OpenAI 2028 पर्यंत पूर्णपणे स्वयंचलित AI संशोधक तयार करण्यासाठी लक्ष्य धरले आहे

आता का: तर्क मॉडेल यशस्वी

स्वायत्त संशोधन क्षमतेच्या नव्या महत्वाकांक्षेची मूळ तथाकथित तर्क मॉडेलच्या उदयात आहे — AI प्रणाली केवळ आउटपुट तयार करण्यासाठीच नव्हे तर समस्यांचे पायरीपायरी निराकरण करण्यासाठी प्रशिक्षित, जेव्हा ते मृत टोक पर्यंत पोहोचतील तेव्हा पुन्हा चाल काढणे. तर्क मॉडेलने विस्तारित स्वायत्त कामांमध्ये AI प्रणालींना गुणात्मकरीत्या सुधारले आहे: ते लांबलचक समस्या-निराकरण सेशनवर सुसंगत संदर्भ राखू शकतात आणि अशा प्रकारे त्यांची स्वतःची त्रुटी पकडू आणि सुधारू शकतात ज्या पूर्वीच्या भाषा मॉडेलना शक्य नव्हते.

OpenAI त्याच्या प्रशिक्षण पाइपलाइनांना जटिल कार्य उदाहरणांनीही भरत आहे — गणित आणि प्रोग्रामिंग स्पर्धेतून कठीण कोडे — जे मॉडेलना अत्यंत मोठे संदर्भ हाताळणे, समस्यांचे उप-कार्यांमध्ये विभाजन करणे आणि विस्तारित अवधीमध्ये प्रभावी तर्क राखणे शिकायला हवे. Pachocki विश्वास करतात की हा प्रशिक्षण दृष्टिकोन, सलग मॉडेल पिढ्यांमध्ये सामान्य क्षमता सुधारणेसह एकत्रित, कंपनीला त्या थ्रेशोल्डवर आणले आहे जेथे स्वायत्त संशोधन चालू विकास प्रक्षेपणापर्यंत साध्य आहे.

अलीकडील निकालांनी Pachocki च्या आशावादाला काही अनुभवजन्य आधार दिला आहे. OpenAI संशोधकांनी GPT-5 वापरला, ज्या मॉडेलने Codex ला शक्ती दिली, पूर्वी सुटलेल्या गणिताच्या समस्यांचे नवीन निराकरण शोधणे आणि जीवशास्त्र आणि भौतिकशास्त्रातील विशिष्ट कोडेंवर प्रगती करणे — यशस्वी जरी संकीर्ण आहेत, तरी हे दर्शवितात की मॉडेल केवळ विद्यमान ज्ञान सारांश न करता वास्तविक नवीन वैज्ञानिक योगदान तयार करू शकते.

सीमावर सुरक्षा समस्या

Pachocki त्याने जी दृष्टिकोन अवलंबत आहे त्यामध्ये अंतर्निहित जोखिम टाळत नाही. किमान मानवी देखरेखीसह पूर्ण स्वायत्त AI संशोधक एक गुणात्मकरीत्या नवीन प्रकारची AI क्षमता दर्शवितो — जी कृत्रिम जीवशास्त्र किंवा प्रगत सामग्रीसारख्या क्षेत्रांमध्ये वैज्ञानिक अंतर्दृष्टी तयार करू शकते जेथे आउटपुट शस्त्रास्त्र किंवा गैरवापर केले जाऊ शकते. Chain-of-thought निरीक्षण, जेथे AI प्रणालीच्या तर्क प्रक्रिया परिशोधनीय बनवल्या जातात, Pachocki ने ओळखलेली प्राथमिक सुरक्षा पद्धती आहे, परंतु त्यांनी स्वीकारले की हा अपूर्ण आहे.

सीमा कोणत्या ठिकाणी काढल्या पाहिजेत याबद्दल कठीण प्रश्न आहेत, Pachocki ने MIT Technology Review ला सांगितले. मला वाटते की सरकारांना, केवळ OpenAI ला नव्हे, ती सीमा कोठे आहेत हे शोधून काढायचे आहे. बाहेरील शासन आवश्यक असेल असा स्वीकार महत्त्वाचा आहे, जो विस्तृत उद्योग स्वीकृतीचे प्रतिबिंब दर्शवितो की स्वायत्त संशोधन क्षमता सीमावर नियामक ढांचे आवश्यक आहेत जे अजूनही अस्तित्वात नाहीत.

प्रतिस्पर्धी संदर्भ आणि उद्योग परिणाम

OpenAI ची घोषणा अशा वेळी येते जेव्हा कंपनी अनेक मोर्चावर Anthropic आणि Google DeepMind पासून तीव्र प्रतिस्पर्धेचा सामना करत आहे. Anthropic ने एंटरप्राइज AI उपयोजनांमध्ये महत्त्वपूर्ण मैदान मिळवले आहे, आणि DeepMind AlphaFold सारख्या कार्यक्रमांद्वारे प्रभावशाली वैज्ञानिक AI संशोधन निर्मिण करणे सुरू राखत आहे. स्वायत्त AI संशोधकाची OpenAI ची परिभाषित पुढील आव्हान म्हणून स्थापना अंशतः प्रतिस्पर्धी रणनीति आहे — प्रतिद्वंद्वी स्पेस परिभाषित करू शकतील त्यापूर्वी सर्वात महत्वाकांक्षी आणि परिणामदायक क्षमता सीमावर दावा करणे.

वैज्ञानिक समुदायासाठी, AI प्रणाली जी संशोधन स्वतंत्रपणे अग्रसर करू शकतात त्याची संभावना वैज्ञानिक श्रम, प्रकाशन नियम, बौद्धिक संपत्ती आणि शोधांचे श्रेय वाटप यांच्या भविष्याच्या बाबतीत गहन प्रश्न उपस्थित करते. जर एक AI एजेंट स्वतंत्रपणे नवीन गणितीय प्रमाण शोधून काढला किंवा नवीन औषध लक्ष्य ओळखले, तर मानवी वैज्ञानिक यशाभोवती निर्मित शैक्षणिक प्रकाशन, अनुदान निधीकरण, आणि संशोधन कारकीर्द पद्धतीचे पारिस्थितिकी मूलभूत पुनर्विचार आवश्यक असेल. OpenAI च्या 2028 साठीच्या काळ सारणीने सूचित केले की या प्रश्नांची उत्तरे वैज्ञानिक समुदाय तयार होण्यापेक्षा लगेच आवश्यक असू शकतात.

हा लेख MIT Technology Review ची रिपोर्टिंग वर आधारित आहे. मूळ लेख वाचा.