O Google DeepMind forma uma força-tarefa de programação para se colocar ao nível da Anthropic

Notícia do CoinWorld, segundo monitoramento da Beating, o The Information citou três fontes informadas afirmando que o Google DeepMind formou uma equipe especializada de pesquisadores e engenheiros para aprimorar as capacidades de seus modelos de codificação. A equipe é liderada pelo engenheiro de pesquisa do DeepMind, Sebastian Borgeaud, anteriormente responsável pelo pré-treinamento do DeepMind; os cofundadores Sergey Brin e o chefe de tecnologia do DeepMind, Koray Kavukcuoglu, participam diretamente. O impulso imediato para a formação da equipe foi o recente lançamento de modelos pela Anthropic. Pesquisadores internos do DeepMind consideram que as ferramentas de codificação da Anthropic já superam a capacidade de geração de código do Gemini. Em um memorando recente, Brin escreveu que a equipe deve "urgentemente compensar a lacuna na capacidade de execução de agentes, transformando os modelos nos principais desenvolvedores de código", para vencer esta última corrida. Agentes referem-se a IA capazes de realizar tarefas com múltiplos passos. Existem números concretos para essa lacuna: Boris Cherny, responsável pelo Claude Code da Anthropic, afirmou em janeiro que a empresa "quase 100%" escreve seu código com IA; já Anat Ashkenazi, CFO do Google, disse na reunião de resultados de fevereiro que agentes de codificação no Google assumem apenas cerca de 50% do trabalho de código interno. A equipe foca principalmente em tarefas de codificação de longo prazo, como escrever um novo software do zero — tarefas que exigem que o modelo leia múltiplos arquivos e compreenda a intenção do usuário, sendo os pontos mais desafiadores para as atuais ferramentas de codificação por IA. O conjunto de dados de treinamento também está sendo ajustado: o Google começou a treinar seus modelos com seus próprios repositórios privados de código, pois o código interno difere significativamente do código público, e modelos de codificação genéricos não desempenham bem em projetos internos. Esses modelos treinados internamente não podem ser lançados publicamente, mas podem ajudar a iterar versões públicas. No nível interno, o Google criou uma classificação chamada Jetski para medir o uso da ferramenta interna de codificação; algumas equipes fora do DeepMind já começaram a organizar treinamentos obrigatórios em IA. Brin exigiu em seu memorando que cada engenheiro do Gemini use agentes internos ao realizar tarefas complexas e com múltiplos passos. O objetivo mais amplo é o que Brin chama de "decolagem da IA", ou seja, uma IA capaz de se autoaperfeiçoar. Ele repetidamente informou aos funcionários que aprimorar a capacidade de codificação é a chave para alcançar esse estágio; combinado com IA capaz de realizar cálculos matemáticos e executar experimentos, teoricamente permite a automação em larga escala do trabalho de pesquisadores e engenheiros de IA. A OpenAI já possui ferramentas internas semelhantes que ajudam pesquisadores a gerar código experimental mais rapidamente.