عوامل برنامه نویسی OpenAI اکنون می توانند 46 درصد از کارهای تحقیقاتی را که برای یک فرد دو تا چهار ساعت طول می کشد - بدون دخالت انسانی انجام دهند. این رقم که از 23 درصد در ماه مارس افزایش یافته است، از «شتاب تحقیقاتی: مرز ناهموار»، دومین گزارش این شرکت در مورد اینکه چگونه هوش مصنوعی خط لوله تحقیقاتی خود را متحول میکند، به دست میآید و با قیمتی به همان اندازه قابل توجه است: محقق متوسط OpenAI در حال حاضر تقریباً 2400 دلار در روز لیست قیمتهای عامل را با API محاسبه میکند.
این گزارش که چهارشنبه منتشر شد، دقیقترین حسابداری عمومی است که هر آزمایشگاه هوش مصنوعی در مورد چگونگی تغییر شکل هوش ماشینی توسعه هوش ماشینی ارائه کرده است - پدیدهای که محققان به آن خود-بهبودی بازگشتی (RSI) میگویند.
اعداد: ماموران سریعتر و مستقل تر می شوند
دستاوردهای سرفصل خودمختاری قابل توجه است. برای کارهایی که تخمین زده میشود به دو تا چهار ساعت کار انسانی نیاز دارند، موفقیت بدون مداخله از 23 درصد در مارس به 46 درصد امروز افزایش یافت. برای تلاشهای طولانیتر چهار تا هشت ساعته، موفقیت از 13 درصد به 35 درصد رسید.
OpenAI بر یک هشدار مهم تاکید می کند: با افزایش توانایی عامل ها، محققان وظایف سخت تری را در هر سطل مدت زمان محول می کنند، بنابراین این بهبود منعکس کننده دستاوردهای واقعی توانایی و تغییر انتخاب های انسانی در مورد آنچه که باید واگذار شود.
قسمت ناهموار: عملکرد بر اساس کار بسیار متفاوت است
عنوان گزارش تصادفی نیست. کارگزاران در برخی از کارهای تحقیقاتی برتری دارند و در برخی دیگر به بدی برخورد می کنند. در بین دستههای وظایف اندازهگیری شده از اول آگوست تا ۱۸ اکتبر ۲۰۲۶، میزان موفقیت تخمینی برای کارهای ارتباطی (۶۹ درصد) و کارهای تجزیه و تحلیل (۵۸ درصد) بالاترین میزان بود، اما برای وظایف ساخت به ۴۳ درصد کاهش یافت.
در سطح تکلیف انفرادی، گسترش حتی واضح تر است. آموزش نظارت Agents برای مسائل (79 درصد موفقیت) و پاسخگویی به سؤالات فنی (72 درصد) اجرا میشود، اما تنها 25 درصد موفقیت در نوشتن کد برای استنتاج و سرویسدهی پشتهها و 29 درصد در ارزیابی ساختمان، یادگیری تقویتی و محیطهای عامل کسب کرده است.
OpenAI هشدار می دهد که این ناهمگونی مهم است: تا زمانی که عملکرد مدل در سراسر وظایف تحقیق و توسعه هوش مصنوعی ناهموار باشد، دسته های ضعیف می توانند به گلوگاه هایی تبدیل شوند که شتاب کلی را محدود می کند. پوشش شخص ثالث گزارش، از جمله The Next Web، دقیقاً این شکاف بین اعداد خودمختاری سرفصل ها و کارهای مهندسی نرم افزار اصلی را برجسته می کند.
آنچه محققان می گویند: سه ماه کار در یک
این گزارش به شدت به نظرسنجی از کارکنان خود OpenAI تکیه دارد. در یک نظرسنجی از 101 کارمند تحقیقاتی که در اواخر آگوست و اوایل سپتامبر انجام شد، محقق میانه گفت که تیم آنها در صورتی که دسترسی به عوامل برنامه نویسی مرزی را از دست بدهند و تنها با GitHub Copilot و ChatGPT باقی بمانند، به حدود سه ماه برای تکمیل کار برابر با آخرین ماه خروجی خود نیاز دارند.
