Google DeepMind powołuje elitarną jednostkę do optymalizacji kodu. Chce prześcignąć Anthropic

Rywalizacja o miano lidera w segmencie sztucznej inteligencji przeniosła się na pole inżynierii oprogramowania. Google DeepMind sformowało wyspecjalizowany zespół badaczy i programistów, którego jedynym zadaniem jest radykalne podniesienie kompetencji modeli Gemini w obszarze kodowania. Na czele grupy stanął Sebastian Borgeaud, postać kluczowa dla wcześniejszych etapów rozwoju technologii pretrenowania w DeepMind.

Decyzja o powołaniu nowej komórki nie jest dziełem przypadku, lecz wynikiem chłodnej kalkulacji. Z wewnętrznych raportów firmy, do których dotarł serwis The Information, wyłania się obraz organizacji, która poczuła na plecach oddech konkurencji. Eksperci Google przyznali, że narzędzia programistyczne oferowane przez startup Anthropic – twórców rodziny modeli Claude – wyprzedzają obecnie rozwiązania giganta pod względem precyzji i zrozumienia złożonych struktur logicznych.

Ambicje wykraczające poza proste poprawki

Nowy zespół nie skupia się wyłącznie na generowaniu pojedynczych funkcji czy poprawianiu błędów w składni. Cel jest znacznie bardziej ambitny: budowa agentów AI zdolnych do realizacji zadań długoterminowych, takich jak tworzenie całego oprogramowania od podstaw. Wymaga to od modeli umiejętności analizy rozbudowanych repozytoriów, rozumienia intencji użytkownika oraz logicznego łączenia wielu plików w jedną, działającą całość.

W proces ten bezpośrednio zaangażowali się współzałożyciel Google, Sergey Brin, oraz dyrektor technologiczny DeepMind, Koray Kavukcuoglu. Brin w wewnętrznej notatce do pracowników nie przebierał w słowach, podkreślając, że aby wygrać ten „finałowy sprint”, firma musi pilnie przekształcić swoje modele w „głównych deweloperów” kodu. Zobowiązał on również inżynierów pracujących nad Gemini do korzystania z wewnętrznych agentów przy realizacji najbardziej złożonych projektów.

Dane z wnętrza firmy jako paliwo dla postępu

Strategia Google opiera się na wykorzystaniu unikalnego zasobu: gigantycznej bazy wewnętrznego kodu źródłowego firmy. To specyficzne środowisko, różniące się od publicznie dostępnych repozytoriów typu open source, służy obecnie do trenowania modeli, które – choć nie zostaną udostępnione publicznie – mają stać się fundamentem dla przyszłych, komercyjnych wersji Gemini.

Jednocześnie wewnątrz korporacji wprowadzono ścisły monitoring efektywności. Google śledzi stopień wykorzystania wewnętrznego narzędzia „Jetski”, tworząc rankingi zespołów najbardziej zaangażowanych w adopcję AI. W niektórych dywizjach poza strukturami DeepMind udział w szkoleniach z zakresu wykorzystania sztucznej inteligencji stał się dla inżynierów obowiązkowy.

W stronę autonomicznej optymalizacji

Dla Sergeya Brina rozwój umiejętności programistycznych AI to tylko etap pośredni. Dominacja w tej dziedzinie ma być kluczem do stworzenia systemów zdolnych do samooptymalizacji (ang. self-improving AI). Zaawansowany agent kodujący, połączony z modułami zdolnymi do rozwiązywania problemów matematycznych i przeprowadzania eksperymentów, mógłby w przyszłości przejąć lwią część pracy, którą obecnie wykonują sami badacze sztucznej inteligencji. To wizja automatyzacji postępu technologicznego wewnątrz samej firmy, która ma zapewnić Google trwałą przewagę nad OpenAI i Anthropic.