OpenAI se está acercando a una de sus metas más importantes: sistemas que puedan funcionar al mismo nivel que los becarios de investigación.

En un episodio del podcast "Unsupervised Learning", el científico jefe de OpenAI, Jakub Pachocki, dijo que los avances recientes en codificación y las capacidades de investigación matemática y el progreso en física sugieren que la IA está en camino de manejar trabajos técnicos cada vez más complejos y de varios pasos con menos supervisión humana.

"Definitivamente veo esto como una señal de que algo aquí va por buen camino", dijo.

Dijo que la medida clave es cuánto tiempo un modelo puede trabajar de forma autónoma.

"La forma en que distinguiría a un interno de un investigador completamente automatizado es el lapso de tiempo en que lo haríamos trabajar de forma mayormente autónoma", dijo Pachocki, señalando horizontes de tareas más largos como la métrica clave de progreso.

En una transmisión en vivo de la compañía en octubre, Pachocki describió el objetivo interno de OpenAI de construir un "interno de investigación de IA" para septiembre de 2026, seguido de un investigador de IA completamente autónomo para marzo de 2028.

En una publicación de X el CEO de OpenAI, Sam Altman, dijo que OpenAI "podría fracasar totalmente" en el objetivo, pero que era importante ser transparente dado el impacto potencial.

Crecimiento explosivo de las herramientas de codificación

Pachocki dijo que la compañía ya está viendo un rápido progreso en los tipos de tareas que importan para ese objetivo, señalando agentes de codificación como Codex, ahora manejan el trabajo de programación de la compañía.

También señaló los puntos de referencia matemáticos como una "estrella polar" para mejorar el razonamiento del modelo, ya que son fáciles de verificar.

"Hemos visto este crecimiento explosivo de las herramientas de codificación", dijo Pachocki. "Para la mayoría de la gente, el acto de programar ha cambiado bastante".

Agregó que el desafío a corto plazo es avanzar hacia sistemas que puedan abordar tareas técnicas específicas con más autonomía, usar más computación y trabajar por períodos de tiempo más largos.

"Para ideas técnicas más específicas, como 'tengo esta idea particular de cómo mejorar los modelos, cómo ejecutar esta evaluación de manera diferente', creo que tenemos las piezas que, en su mayoría, solo necesitamos unir", dijo.

Aun así, Pachocki dejó claro que la IA no está lista para operar de forma independiente al nivel de un investigador completo.

"No espero que tengamos sistemas a los que simplemente les digas... y lo hagan, no este año", dijo.