallit työskentelevät yhdessä seuraajamallien parissa. Google ilmoitti Gemini 4 Argonista 30.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What do Sergey Brin’s remarks in Google’s October 14 roundtable on Gemini 4 Argon reveal about the early stages of recursive self-improvemen. Article summary: Brin’s remarks point to an early, human–AI feedback loop in which models help researchers build successor models—not proof of fully autonomous, runaway recursive self-improvement (RSI). The available reporting supports t. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Sergey Brinin Geminiä koskevat kommentit viittaavat merkittävään muutokseen: tekoälymallit osallistuvat jo seuraavien mallien kehittämiseen. Se ei kuitenkaan tarkoita, että järjestelmä asettaisi tutkimustavoitteet itse, rakentaisi seuraajansa itsenäisesti ja toistaisi prosessin ilman ihmisten ohjausta. Saatavilla olevat tiedot tukevat kuvaa ihmisten ja tekoälyn yhteistyöstä – eivät todennettua, täysin autonomista rekursiivisen itsensä kehittämisen (RSI) kierrettä. 4
35
Brin liitti Googlen Flash-mallien kehityksen prosessiin, jossa tutkijat ja mallit työskentelevät yhdessä seuraavan version parissa. Hän kuvaili tätä yhteistyötä orastavaksi ”RSI-raviksi”. 4 Business Insider raportoi samoin, että Gemini-mallit auttavat rakentamaan seuraajiaan.
35
Kyse on tärkeästä kehityksestä, mutta avustamisen ja itsenäisen toiminnan ero on olennainen. Mallit voivat osallistua tutkimukseen ja tuotekehitykseen valitsematta itse ratkaistavia ongelmia, ohjaamatta koulutusprosessia tai päättämättä, milloin seuraajamalli on valmis. Brinin kommenteista ei käy ilmi, että Google olisi automatisoinut koko tämän ketjun.
Vahvassa merkityksessään rekursiivinen itsensä kehittäminen tarkoittaa, että tekoälyjärjestelmä suunnittelee ja kehittää seuraajansa, joka voi jatkaa samaa prosessia. Anthropic kuvaa tekoälyn kasvavaa roolia kehitystyössä suuntauksena, joka voisi johtaa tähän, mutta sanoo samalla, ettei täysin autonomiseen itsensä kehittämiseen ole vielä päästy. 20
Googlea koskevia turvallisuusraportin havaintoja referoivan jutun mukaan tekoälyagentit tuottavat ”enemmistön” koodista. 19 Tämä kertoo tekoälyn merkittävästä roolista koodaamisessa, mutta saatavilla olevista tiedoista ei käy tarkasti ilmi, mistä koodista puhutaan, kuinka paljon siihen sisältyy virhekorjauksia tai millaista ihmisten tekemää tarkastusta työhön liittyy.
Vaikka tekoäly tuottaisi paljon koodia, se ei yksin osoittaisi, että se kykenee tekemään tutkimusta itsenäisesti. Koodin kirjoittaminen tai siinä avustaminen on yksi mallikehityksen tehtävä; se ei todista, että järjestelmä osaisi suunnitella ja toteuttaa itsenäisesti koko seuraajamallin kehitysprosessin.
Myöskään väitteitä siitä, että tiimit olisivat pyytäneet Argonin käyttökiintiöitä piirien sijaan tai että Googlen sisäiset mallit olisivat jo useita versioita julkisia edellä, eivät käytettävissä olevat lähteet vahvista. Niitä ei siksi pidä pitää varmistettuna näyttönä RSI:stä.
