ওপেনএআই-এর কোডিং এজেন্টরা এখন 46 শতাংশ গবেষণা কাজ সম্পন্ন করতে পারে যা একজন ব্যক্তির দুই থেকে চার ঘণ্টা সময় নেয় — কোনো মানুষের হস্তক্ষেপ ছাড়াই। মার্চ মাসে 23 শতাংশের তুলনায় এই সংখ্যাটি এসেছে, "গবেষণা ত্বরণ: দ্য জ্যাগড ফ্রন্টিয়ার," কোম্পানির দ্বিতীয় প্রতিবেদন থেকে যে এআই কীভাবে তার নিজস্ব গবেষণা পাইপলাইনকে রূপান্তরিত করছে, এবং এটি সমানভাবে আকর্ষণীয় মূল্য ট্যাগ নিয়ে আসে: মধ্য OpenAI গবেষক এখন API তালিকার মূল্যে এজেন্ট কম্পিউটের দিনে প্রায় $2,400 মূল্যের মাধ্যমে চলে।

বুধবার প্রকাশিত প্রতিবেদনটি, যেকোন AI ল্যাব দ্বারা মেশিনের বুদ্ধিমত্তার বিকাশকে কীভাবে পুনর্নির্মাণ করা হচ্ছে সে সম্পর্কে দেওয়া সবচেয়ে বিশদ পাবলিক অ্যাকাউন্টিং - ঘটনাটিকে গবেষকরা রিকার্সিভ সেলফ ইমপ্রুভমেন্ট (RSI) বলে৷

সংখ্যা: এজেন্টরা দ্রুত এবং আরও স্বায়ত্তশাসিত হচ্ছে

শিরোনাম স্বায়ত্তশাসন লাভ যথেষ্ট। দুই থেকে চার ঘন্টা মানুষের পরিশ্রমের আনুমানিক কাজের জন্য, শূন্য-হস্তক্ষেপ সাফল্য মার্চের 23 শতাংশ থেকে আজ 46 শতাংশে উন্নীত হয়েছে। চার থেকে আট ঘণ্টার দীর্ঘ প্রচেষ্টার জন্য, সাফল্য 13 শতাংশ থেকে 35 শতাংশে উঠেছে।

ওপেনএআই একটি গুরুত্বপূর্ণ সতর্কতার উপর জোর দেয়: এজেন্টরা যত বেশি সক্ষম হয়ে ওঠে, গবেষকরা প্রতিটি সময়কালের বাকেটের মধ্যে কঠিন কাজগুলি অর্পণ করেন, তাই উন্নতিটি প্রকৃত সক্ষমতা লাভ এবং কী হস্তান্তর করতে হবে সে সম্পর্কে মানুষের পছন্দ পরিবর্তন উভয়ই প্রতিফলিত করে।

দ্য জ্যাগড পার্ট: কার্য অনুসারে কর্মক্ষমতা ভিন্নভাবে পরিবর্তিত হয়

রিপোর্টের শিরোনাম কোন দুর্ঘটনা নয়. এজেন্টরা কিছু গবেষণা কাজে পারদর্শী এবং অন্যদের উপর খারাপভাবে হোঁচট খায়। 1 আগস্ট থেকে 18 অক্টোবর, 2026 পর্যন্ত পরিমাপ করা টাস্ক বিভাগ জুড়ে, আনুমানিক সাফল্যের হার কমিউনিকেট টাস্ক (69 শতাংশ) এবং অ্যানালাইজ টাস্ক (58 শতাংশ), কিন্তু বিল্ড টাস্কের জন্য 43 শতাংশে নেমে এসেছে।

ব্যক্তিগত টাস্ক লেভেলে স্প্রেড আরও তীক্ষ্ণ। এজেন্টদের ত্বরান্বিত পর্যবেক্ষণ প্রশিক্ষণ ইস্যুগুলির জন্য (79 শতাংশ সাফল্য) এবং প্রযুক্তিগত প্রশ্নের উত্তর দেওয়া (72 শতাংশ), কিন্তু অনুমান এবং স্ট্যাক পরিবেশন করার জন্য কোড লেখার ক্ষেত্রে মাত্র 25 শতাংশ সাফল্য এবং 29 শতাংশ নির্মাণ মূল্যায়ন, শক্তিবৃদ্ধি-শিক্ষা এবং এজেন্ট পরিবেশে পরিচালিত হয়।

