OpenAI planeja um pesquisador de IA totalmente automatizado para 2028

OpenAI visa a um pesquisador de IA totalmente automatizado até 2028

OpenAI declarou sua nova Estrela do Norte: construir um sistema de pesquisa de IA completamente automatizado capaz de enfrentar grandes problemas científicos de forma independente, com um protótipo de estagiário de pesquisa autônomo previsto para setembro e um sistema multi-agente completo visando 2028.

DT Editorial AI

Mar 24, 2026·4 min read·977 words

O próximo grande desafio de OpenAI

OpenAI anunciou uma ambição de pesquisa abrangente: construir o que chama de um pesquisador de IA—um sistema completamente automatizado baseado em agentes capaz de enfrentar de forma independente grandes e complexos problemas científicos. Em uma entrevista exclusiva com MIT Technology Review, o cientista-chefe Jakub Pachocki descreveu a iniciativa como a Estrela do Norte da OpenAI para os próximos anos, representando uma convergência do trabalho da empresa em modelos de raciocínio, agentes de codificação e interpretabilidade em um objetivo unificado de horizonte longo.

O cronograma é concreto e de curto prazo de maneiras que distinguem este anúncio das promessas de AGI mais difusas em que a indústria vem negociando há anos. OpenAI planeja construir um estagiário de pesquisa de IA autônomo—um sistema capaz de trabalhar de forma independente em problemas de pesquisa específicos por dias seguidos—até setembro de 2026. O pesquisador de IA multi-agente completo, capaz de enfrentar problemas muito grandes ou complexos para que os humanos gerenciem, tem como alvo o lançamento em 2028.

Codex como o plano

Pachocki apontou para o agente Codex existente da OpenAI tanto como a base de evidência quanto o protótipo inicial para a visão mais ambiciosa do pesquisador de IA. Codex, que OpenAI lançou em janeiro, é um sistema de codificação baseado em agentes que pode gerar, executar e depurar código de forma autônoma para completar tarefas de programação complexas. Ele foi amplamente adotado dentro da própria OpenAI, com Pachocki observando que a maioria da equipe técnica da empresa agora usa Codex como uma parte central de seu fluxo de trabalho.

O salto filosófico que Pachocki está fazendo é que, se um sistema de IA pode resolver de forma autônoma problemas de codificação complexos—que requerem raciocínio criativo, decomposição de grandes tarefas em subtarefas, rastreamento de estado complexo em sessões de trabalho estendidas e correção de erros—então a mesma arquitetura de capacidade pode ser estendida para resolução de problemas científicos em domínios como biologia, química, física e matemática.

Nossos empregos agora são totalmente diferentes do que eram há um ano. Ninguém realmente edita código o tempo todo mais. Em vez disso, você gerencia um grupo de agentes Codex, disse Pachocki ao MIT Technology Review. A visão é que a mesma relação de gerenciamento—humano direcionando, IA executando—poderia eventualmente se aplicar à pesquisa em si, com cientistas direcionando agentes de IA que independentemente perseguem hipóteses experimentais, revisam literatura, projetam análises e geram resultados.

Innovation

An IEEE Spectrum opinion piece argues that exoskeletons and brain-computer interfaces should now be judged less by controlled demos and more by whether they deliver durable value in the messy conditions of real-world use

DT Editorial AI·May 5, 2026·via spectrum.ieee.org

Innovation

Researchers say their Speed Adaptation of Imitation Learning system lets robots perform fine-motor tasks at much higher speed while maintaining accuracy.

DT Editorial AI·May 4, 2026·via newatlas.com

Innovation

Utilities and state agencies across the U.S. West are deploying AI-enabled smoke detection cameras as heat, drought, and wildfire risk rise. Supporters say early alerts can keep small ignitions from turning into large

DT Editorial AI·May 4, 2026·via fastcompany.com

Innovation

The U.S. Defense Department says seven technology companies will provide artificial intelligence capabilities inside classified networks, underscoring how quickly AI is moving into operational military systems.

Por que agora: o avanço do modelo de raciocínio

A ambição renovada pela capacidade de pesquisa autônoma está enraizada no surgimento dos chamados modelos de raciocínio—sistemas de IA treinados não apenas para produzir resultados, mas para trabalhar através de problemas passo a passo, recuando quando atingem becos sem saída. Os modelos de raciocínio tornaram os sistemas de IA qualitativamente melhores no trabalho autônomo estendido: eles podem manter contexto coerente em sessões de resolução de problemas mais longas e capturar e corrigir seus próprios erros de formas que os modelos de linguagem anteriores não podiam.

OpenAI também vem alimentando seus oleodutos de treinamento com exemplos de tarefas complexas—quebra-cabeças difíceis de competições de matemática e programação—que exigem que os modelos aprendam como gerenciar contextos muito grandes, decompor problemas em subtarefas e sustentar raciocínio eficaz ao longo de períodos estendidos. Pachocki acredita que essa abordagem de treinamento, combinada com as melhorias gerais de capacidade entre gerações de modelos sucessivas, trouxe a empresa ao limiar onde a pesquisa autônoma é alcançável dentro da trajetória de desenvolvimento atual.

Resultados recentes deram ao otimismo de Pachocki alguma base empírica. Os pesquisadores da OpenAI usaram GPT-5, o modelo que alimenta Codex, para descobrir novas soluções para problemas de matemática previamente não resolvidos e fazer progresso em quebra-cabeças específicos em biologia e física—realizações que, embora restritas, demonstram que o modelo pode gerar contribuições científicas genuinamente novas em vez de apenas resumir conhecimento existente.