OpenAI ने 2028 तक पूर्ण रूप से स्वचालित AI शोधकर्ता की ओर रुख किया

क्यों अब: तर्क मॉडल सफलता

स्वायत्त अनुसंधान क्षमता के लिए नई महत्वाकांक्षा तथाकथित तर्क मॉडल के उदय में निहित है — AI प्रणाली न केवल आउटपुट का उत्पादन करने के लिए प्रशिक्षित होती है बल्कि समस्याओं को चरण दर चरण काम करने के लिए, जब वे गतिरोध तक पहुंचते हैं तो वापस आते हैं। तर्क मॉडल ने AI प्रणाली को विस्तारित स्वायत्त कार्य के लिए गुणात्मक रूप से बेहतर बनाया है: वे लंबी समस्या-समाधान सत्र पर सुसंगत संदर्भ बनाए रख सकते हैं और इस तरह से अपनी त्रुटियों को पकड़ और सुधार कर सकते हैं जो पहले की भाषा मॉडल नहीं कर सकते थे।

OpenAI भी अपनी प्रशिक्षण पाइपलाइनों को जटिल कार्य उदाहरणों के साथ खिला रहा है — गणित और प्रोग्रामिंग प्रतियोगिताओं से कठिन पहेलियां — जो मॉडल को सीखने के लिए मजबूर करती हैं कि बहुत बड़े संदर्भों को कैसे प्रबंधित किया जाए, समस्याओं को उप-कार्यों में विघटित किया जाए, और विस्तारित अवधि पर प्रभावी तर्क को बनाए रखा जाए। Pachocki मानते हैं कि यह प्रशिक्षण दृष्टिकोण, साथ ही क्रमिक मॉडल पीढ़ियों के बीच सामान्य क्षमता सुधार, कंपनी को वर्तमान विकास प्रक्षेपवक्र के भीतर स्वायत्त अनुसंधान प्राप्त करने योग्य बिंदु तक लाया है।

हाल के परिणामों ने Pachocki के आशावाद को कुछ अनुभवजन्य आधार दिया है। OpenAI शोधकर्ताओं ने GPT-5, वह मॉडल जो Codex को शक्ति देता है, का उपयोग पहले अनसुलझी गणित समस्याओं के नए समाधान खोजने और जीव विज्ञान और भौतिकी में विशिष्ट पहेलियों पर प्रगति करने के लिए किया है — ऐसी उपलब्धियां जो, संकीर्ण होने के बाद भी, यह प्रदर्शित करती हैं कि मॉडल सत्यिक वैज्ञानिक योगदान उत्पन्न कर सकता है बजाय केवल मौजूदा ज्ञान को सारांशित करने के।

सीमांत पर सुरक्षा समस्या

Pachocki ने वह जोखिम नहीं छुपाया जो वह दृष्टिकोण कर रहा है उसमें निहित हैं। न्यूनतम मानव निरीक्षण के साथ चलने वाला एक पूरी तरह से स्वायत्त AI शोधकर्ता AI क्षमता का एक गुणात्मक रूप से नया प्रकार दर्शाता है — जो सिंथेटिक जीव विज्ञान या उन्नत सामग्री जैसे डोमेन में वैज्ञानिक अंतर्दृष्टि उत्पन्न कर सकता है जहां आउटपुट को हथियार बनाया या दुरुपयोग किया जा सकता है। Chain-of-thought निरीक्षण, जहां AI प्रणाली की तर्क प्रक्रियाएं निरीक्षण योग्य हैं, प्राथमिक सुरक्षा दृष्टिकोण है जिसे Pachocki ने पहचाना, लेकिन उन्होंने स्वीकार किया कि यह अपूर्ण है।

कठिन सवाल हैं कि सीमाएं कहां खींची जानी चाहिए, Pachocki ने MIT तकनीकी समीक्षा को कहा। मुझे लगता है कि सरकारें, सिर्फ OpenAI नहीं, यह पता लगाने की जरूरत है कि ये सीमाएं कहां हैं। स्वीकृति कि बाहरी शासन आवश्यक होगा महत्वपूर्ण है, जो व्यापक उद्योग की स्वीकृति को प्रतिबिंबित करता है कि स्वायत्त अनुसंधान क्षमता सीमांत को नियामक ढांचे की आवश्यकता है जो अभी तक मौजूद नहीं हैं।

प्रतिस्पर्धी संदर्भ और उद्योग निहितार्थ

OpenAI की घोषणा उस समय आती है जब कंपनी कई मोर्चों पर Anthropic और Google DeepMind से तीव्र प्रतिस्पर्धा का सामना कर रही है। Anthropic ने उद्यम AI तैनाती में महत्वपूर्ण जमीन हासिल की है, और DeepMind AlphaFold जैसे प्रोग्राम के माध्यम से प्रभावशाली वैज्ञानिक AI अनुसंधान का उत्पादन करना जारी रखता है। स्वायत्त AI शोधकर्ता को OpenAI की परिभाषित अगली चुनौती के रूप में स्थिति देना आंशिक रूप से एक प्रतिस्पर्धी रणनीति है — सबसे महत्वाकांक्षी और परिणामी क्षमता सीमांत पर दावा करना इससे पहले कि प्रतिद्वंद्वी स्थान को परिभाषित कर सकें।

व्यापक वैज्ञानिक समुदाय के लिए, AI प्रणाली जो स्वतंत्र रूप से अनुसंधान को आगे बढ़ा सकता है वैज्ञानिक श्रम, प्रकाशन मानदंड, बौद्धिक संपत्ति, और खोजों के लिए क्रेडिट आवंटन के भविष्य के बारे में गहरे प्रश्न उठाता है। यदि एक AI एजेंट स्वतंत्र रूप से एक नई गणितीय प्रमाण या एक नया चिकित्सीय लक्ष्य खोजता है, तो मानव वैज्ञानिक उपलब्धि के चारों ओर निर्मित शैक्षणिक प्रकाशन, अनुदान निधि, और अनुसंधान करियर की प्रणाली को पर्याप्त पुनर्विचार की आवश्यकता होगी। OpenAI की 2028 की समयरेखा सुझाती है कि इन सवालों के जवाब की आवश्यकता वैज्ञानिक समुदाय के कई हिस्सों की तुलना में जल्दी हो सकती है।

यह लेख MIT तकनीकी समीक्षा द्वारा रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.