OpenAI সতর্ক করে যে এই ভিন্নতা গুরুত্বপূর্ণ: যতক্ষণ পর্যন্ত AI R&D টাস্ক জুড়ে মডেলের পারফরম্যান্স অসম, দুর্বল বিভাগগুলি বাধা হয়ে দাঁড়াতে পারে যা সামগ্রিক ত্বরণকে বাধা দেয়। প্রতিবেদনের তৃতীয় পক্ষের কভারেজ, দ্য নেক্সট ওয়েব সহ, শিরোনাম স্বায়ত্তশাসন সংখ্যা এবং মূল সফ্টওয়্যার ইঞ্জিনিয়ারিং কাজের মধ্যে এই ব্যবধানটিকে যথাযথভাবে হাইলাইট করেছে।

গবেষকরা যা বলেছেন: একের মধ্যে তিন মাসের কাজ

প্রতিবেদনটি ওপেনএআই-এর নিজস্ব কর্মীদের সমীক্ষার উপর ব্যাপকভাবে নির্ভর করে। আগস্টের শেষের দিকে এবং সেপ্টেম্বরের শুরুতে পরিচালিত 101 জন গবেষণা কর্মীদের একটি সমীক্ষায়, মধ্যম গবেষক বলেছেন যে তাদের দলকে তাদের শেষ মাসের আউটপুটের সমান কাজ শেষ করতে প্রায় তিন মাস সময় লাগবে যদি তারা ফ্রন্টিয়ার কোডিং এজেন্টগুলিতে অ্যাক্সেস হারিয়ে ফেলে এবং শুধুমাত্র গিটহাব কপিলট এবং চ্যাটজিপিটি থাকে।

অক্টোবরের শেষের দিকে একটি পৃথক সমীক্ষা একটি আকর্ষণীয় তুলনা করেছে: 28 জন উত্তরদাতাদের মধ্যে 27 জন বলেছেন যে তারা o1-প্রিভিউ-এর মতো 2024-যুগের মডেলের সাথে যুক্ত একজন মধ্য-ক্যারিয়ারের মানব গবেষণা প্রকৌশলীর সাহায্যের চেয়ে OpenAI এর সর্বশেষ অভ্যন্তরীণ মডেলের সাথে আরও বেশি উত্পাদনশীল হবে বলে আশা করেছিলেন। একাকী হোল্ডআউট বাইনারি ফ্রেমিং প্রত্যাখ্যান করেছে - এবং বলেছে যে তারা যেভাবেই হোক মানব-সহায়তা বিকল্পের উপর GPT-6 Astra বেছে নেবে।

মানুষ এখনও ধারণার মালিক — এখনকার জন্য

স্বায়ত্তশাসন লাভ সত্ত্বেও, ওপেনএআই এর সবচেয়ে গুরুত্বপূর্ণ সাম্প্রতিক গবেষণার বিশ্লেষণে দেখা গেছে যে মানুষের স্বাদ এখনও সাফল্যের দিকে পরিচালিত করে। GPT-6 Astra এবং GPT-6.2 Astra রিলিজের জন্য, পোস্টট্রেনিং এবং নিরাপত্তা পর্যবেক্ষণ গবেষকরা বলেছেন যে তাদের নাম দেওয়া প্রতিটি মূল ধারণা মানুষের কাছ থেকে এসেছে, মডেলগুলি তাদের বাস্তবায়নে সহায়তা করে।

