OpenAI: elérték az automatizált kutatási gyakornok célját

Mit ért az OpenAI automatizált kutatási gyakornok alatt?

Az OpenAI közlése szerint a mesterséges általános intelligencia, vagyis AGI csak akkor szolgálhatja az egész emberiséget, ha demokratikus irányítás alatt áll. A cég ehhez tájékozott nyilvános vitát tart szükségesnek a nagy képességű AI-rendszerek képességeiről, kockázatairól és védelmi mechanizmusairól.

A mostani bejegyzésben az OpenAI azt írja, mérései alapján elérte a tavaly ősszel bejelentett célt: 2026 szeptemberére rendelkezik automatizált kutatási gyakornokkal. A vállalat meghatározása szerint ez olyan rendszer, amely emberi irányítás mellett jól körülhatárolt kutatási feladatokat tud elvégezni, köztük olyanokat is, amelyek egy képzett kutatónak néhány napjába telnének.

Az OpenAI szerint erős előrehaladást érnek el afelé, hogy 2028 márciusára automatizált AI-kutatót hozzanak létre. A cél egy olyan automatizált AI-kutató biztonságos megépítése, amely emberi felügyelet mellett dolgozva segítheti a mélytanulás és az illesztés, vagyis alignment fejlődését, és iteratív javításokat tehet lehetővé.

A kódoló ügynökök már a napi kutatómunkában vannak

Az OpenAI szerint 2026 folyamán jelentősen megváltozott a kutatók napi munkája. A kutatók egész nap használnak kódoló ügynököket, gyakran párhuzamos munkamenetekben, és a teljes használat gyorsan nő. A vállalat azt írja, ez a növekedés meghaladja más OpenAI-csapatok ütemét.

Az év elején az OpenAI-nál az ügynökhasználat alapján mediánnak számító kutató még csak szerény mértékben használt kódoló ügynököket. Augusztus közepére ugyanez a medián kutató már napi szinten építette be az ügynököket a munkájába, API-árakon számolva naponta több mint 600 dollárnyi inferenciát használva. A kutatói szervezet 90. percentilisbe tartozó felhasználója ma naponta több mint 7000 dollárnyi tokent használ.

A vállalat egy másik mérőszámot is közölt: 2026 júniusa előtt a kutatói szervezeten belüli teljes ügynökfutási idő még alacsonyabb volt, mint a teljes emberi munkaidő. Ez azóta megváltozott. Egy szabványos, 8 órás munkanappal számolva augusztus közepén a kutatói szervezet összesen 3,1 ügynök-munkanapnyi erőfeszítést használt minden emberi munkanapra.

Az OpenAI szerint egyre több kutató dolgozik erősen párhuzamos munkafolyamatokkal, például 4 vagy több ügynök egyidejű futtatásával. A közölt számok azokat az ügynököket is tartalmazzák, amelyeket a felhasználó közvetlenül indított, valamint az ezekből később létrejött alügynököket is.

Több kód, több kísérlet, de nem minden gyorsul egyformán

A bejegyzés szerint a kutatók gyorsabban járulnak hozzá kóddal a munkához, és több kísérletet futtatnak. Az OpenAI az AI-kutatást munkaigényes folyamatként írja le, amelyben új fejlesztéseket kell megtervezni, értékeléseket kell írni a modell teljesítményének megítélésére, infrastruktúrát kell készíteni a nagy léptékű tesztekhez, hibákat, valamint nem biztonságos vagy félreillesztett viselkedést kell észlelni a tréning során, majd a sikeres ötleteket be kell építeni egy központi tréningfutásba.

A vállalat szerint a kódírás és a kísérletek futtatása két olyan fő tevékenység, ahol az adatok gyorsulásra utalnak. Ugyanakkor az OpenAI óvatosan fogalmaz: ezek az adatpontok viszonylag könnyen mérhetők, de nehezen értelmezhetők. Ahogy az automatizálás halad, a legkevésbé automatizálható feladatok nagyobb részt vehetnek ki a kutatói munkából, és ezek válhatnak a további előrehaladás fő szűk keresztmetszeteivé.

