OpenAI 的下一个宏伟目标
OpenAI 宣布了一项广泛的新研究雄心：建设所谓的 AI 研究员 — 一个完全自动化、基于智能体的系统，能够独立解决大型复杂科学问题。在与《MIT 技术评论》的独家采访中，首席科学家 Jakub Pachocki 将这一倡议描述为 OpenAI 未来几年的北极星，代表了公司在推理模型、编码智能体和可解释性工作的融合，形成统一的长期目标。
时间表是具体的、近期的，这使得这一宣布与业界多年来所做的更模糊的 AGI 承诺不同。OpenAI 计划在 2026 年 9 月前建设一个自主 AI 研究实习生 — 一个能够独立从事特定研究问题数天的系统。完整的多智能体 AI 研究员，能够解决人类难以管理的过于庞大或复杂的问题，目标是在 2028 年推出。
Codex 作为蓝图
Pachocki 指出 OpenAI 现有的 Codex 智能体既是证据基础，也是更雄心勃勃的 AI 研究员愿景的早期原型。Codex 是 OpenAI 在 1 月发布的基于智能体的编码系统，能够自主生成、运行和调试代码以完成复杂的编程任务。它在 OpenAI 内部得到了广泛采用，Pachocki 指出公司的大多数技术人员现在都将 Codex 作为工作流程的核心部分。
Pachocki 正在做的哲学跳跃是，如果 AI 系统能够自主解决复杂的编码问题 — 这需要创意推理、大任务分解为子任务、在延长的工作会话中追踪复杂状态以及错误纠正 — 那么同样的能力架构可以扩展到科学问题解决，涉及生物学、化学、物理学和数学等领域。
我们的工作现在与一年前完全不同。没有人真的再一直编辑代码了。相反，你管理一组 Codex 智能体，Pachocki 告诉《MIT 技术评论》。这个愿景是，同样的管理关系 — 人类指导、AI 执行 — 最终可能适用于研究本身，科学家指导 AI 智能体独立追求实验假设、审查文献、设计分析并生成结果。
为什么是现在：推理模型的突破
对自主研究能力的更新雄心植根于所谓的推理模型的出现 — AI 系统不仅要产生输出，而是要逐步解决问题，在到达死胡同时回溯。推理模型使 AI 系统在延长的自主工作中质量上得到显著提高：它们可以在较长的解决问题会话中保持连贯的上下文，并以早期语言模型无法做到的方式捕捉并纠正自身的错误。
OpenAI 也一直在为其训练管道提供复杂的任务示例 — 来自数学和编程竞赛的困难谜题 — 这些要求模型学习如何管理非常大的上下文、将问题分解为子任务，并在延长的时间内维持有效的推理。Pachocki 认为这种训练方法，结合连续模型代次之间的总体能力改进，已经使公司达到了在当前发展轨迹内可实现自主研究的临界点。
最近的结果为 Pachocki 的乐观主义提供了一些经验基础。OpenAI 研究人员已使用 GPT-5（为 Codex 提供支持的模型）发现了先前未解决的数学问题的新解决方案，并在生物学和物理学的特定谜题上取得进展 — 这些成就虽然范围有限，但表明该模型能够生成真正新颖的科学贡献，而不仅仅是总结现有知识。
边界的安全问题
Pachocki 并没有回避他追求的愿景中固有的风险。一个以最少人类监督运行的完全自主 AI 研究员代表了一种质量上全新的 AI 能力 — 它可能在合成生物学或先进材料等领域产生科学见解，其输出可能被武器化或滥用。思维链监控（其中 AI 系统的推理过程被视为可检查的）是 Pachocki 确定的主要安全方法，但他承认这不完美。
关于应该在哪里划线有一些困难的问题，Pachocki 告诉《MIT 技术评论》。我认为政府，不仅仅是 OpenAI，将需要弄清楚这些界线在哪里。这一承认外部治理是必要的，反映了业界对自主研究能力前沿需要尚不存在的监管框架的更广泛认识。
竞争背景和行业影响
OpenAI 的宣布出现在公司在多个方面面临来自 Anthropic 和 Google DeepMind 激烈竞争的时候。Anthropic 在企业 AI 部署中取得了显著进展，DeepMind 继续通过 AlphaFold 等计划进行有影响力的科学 AI 研究。将自主 AI 研究员定位为 OpenAI 的下一个定义性挑战，部分是一个竞争策略 — 在竞争对手能够定义这个空间之前，为最雄心勃勃和最有影响力的能力前沿申明主权。
对于更广泛的科学界，AI 系统能够自主推进研究的前景提出了有关科学劳动未来、发布规范、知识产权和发现成就分配的深刻问题。如果 AI 智能体独立发现了新的数学证明或确定了新的治疗目标，围绕人类科学成就建立的学术发布、拨款资金和研究职业的生态系统将需要大幅重新思考。OpenAI 的 2028 时间表表明，这些问题可能需要答案的时间比科学界许多人一直在准备的时间要早。
本文基于《MIT 技术评论》的报道。阅读原文。
Originally published on technologyreview.com