কিন্তু সীমানা প্রান্তে ঝাপসা হতে শুরু করেছে। GPT-6.2 Astra-এর জন্য, প্রাক-প্রশিক্ষণ গবেষকরা কোডেক্স-এর সাথে কথোপকথনে উন্নয়নশীল ধারণাগুলি বর্ণনা করেছেন — একটি মডেলকে কৃতিত্ব দিয়েছিল যে তারা একটি সমস্যার মধ্য দিয়ে কাজ করার সাথে সাথে মূল অন্তর্দৃষ্টি শনাক্ত করেছে, এবং অন্যটি বলছে কোডেক্স পরিবর্তনের পরামর্শ দেওয়ার পরেই তাদের মূল ধারণাটি ভালভাবে কাজ করতে শুরু করেছে।

কেন ওপেনএআই এটি প্রকাশ করছে

কোম্পানি একটি নীতি যুক্তি হিসাবে স্বচ্ছতা পুশ ফ্রেম. ওপেনএআই AI ল্যাবগুলিকে পুনরাবৃত্ত স্ব-উন্নতির সূচকগুলি ট্র্যাক এবং প্রকাশ্যে রিপোর্ট করার জন্য আহ্বান জানিয়েছে, যাতে প্রশাসনিক বিতর্ক অনুমানের পরিবর্তে পরিমাপের উপর নির্ভর করে। প্রতিবেদনটি স্পষ্ট যে এর প্রকাশনা "সম্পূর্ণ RSI অনুসরণ করার উদ্দেশ্য হিসাবে পড়া উচিত নয়" এবং নোট করে যে অন্যান্য বেশ কয়েকটি সংস্থা সম্প্রতি AI R&D ত্বরণের জন্য ভাগ করা পরিমাপের নিয়মগুলিতে অবদান রেখেছে।

এটি একটি প্রতিযোগিতামূলক ল্যাবের জন্য একটি উল্লেখযোগ্য অবস্থান: অভ্যন্তরীণ উত্পাদনশীলতা ডেটা প্রকাশ করা উভয়ই যাচাই এবং অনুকরণকে আমন্ত্রণ জানায়। কিন্তু ওপেনএআই-এর বাজি হল যে শিল্প-ব্যাপী রিপোর্টিং নিয়মগুলি - গণনা এবং নিরাপত্তা রিপোর্টিং কাঠামোর অনুরূপ - গোপনীয়তার বিকল্পের চেয়ে বেশি মূল্যবান, বিশেষ করে যখন এজেন্টরা তাদের উত্তরসূরি তৈরি করবে এমন সিস্টেমে অবদান রাখা শুরু করে৷

বড় ছবি

এআই ইতিমধ্যেই এআই বিকাশকে ত্বরান্বিত করছে কিনা এবং নিরাপত্তা ও চাকরির জন্য এর অর্থ কী তা নিয়ে উত্তেজনাপূর্ণ বিতর্কের মধ্যে প্রতিবেদনটি এসেছে। ওপেনএআই-এর ডেটা উভয় পক্ষের জন্য কঠিন সংখ্যা যোগ করে: এজেন্টরা অর্থপূর্ণ সাফল্যের হারে উল্লেখযোগ্য মানব কাজের জন্য সত্যিকার অর্থে প্রতিস্থাপন করে, তবুও সবচেয়ে সৃজনশীল এবং অবকাঠামো-সমালোচনামূলক কাজগুলি একগুঁয়েভাবে মানব-প্রধান।

জ্যাগড ফ্রন্টিয়ার, অন্য কথায়, বাস্তব - এবং এটির সাথে রেসিং ল্যাবগুলি এখন জনসমক্ষে তাদের নিজস্ব অবস্থান পরিমাপ করছে। বাইরে থেকে পর্যবেক্ষণকারী গবেষকদের জন্য, সবচেয়ে গুরুত্বপূর্ণ সংখ্যাটি 46 শতাংশ নাও হতে পারে, কিন্তু গতিপথ: প্রতিটি মেট্রিক OpenAI ট্র্যাক মার্চ থেকে প্রায় দ্বিগুণ হয়েছে।

এআই থেকে এগিয়ে থাকুন AI Buzz Wire দিয়ে AI গবেষণা এবং নিরাপত্তার ক্ষেত্রে সাম্প্রতিকতম AI উন্নয়নগুলি অনুসরণ করুন। আরও এআই খবর পড়ুন →