Toissijaisissa lähteissä Carbonia on kuvattu sisäiseksi Gemini 4 -tarkistuspisteeksi, jota testattiin Googlen koodausalustalla. Yhden työntekijän kerrotaan sanoneen, että se ”tuntuu koodauksessa Opus 5.5:ltä”. Kyse on yksittäisestä arviosta, ei julkaistusta vertailutestistä. Raportoinnin mukaan julkista vertailutulosta tai julkaisupäivää ei ole. 6
Carbon antaa siis rajallisen vihjeen Googlen sisäisestä mallien testauksesta, mutta ei todista mallin kyvykkyyden tai itsenäisyyden tasoa. Saatavilla olevat lähteet eivät kerro sen arkkitehtuuria tai mitattua suorituskykyä eivätkä osoita, että se pystyisi tekemään itsenäistä tekoälytutkimusta.
Google ilmoitti Gemini 4 Argonista 30. syyskuuta. Aluksi malli tuli rajatusti luotettujen kyberturvallisuusasiantuntijoiden käyttöön Fairwind-ohjelman kautta. 13 Lokakuun 13. päivänä Google ilmoitti laajemmasta saatavuudesta kehittäjille ja yrityksille omien alustojensa kautta sekä oikeutetuille tilaajille Gemini-sovelluksessa ja haun tekoälytilassa.
14
1
Aikajana kertoo rajatusta ensijulkaisusta ja sitä seuranneesta laajemmasta saatavuudesta. Se ei kuitenkaan osoita, että Fairwind-ohjelman testaus olisi aiheuttanut tai suoraan mahdollistanut laajemman julkaisun. Saatavilla olevat lähteet eivät myöskään vahvista väitettyä noin seitsemän kuukauden taukoa Gemini 3.1 Pron jälkeen tai sitä, että koodauskykyyn liittyvät huolet olisivat viivästyttäneet julkaisua.
Erillisessä uutisoinnissa kerrottiin, että Brin kehotti Googlen keskeisiä tekoälyasiantuntijoita keskittymään Geminiin yhtiön pyrkiessä kuromaan eroa kilpailijoihin. 18 Tämä viittaa paineeseen priorisoida mallien kehitystä, mutta raportti ei erittele RSI:lle varattua budjettia, laskentatehon jakoa tai resurssien siirtoa.
Anthropic on kuvannut asiaa varovaisesti: kehitystyön kasvava siirtäminen tekoälylle voisi ajan myötä mahdollistaa seuraajamallien autonomisen kehittämisen, mutta täysi versio ei ole vielä toteutunut eikä sen toteutuminen ole väistämätöntä. Tämä ero on hyödyllinen, kun arvioidaan ennusteita tai väitteitä RSI:n välittömästä alkamisesta. 20
Kysymys ei ole vain siitä, kuinka paljon koodia malli pystyy kirjoittamaan. Olennaista on, kuinka suuren osan kehitysprosessista se kykenee hoitamaan, kuka asettaa tavoitteet, miten tulokset tarkistetaan ja voivatko ihmiset puuttua toimintaan. Saatavilla oleva näyttö kertoo tekoälyn kasvavasta roolista mallien kehityksessä, mutta ei osoita, että ihmiset olisivat menettäneet hallinnan tai että suojatoimet riittäisivät täysin autonomiseen tutkimuskierteeseen.
Perustelluin johtopäätös on siis rajatumpi kuin ilmaus ”rekursiivinen itsensä kehittäminen” voi antaa ymmärtää: Googlen mallit auttavat tutkijoita rakentamaan seuraajiaan, ja tekoälytyökaluilla näyttää olevan merkittävä rooli koodaamisessa. Nämä ovat tärkeitä merkkejä tekoälyn avustamasta kehitystyöstä – eivät sellaisenaan todiste siitä, että tekoälyjärjestelmät pystyisivät itsenäisesti suunnittelemaan, rakentamaan ja ohjaamaan seuraajiaan.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Sergey Brinin mukaan Googlen tutkijat ja mallit työskentelevät yhdessä seuraajamallien parissa.
Sergey Brinin mukaan Googlen tutkijat ja mallit työskentelevät yhdessä seuraajamallien parissa. Google ilmoitti Gemini 4 Argonista 30. syyskuuta ja laajensi sen saatavuutta 13.
