Google-medeoprichter Sergey Brin zegt dat de AI-ontwikkeling van het bedrijf het punt heeft bereikt waarop zijn modellen actief helpen bij het bouwen van hun eigen opvolgers – een dynamiek die bekend staat als recursieve zelfverbetering of RSI. Tijdens een rondetafelgesprek over de creatie van Google's nieuwe Gemini 4-model, Argon, zei Brin dat de AI-ontwikkeling intern aan het versnellen was en dat het bedrijf "op die RSI-loopband begon te komen".

"En nu werken onze onderzoekers en het model hand in hand om de volgende versie van het model te maken", zei Brin tijdens de rondetafelconferentie, die Google woensdag deelde. Zijn opmerkingen werden voor het eerst gerapporteerd door Business Insider. De opmerkingen plaatsen de medeoprichter van Google – die een steeds meer praktische rol heeft gespeeld in het Gemini-programma – vierkant in het meest consequente debat in de branche: of AI-systemen zichzelf binnenkort sneller zullen verbeteren dan menselijke ingenieurs dat kunnen. Voor verdere berichtgeving over dat debat kunt u ons AI-onderzoeksnieuws volgen.

Waar Brin op wees als bewijs

Brin wees op de cadans van Google's Flash-modelreleases in de aanloop naar Gemini 4 als bewijs dat de feedbacklus al aan het keren is. De implicatie is dat elke generatie modellen de tijd verkort die nodig is om de volgende te produceren, omdat geautomatiseerde codering, evaluatie en onderzoekstools een verbinding vormen.

Google's eigen veiligheidsdocumentatie voor Argon lijkt delen van dat beeld te ondersteunen. Volgens het veiligheidsrapport van het model "opereren AI-agenten nu als assistenten met een hoog hefboomeffect die het merendeel van de productiecode en bugfixes schrijven, hoewel codewijzigingen onderworpen blijven aan menselijke beoordeling voordat ze worden ingediend." Met andere woorden, het bedrijf beschrijft een workflow waarin modellen het grootste deel van de code produceren, terwijl mensen het laatste woord hebben over wat er wordt verzonden.

Het bredere RSI-debat

Anthropic en OpenAI hebben ook gezegd dat AI mogelijk op de rand van RSI staat, en een rapport van de firma Gladstone AI dat deze week werd gepubliceerd, legt uit op welke manieren AI-bedrijven daar naartoe gaan. Volgens het verslag van Business Insider over het rapport geloven de meeste geïnterviewde onderzoekers – werkzaam bij bedrijven als Anthropic, OpenAI en Google DeepMind – dat RSI binnen de komende drie tot twaalf maanden zal beginnen, en eerder zou kunnen optreden als de overheid niet ingrijpt.

Waarom de tijdlijn belangrijk is

Recursieve zelfverbetering is niet zomaar een mijlpaal in vaardigheden. Als modellen de primaire beroepsbevolking voor AI-onderzoek zelf worden, wordt het tempo van de vooruitgang moeilijker te voorspellen en moeilijker te beheersen. Dat is de reden waarom RSI vorige maand centraal stond in de waarschuwingen van vooraanstaande AI-onderzoekers dat mensen de controle over de technologie zouden kunnen verliezen als er niet voldoende vangrails worden geplaatst.

Brins formulering was opmerkelijk zakelijk. In plaats van de RSI-loopband als een verre hypothese te behandelen, beschreef hij deze als een operationele voorwaarde van het modelontwikkelingsprogramma van Google: onderzoekers en modellen werkten 'hand in hand' aan elke opeenvolgende versie.

De tegenpunten

Niet iedereen binnen Google is het eens over hoe snel het vliegwiel draait. In dezelfde nieuwscyclus werd opgemerkt dat Google DeepMind in zijn eigen evaluaties geen significante versnelling heeft aangetroffen in onderzoek en ontwikkeling op het gebied van machine learning, een conclusie die afwijkt van de meer gealarmeerde retoriek van sommige rivalen. De kloof tussen deze twee metingen – de medeoprichter van Google beschrijft een loopband die in beweging is gekomen, en de veiligheidsonderzoekers van Google die geen dramatische versnelling meten – is op zichzelf een momentopname van hoe onzeker het veld blijft over zijn eigen traject.

Er zijn ook structurele kanttekeningen. Agenten die het merendeel van de productiecode schrijven, opereren nog steeds onder menselijke controle, en veel van wat tegenwoordig geldt als 'AI die AI-onderzoek automatiseert' omvat het verkleinen van de zoekruimte, het genereren van kandidaat-oplossingen en het uitvoeren van evaluaties - hulp met een hoog hefboomeffect in plaats van autonome ontdekking.

Wat te bekijken

Drie dingen zullen waarnemers vertellen of Brins loopbandmetafoor klopt. Ten eerste het releasetempo van Google's eigen modellen, waarbij kortere intervallen tussen generaties het duidelijkst zichtbare signaal zouden zijn. Ten tweede: of andere grenslaboratoria beginnen te kwantificeren hoeveel van hun onderzoeks- en engineeringpijplijn modelmatig wordt uitgevoerd, zoals Google's Argon-veiligheidsrapport heeft gedaan. Ten derde: of regeringen handelen naar rapporten zoals die van Gladstone AI, waarvan de geïnterviewde onderzoekers hun tijdlijn expliciet afhankelijk maakten van de afwezigheid van interventie.

De economie achter de loopband

Er schuilt ook een duidelijke commerciële logica in de opmerkingen van Brin. Als modellen de onderzoekscycli op betekenisvolle wijze verkorten, dalen de marginale kosten van elke nieuwe modelgeneratie, en krijgt het bedrijf dat als eerste de kringloop sluit een groter voordeel in zowel mogelijkheden als prijs. Google heeft al aangegeven bereid te zijn om agressief te concurreren op de tweede as, waarbij de API-prijzen van rivalen met Argon worden onderboden, terwijl modellen van Flash-klasse worden vrijgegeven voor werklasten met een hoog volume. Een echt RSI-vliegwiel zou die strategie een boost geven – wat helpt verklaren waarom Google alle prikkels heeft om te omschrijven dat deze al aan de gang is.

Voorlopig is het belang van de ronde tafel positionering: een van de oprichters van Google beschrijft recursieve zelfverbetering publiekelijk niet als een risicoscenario, maar als de werkrealiteit van het bedrijf. Die herformulering – van gedachte-experiment naar roadmap – zou wel eens het meest nieuwswaardige aan de lanceringscyclus van Gemini 4 kunnen blijken te zijn, ongeacht waar de benchmarkscores terechtkomen.

---

Blijf AI een stap voor

Ontvang het laatste AI-nieuws, analyses en doorbraken – allemaal op één plek.

Lees meer AI-nieuws →