A számítási kapacitást a cég szintén a fejlődést korlátozó tényezők között említi, amely idővel fontosabbá válhat, ha más szűk keresztmetszetek csökkennek. Az OpenAI szerint 2026 során nőtt az aktív kísérletezőre jutó kísérletek száma, és 2026 augusztusa történelmi csúcsot jelentett azóta, hogy 2025 januárjában elkezdték követni ezt a mutatót. A növekedés összefüggést mutat a Codex terjedésével, bár a vállalat hozzáteszi, hogy a rendelkezésre álló számítási kapacitása is jelentősen nőtt 2025 óta.

Magasabb szintű feladatokat is kapnak az ügynökök

Az OpenAI szerint a kutatók által a kódoló ügynökökre bízott feladatok összetétele is változik. A minőségi benyomások és a belső adatok alapján gyakoribbá válik a magasabb szintű és hosszabb távú feladatok delegálása.

A trend vizsgálatához a vállalat a kutatói szervezet közelmúltbeli használatát egy nemrég publikált taxonómia alapján elemezte, amelyet az Epoch AI dolgozott ki az AI-kutatás-fejlesztési életciklus különböző munkatípusaira. A taxonómia az O*NET rendszerből merít, és kifejezetten a frontier AI kutatás-fejlesztésre szabott.

Az OpenAI által ismertetett hat fő fázis: döntés arról, min dolgozzanak, mit folytassanak és hová allokáljanak erőforrást, kutatási ötletek és mérnöki specifikációk tervezése, kód és adathalmazok építése, tréning- és értékelési futások, hardver és kiszolgálás működtetése, kísérletek, modellek, bevezetés és külső munka elemzése, valamint eredmények, visszajelzések, státuszok és döntések kommunikációja.

A vállalat szerint 2026 januárja és augusztusa között minden kutatási tevékenységi kategóriában nőtt a kódoló ügynökökhöz kapcsolódó tokenhasználat. Januárban a domináns kategória a kutatási és infrastruktúrakód volt.

Mit jelent ez a felhasználóknak és a piacnak?

Az OpenAI azt állítja, hogy ha felelősen végzik, az automatizált AI-kutatás olyan modellekhez vezethet, amelyek közvetlenül javítják az emberi jólétet és támogatják a vállalat küldetését. A cég szerint ez csökkentheti a fejlett intelligencia költségét, hogy világszerte többen részesülhessenek belőle.

A vállalat ugyanakkor a kockázatokat is kiemeli. Szerinte az automatizált kutatás segíthet az alignment problémák megoldásában és a mind képességesebb AI-val szembeni védekezésben, mivel egy automatizált AI-kutató automatizált biztonsági vagy alignment kutató is lehet. Az OpenAI példaként említi a kritikus infrastruktúra védelmét, a veszélyes AI-ügynökök elleni védekezést és új védelmi intézkedések kidolgozását.

A bejegyzés szerint ezek az érvek nem jelentik azt, hogy a gyors rekurzív önfejlesztés, vagyis RSI szükségszerűen követendő cél. Az OpenAI szerint a továbblépés attól függ, megőrizhető-e az emberi kontroll, és milyen tájékozott demokratikus döntések születnek az előnyökről és a kockázatokról. A cég azt is írja, hogy még nem tudja, hogyan lehet biztonságosan eljutni az illesztett, teljes RSI-ig.

Az OpenAI közlése szerint a közelmúltbeli Hugging Face-incidens után szüneteltette a bevezetésre szánt legújabb modellek megerősítéses tanulásos, RL tréningjét, amíg tovább erősítette és red teamelte kutatási környezeteit, valamint bővítette monitorozási rendszereinek lefedettségét. Ez nem állított le minden kutatást: egyes munkaterhelések erősebb kontrollok mellett újraindultak, mások továbbra is szüneteltek.

A vállalat azt írja, hogy emelte biztonsági és alignment elvárásait, és a biztonsági munkát mélyebbre vitte a modell életciklusában. Azt is közli, hogy ha a folytatás elfogadhatatlan biztonsági kockázatot jelentene, megfelelően reagál, beleértve a fejlesztés vagy bevezetés lassítását vagy leállítását azoknál a rendszereknél, amelyeket nem tud kellően védeni.