Sergey Brinin mukaan Googlen tutkijat ja mallit työskentelevät yhdessä seuraajamallien parissa. Google ilmoitti Gemini 4 Argonista 30.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What do Sergey Brin’s remarks in Google’s October 14 roundtable on Gemini 4 Argon reveal about the early stages of recursive self-improvemen. Article summary: Brin’s remarks point to an early, human–AI feedback loop in which models help researchers build successor models—not proof of fully autonomous, runaway recursive self-improvement (RSI). The available reporting supports t. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Sergey Brinin Geminiä koskevat kommentit viittaavat merkittävään muutokseen: tekoälymallit osallistuvat jo seuraavien mallien kehittämiseen. Se ei kuitenkaan tarkoita, että järjestelmä asettaisi tutkimustavoitteet itse, rakentaisi seuraajansa itsenäisesti ja toistaisi prosessin ilman ihmisten ohjausta. Saatavilla olevat tiedot tukevat kuvaa ihmisten ja tekoälyn yhteistyöstä – eivät todennettua, täysin autonomista rekursiivisen itsensä kehittämisen (RSI) kierrettä. 4
35
Brin liitti Googlen Flash-mallien kehityksen prosessiin, jossa tutkijat ja mallit työskentelevät yhdessä seuraavan version parissa. Hän kuvaili tätä yhteistyötä orastavaksi ”RSI-raviksi”. 4 Business Insider raportoi samoin, että Gemini-mallit auttavat rakentamaan seuraajiaan.
35
Kyse on tärkeästä kehityksestä, mutta avustamisen ja itsenäisen toiminnan ero on olennainen. Mallit voivat osallistua tutkimukseen ja tuotekehitykseen valitsematta itse ratkaistavia ongelmia, ohjaamatta koulutusprosessia tai päättämättä, milloin seuraajamalli on valmis. Brinin kommenteista ei käy ilmi, että Google olisi automatisoinut koko tämän ketjun.
Vahvassa merkityksessään rekursiivinen itsensä kehittäminen tarkoittaa, että tekoälyjärjestelmä suunnittelee ja kehittää seuraajansa, joka voi jatkaa samaa prosessia. Anthropic kuvaa tekoälyn kasvavaa roolia kehitystyössä suuntauksena, joka voisi johtaa tähän, mutta sanoo samalla, ettei täysin autonomiseen itsensä kehittämiseen ole vielä päästy. 20
Googlea koskevia turvallisuusraportin havaintoja referoivan jutun mukaan tekoälyagentit tuottavat ”enemmistön” koodista. 19 Tämä kertoo tekoälyn merkittävästä roolista koodaamisessa, mutta saatavilla olevista tiedoista ei käy tarkasti ilmi, mistä koodista puhutaan, kuinka paljon siihen sisältyy virhekorjauksia tai millaista ihmisten tekemää tarkastusta työhön liittyy.
Vaikka tekoäly tuottaisi paljon koodia, se ei yksin osoittaisi, että se kykenee tekemään tutkimusta itsenäisesti. Koodin kirjoittaminen tai siinä avustaminen on yksi mallikehityksen tehtävä; se ei todista, että järjestelmä osaisi suunnitella ja toteuttaa itsenäisesti koko seuraajamallin kehitysprosessin.
Myöskään väitteitä siitä, että tiimit olisivat pyytäneet Argonin käyttökiintiöitä piirien sijaan tai että Googlen sisäiset mallit olisivat jo useita versioita julkisia edellä, eivät käytettävissä olevat lähteet vahvista. Niitä ei siksi pidä pitää varmistettuna näyttönä RSI:stä.
