OpenAI trachtet nach automatisiertem Forscher mit langfristigem Denken

OpenAI首席科学家Jakub Pachocki与首席研究官Mark Chen在a16z播客中深入阐述了公司后GPT-5时代的核心愿景：构建“自动化研究员”——一个能自主发现新知识、推动科学突破的AI系统。这一目标标志着从“氛围编程”向“氛围研究”的范式跃迁。GPT-5的设计核心在于弥合即时响应与深度推理之间的割裂，通过动态识别任务所需推理深度，使模型默认具备智能体行为，减少用户选择负担。随着传统评估基准趋于饱和，OpenAI转向以“真实发现能力”为新标尺，尤其关注模型在数学与编程竞赛中展现的突破性表现，强调衡量AI进步应看其能否在复杂、开放领域提出并验证新思想。 实现“自动化研究员”的关键在于延长推理时间跨度，从数小时扩展至数月甚至数年。当前模型已在高中级竞赛中接近顶尖水平，但面对长期任务时，稳定性与记忆能力成为瓶颈。Pachocki指出，维持深度推理的本质是保持一致性，这依赖于智能体在失败后持续迭代的能力——如同解一道复杂数学题，需不断调整策略。这一过程正从可验证的科学领域逐步延伸至边界模糊的开放性研究，要求AI不仅能执行，更能提出有意义的问题。 强化学习与编程能力是两大技术支柱。Pachocki强调，大规模语言模型为RL提供了近乎无限的“虚拟实验场”，解决了环境构建难题；而GPT-5 Codex的发布则将推理智能转化为真实世界编程工具，尤其擅长处理代码风格、复杂协作等“软性”挑战。如今，年轻程序员普遍采用“vibe coding”——依赖AI生成代码，手动重写反而显得异常。这种模式正孕育“vibe researching”：研究者借助AI感知方向、快速试错，将创造力聚焦于问题定义与假设构建。 两位主管认为，优秀研究员的核心特质是“坚持”与“直觉”。研究本质是探索高失败率路径，需具备提出清晰假设、诚实评估进展的能力。Mark Chen补充，经验帮助研究者判断课题的适切性，而这种“有趣性”的直觉来自广泛阅读与深度交流。真正的突破往往源于对“不可能问题”的执着追问。 在组织层面，OpenAI以基础研究为核心使命，吸引跨学科人才——物理、理论计算机、金融背景者皆有贡献。团队包容多元研究风格：有人擅长创意发散，有人精于严谨验证。公司刻意隔离产品压力，保障研究者有空间探索未来1–2年的重大问题，确保各方向最终汇聚于“自动化研究员”这一长期目标。 面对资源投入，两人一致认为“计算”仍是根本约束。Pachocki否认“算力将被数据取代”的论断，强调计算能力始终是AI前沿的“常量”。在他们看来，无论技术如何演进，更强大的算力仍是解锁更大智能的唯一钥匙。 业内专家评价，OpenAI正试图将AI从工具升级为科学伙伴。若成功，这不仅是技术跃迁，更将重塑人类知识生产的模式。该愿景虽具挑战，但其对推理深度、长期规划与自主发现的追求，已为AI研究设定新坐标。