یک نظرسنجی جداگانه در اواخر اکتبر مقایسه قابل توجهی را ارائه کرد: 27 نفر از 28 پاسخ دهندگان گفتند که انتظار دارند با آخرین مدل داخلی OpenAI نسبت به کمک یک مهندس تحقیقات انسانی در اواسط شغلی همراه با یک مدل 2024 مانند o1-preview، بهرهوری بیشتری داشته باشند. تنها نگهدارنده قاب بندی باینری را رد کرد - و گفت که به هر حال GPT-6 Astra را به جای گزینه کمکی انسان انتخاب خواهند کرد.
انسان ها هنوز صاحب ایده ها هستند - در حال حاضر
علیرغم دستاوردهای خودمختاری، تجزیه و تحلیل OpenAI از مهمترین تحقیقات اخیر خود نشان داد که ذائقه انسان همچنان باعث پیشرفت می شود. برای هر دو نسخه GPT-6 Astra و GPT-6.2 Astra، محققان پس از آموزش و نظارت بر ایمنی گفتند که هر ایده کلیدی که آنها نام بردند از طرف مردم آمده است و مدل هایی به اجرای آنها کمک می کنند.
اما مرز در لبه ها شروع به محو شدن می کند. برای GPT-6.2 Astra، محققان پیشآموزشی توسعه ایدهها را در مکالمه با Codex توصیف کردند - یکی از آنها مدل را برای شناسایی بینشهای کلیدی در حین حل مشکل با یکدیگر اعتبار میبخشد، و دیگری میگوید ایده اصلی آنها تنها پس از پیشنهاد Codex شروع به کار کرد.
چرا OpenAI اصلاً این را منتشر می کند
این شرکت فشار شفافیت را به عنوان یک استدلال خط مشی در نظر می گیرد. OpenAI از آزمایشگاههای هوش مصنوعی خواسته است که شاخصهای خود-بهبود بازگشتی را ردیابی و به طور عمومی گزارش کنند، به طوری که بحثهای حاکمیتی به جای حدس و گمان بر اساس اندازهگیریها باشد. این گزارش صریح است که انتشار آن «نباید به عنوان قصدی برای پیگیری RSI کامل خوانده شود» و اشاره میکند که چندین سازمان دیگر اخیراً در هنجارهای اندازهگیری مشترک برای شتاب R&D هوش مصنوعی مشارکت کردهاند.
این یک موضع قابل توجه برای یک آزمایشگاه رقابتی است: انتشار دادههای بهرهوری داخلی هم نیاز به بررسی دقیق و هم تقلید دارد. اما شرط OpenAI این است که هنجارهای گزارش دهی در سطح صنعت - از نظر روحی مشابه چارچوب های گزارش محاسباتی و ایمنی - ارزشمندتر از جایگزین محرمانه هستند، به ویژه هنگامی که عوامل شروع به مشارکت در سیستم هایی می کنند که جانشینان خود را می سازند.
تصویر بزرگتر
این گزارش در بحبوحه بحثهای داغ در مورد اینکه آیا هوش مصنوعی در حال حاضر توسعه هوش مصنوعی را سرعت میبخشد و چه معنایی برای ایمنی و مشاغل دارد، منتشر میشود. دادههای OpenAI اعداد سختی را به هر دو طرف اضافه میکند: عوامل واقعاً با نرخ موفقیت معنیدار جایگزین کار انسانی قابل توجهی میشوند، با این حال خلاقانهترین و حیاتیترین وظایف زیرساختی سرسختانه تحت سلطه انسان باقی میمانند.
به عبارت دیگر، مرز ناهموار واقعی است - و آزمایشگاه هایی که در امتداد آن مسابقه می دهند اکنون موقعیت خود را در انظار عمومی می سنجند. برای محققانی که از بیرون تماشا میکنند، مهمترین عدد ممکن است 46 درصد نباشد، اما مسیر حرکت: هر آهنگ متریک OpenAI از ماه مارس تقریباً دو برابر شده است.
از هوش مصنوعی جلوتر بمانیدآخرین پیشرفتهای هوش مصنوعی در تحقیقات و ایمنی هوش مصنوعی را با [AI Buzz Wire] (https://aibuzzwire.news) دنبال کنید.
بیشتر بخوانید اخبار هوش مصنوعی →