Toissijaisissa lähteissä Carbonia on kuvattu sisäiseksi Gemini 4 -tarkistuspisteeksi, jota testattiin Googlen koodausalustalla. Yhden työntekijän kerrotaan sanoneen, että se ”tuntuu koodauksessa Opus 5.5:ltä”. Kyse on yksittäisestä arviosta, ei julkaistusta vertailutestistä. Raportoinnin mukaan julkista vertailutulosta tai julkaisupäivää ei ole. 6
Carbon antaa siis rajallisen vihjeen Googlen sisäisestä mallien testauksesta, mutta ei todista mallin kyvykkyyden tai itsenäisyyden tasoa. Saatavilla olevat lähteet eivät kerro sen arkkitehtuuria tai mitattua suorituskykyä eivätkä osoita, että se pystyisi tekemään itsenäistä tekoälytutkimusta.
Google ilmoitti Gemini 4 Argonista 30. syyskuuta. Aluksi malli tuli rajatusti luotettujen kyberturvallisuusasiantuntijoiden käyttöön Fairwind-ohjelman kautta. 13 Lokakuun 13. päivänä Google ilmoitti laajemmasta saatavuudesta kehittäjille ja yrityksille omien alustojensa kautta sekä oikeutetuille tilaajille Gemini-sovelluksessa ja haun tekoälytilassa.
14
1
Aikajana kertoo rajatusta ensijulkaisusta ja sitä seuranneesta laajemmasta saatavuudesta. Se ei kuitenkaan osoita, että Fairwind-ohjelman testaus olisi aiheuttanut tai suoraan mahdollistanut laajemman julkaisun. Saatavilla olevat lähteet eivät myöskään vahvista väitettyä noin seitsemän kuukauden taukoa Gemini 3.1 Pron jälkeen tai sitä, että koodauskykyyn liittyvät huolet olisivat viivästyttäneet julkaisua.
Erillisessä uutisoinnissa kerrottiin, että Brin kehotti Googlen keskeisiä tekoälyasiantuntijoita keskittymään Geminiin yhtiön pyrkiessä kuromaan eroa kilpailijoihin. 18 Tämä viittaa paineeseen priorisoida mallien kehitystä, mutta raportti ei erittele RSI:lle varattua budjettia, laskentatehon jakoa tai resurssien siirtoa.
Anthropic on kuvannut asiaa varovaisesti: kehitystyön kasvava siirtäminen tekoälylle voisi ajan myötä mahdollistaa seuraajamallien autonomisen kehittämisen, mutta täysi versio ei ole vielä toteutunut eikä sen toteutuminen ole väistämätöntä. Tämä ero on hyödyllinen, kun arvioidaan ennusteita tai väitteitä RSI:n välittömästä alkamisesta. 20
Kysymys ei ole vain siitä, kuinka paljon koodia malli pystyy kirjoittamaan. Olennaista on, kuinka suuren osan kehitysprosessista se kykenee hoitamaan, kuka asettaa tavoitteet, miten tulokset tarkistetaan ja voivatko ihmiset puuttua toimintaan. Saatavilla oleva näyttö kertoo tekoälyn kasvavasta roolista mallien kehityksessä, mutta ei osoita, että ihmiset olisivat menettäneet hallinnan tai että suojatoimet riittäisivät täysin autonomiseen tutkimuskierteeseen.
Perustelluin johtopäätös on siis rajatumpi kuin ilmaus ”rekursiivinen itsensä kehittäminen” voi antaa ymmärtää: Googlen mallit auttavat tutkijoita rakentamaan seuraajiaan, ja tekoälytyökaluilla näyttää olevan merkittävä rooli koodaamisessa. Nämä ovat tärkeitä merkkejä tekoälyn avustamasta kehitystyöstä – eivät sellaisenaan todiste siitä, että tekoälyjärjestelmät pystyisivät itsenäisesti suunnittelemaan, rakentamaan ja ohjaamaan seuraajiaan.
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Sergey Brinin mukaan Googlen tutkijat ja mallit työskentelevät yhdessä seuraajamallien parissa.
Sergey Brinin mukaan Googlen tutkijat ja mallit työskentelevät yhdessä seuraajamallien parissa. Google ilmoitti Gemini 4 Argonista 30. syyskuuta ja laajensi sen saatavuutta 13.