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

OpenAI ची पुढील मोठी आव्हान

OpenAI ने व्यापक नवीन संशोधन उচ्चाकांक्षा घोषित केली आहे: AI संशोधक तयार करणे — एक पूर्णपणे स्वयंचलित, एजेंट-आधारित प्रणाली जी मोठ्या, जटिल वैज्ञानिक समस्यांचे स्वतंत्रपणे निराकरण करू शकते. MIT Technology Review सह एक एक्सक्लूसिव्ह मुलाखतीमध्ये, Chief Scientist Jakub Pachocki या उपक्रमाचे वर्णन OpenAI च्या येणाऱ्या वर्षांसाठी North Star म्हणून केले, जो तर्क मॉडेल, कोडिंग एजेंट आणि व्याख्यासाठी कंपनीच्या कामाचा समन्वय दर्शवितो.

काळ पट्टी ठोस आणि अल्पकालीन आहे, जी या घोषणेला उद्योगाने वर्षानुवर्षे व्यापक AGI वचनांपासून अलग करते. OpenAI सप्टेंबर 2026 पर्यंत स्वायत्त AI संशोधन इंटर्न तयार करण्याची योजना करत आहे — एक प्रणाली जी विशिष्ट संशोधन समस्यांवर दिवसांच्या मेयादीत स्वतंत्रपणे काम करू शकते. 2028 साठी संपूर्ण बहु-एजेंट AI संशोधक, मानवी व्यवस्थापनासाठी खूप मोठ्या किंवा जटिल समस्यांचा सामना करण्यास सक्षम.

Codex ला खाकेच्या रूपात

Pachocki ने OpenAI च्या विद्यमान Codex एजेंटला अधिक महत्वाकांक्षी AI संशोधक दृष्टिकोनाच्या लिये पुरावा आधार आणि प्रारंभिक-टप्पा मॉडेल म्हणून निर्देश दिले. Codex, OpenAI जानेवारीत सोडलेला, एक एजेंट-आधारित कोडिंग प्रणाली आहे जी जटिल प्रोग्रामिंग कार्यांचे निराकरण करण्यासाठी स्वतंत्रपणे कोड तयार, चालवू आणि डीबग करू शकते. हे OpenAI मध्ये व्यापकपणे स्वीकारले गेले आहे, Pachocki लक्षात घेत की कंपनीचे बहुतेक तांत्रिक कर्मचारी आता त्यांच्या कार्यप्रवाहाच्या मूळ भागाप्रमाणे Codex वापरतात.

Pachocki करत असलेली तात्विक मोक्ष अशी आहे की जर एक AI प्रणाली जटिल कोडिंग समस्यांचे स्वतंत्रपणे निराकरण करू शकते — ज्यामध्ये रचनात्मक तर्क, मोठ्या कार्यांचे उप-कार्यांमध्ये विभाजन, विस्तारित कामाच्या सेशनवर जटिल स्थिती ट्रॅक करणे आणि दोष दुरुस्ती समाविष्ट आहे — तर असेच क्षमता आर्किटेक्चर जीवशास्त्र, रसायन शास्त्र, भौतिकशास्त्र आणि गणित यांसारख्या क्षेत्रांमध्ये वैज्ञानिक समस्या सोडवायला विस्तारित केले जाऊ शकते.

आमची नोकरी आता एक वर्षाच्या तुलनेत पूर्णपणे वेगळी आहे. कोणीही प्रत्यक्षपणे संपूर्ण वेळ कोड संपादित करत नाही. त्याऐवजी, तुम्ही Codex एजेंटांच्या गटाचे व्यवस्थापन करता, Pachocki ने MIT Technology Review ला सांगितले. दृष्टिकोन असा आहे की हाच व्यवस्थापन संबंध — मानवी निर्देशन, AI अंमलबजावणी — अखेरीस संशोधनावरही लागू होऊ शकते, शास्त्रज्ञांनी AI एजेंटांना निर्देशन देत असे ज्यांचे प्रायोगिक गृहीतकांचा स्वतंत्रपणे पीछा करणे, साहित्य पुनरावलोकन करणे, विश्लेषण डिজाइन करणे आणि परिणाम तयार करणे.

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.