عامل‌های OpenAI برای هر یک روز کار انسانی، ۳.۱ روز تلاش تولید می‌کنند

تصور کنید تیمی از دستیاران دیجیتال، در حالی که شما یک روز کار می‌کنید، حجم کاری سه روز را به تنهایی پیش ببرند. این دیگر یک تخیل نیست، بلکه واقعیت جاری در آزمایشگاه‌های OpenAI است که اکنون به سمت «بهبود خودکار بازگشتی» (Recursive Self-Improvement یا RSI) حرکت می‌کند. در این وضعیت، سیستم‌های هوش مصنوعی شتاب‌دهنده‌ای برای توسعه نسخه‌های بعدی خود ایجاد می‌کنند.

این تحول داخلی در حالی رخ می‌دهد که کل صنعت با سقف توانمندی‌های انسانی در مقیاس‌بندی مدل‌ها روبروست. همان‌طور که در تحلیل قبلی ما درباره‌ی بهینه‌سازی تأخیر در مدل‌های زبانی توسط شرکت‌هایی مانند Oxlo.ai اشاره کردیم، تمرکز شرکت‌ها از لایه‌ی کاربر به لایه‌ی زیرساختی منتقل شده است. OpenAI اکنون بر بخش پشتیبانی اکتشاف (Backend of Discovery) تمرکز کرده است. هدف این است که از مدل آزمایش‌های انسان‌محور به سیستمی حرکت کنند که در آن هوش مصنوعی، حلقه‌های پرزحمت یادگیری عمیق و همراستاسازی (Alignment) — که شبیه تنظیم دقیق یک ساز موسیقی برای رسیدن به نت‌های درست است — را مدیریت کند.

ضرورت دموکراتیک برای AGI

شرکت OpenAI استدلال می‌کند که برای اینکه هوش مصنوعی عمومی (AGI) به نفع تمام بشریت باشد، باید به‌صورت دموکراتیک اداره شود. این رویکرد در راستای نقشه راه بلندمدت این شرکت برای دستیابی به AGI تا پایان سال ۲۰۲۶ است که بر تعادل میان سرعت توسعه و نظارت انسانی تأکید دارد. این حکمرانی مستلزم یک بحث عمومی آگاهانه در مورد قابلیت‌ها، مخاطرات و حفاظ‌های سیستم‌های بسیار توانمند است. مردم در همه جای جهان باید مسیر احتمالی آینده هوش مصنوعی پیشرو (Frontier AI) را درک کنند تا بتوانند صدایی معنادار در نحوه توسعه آن داشته باشند.

از نظر این شرکت، شفافیت در مورد حوادث خاص ضروری است، اما مردم باید بدانند که توانمندترین سیستم‌ها در داخل آزمایشگاه‌های پیشرو چگونه توسعه می‌یابند و چگونه پیشرفت‌های پژوهشی را پیش می‌برند. این سطح از بینش برای یک گفتمان عمومی واقعاً آگاهانه، حیاتی تلقی می‌شود.

به همین منظور، OpenAI قصد دارد یک هنجار برای افشای عمومی ایجاد کند. همان‌طور که در طرح سیاست‌های پیشرو (Frontier Policy Blueprint) آن‌ها آمده است، این شرکت معتقد است که آن‌ها و سایر آزمایشگاه‌ها باید ملزم به ردیابی عمومی پیشرفت‌ها به سمت RSI باشند. آن‌ها قصد دارند این شفافیت را حتی بدون الزام رسمی ادامه دهند و بین نیاز به امنیت و حفاظت از اسرار تجاری، با نیاز به آگاهی عمومی تعادل برقرار کنند. آن‌ها قصد دارند این رویکرد شفافیت را هم‌زمان با بهبود تکنیک‌های اندازه‌گیری و درک خود تکامل بخشند.

ظهور کارآموز خودکار

طبق گزارش منتشر شده در ۶ سپتامبر ۲۰۲۶، OpenAI رسماً به هدف استقرار یک «کارآموز پژوهشی خودکار» دست یافته است. این هدف در ابتدا در پاییز سال گذشته اعلام شده بود. OpenAI «کارآموز پژوهشی» را سیستمی تعریف می‌کند که قادر است وظایف پژوهشی به‌خوبی تعریف‌شده را تحت هدایت انسان انجام دهد؛ از جمله وظایفی که به‌طور معمول برای یک پژوهشگر انسانی ماهر، چندین روز زمان می‌برد.

هدف بعدی شرکت، رسیدن به یک «پژوهشگر هوش مصنوعی خودکار» تا مارس ۲۰۲۸ است. این سیستم آینده برخلاف کارآموز، استقلال بیشتری خواهد داشت و تحت نظارت انسان کار می‌کند تا بهبودهای تکرارشونده در یادگیری عمیق و همراستاسازی ایجاد کند. هدف نهایی، ایجاد سیستمی است که بتواند پیشرفت در یادگیری عمیق را پیش ببرد و چرخه‌ای از بهبودهای تکرارشونده را فعال کند.

اعداد پشت تغییر پارادایم

داده‌های داخلی نشان‌دهندهٔ جهشی عظیم در پذیرش عامل‌ها (Agent) — سیستم‌هایی شبیه به کارمندان مجازی که می‌توانند ابزارها را به کار بگیرند و تصمیم بگیرند — میان پژوهشگران است. در ابتدای سال ۲۰۲۶، میانه (Median) پژوهشگران OpenAI از نظر میزان استفاده از عامل‌ها، تنها به مقدار اندکی از عامل‌های کدنویسی استفاده می‌کردند. اما تا اواسط اوت ۲۰۲۶، میانه پژوهشگران به‌صورت روزانه از عامل‌ها استفاده می‌کردند و روزانه بیش از ۶۰۰ دلار هزینه استنتاج (Inference) با قیمت‌های API پرداخت می‌کردند.

کاربران قدرتمند در صدک نودم (90th percentile)، روزانه بیش از ۷,۰۰۰ دلار هزینه توکن پرداخت می‌کنند. این نشان می‌دهد که عامل‌ها دیگر فقط تکه‌های کوچک کد نمی‌نویسند، بلکه گردش‌های کاری پیچیده و هم‌زمان را مدیریت می‌کنند. تعداد پژوهشگرانی که از گردش‌های کاری به‌شدت هم‌زمان — تعریف شده به عنوان اجرای چهار یا تعداد بیشتری از عامل‌ها به‌طور هم‌زمان — استفاده می‌کنند، به‌طور پیوسته در حال افزایش است. این ارقام شامل هر دو نوع عامل‌ها می‌شود: هم عامل‌هایی که مستقیماً توسط کاربر شروع شده‌اند و هم زیر-عامل‌هایی (Subagents) که در مراحل بعدی ایجاد شده‌اند.

تا پیش از ژوئن ۲۰۲۶، مجموع زمان اجرای عامل‌ها در کل سازمان پژوهشی هنوز کمتر از مجموع نیروی انسانی بود. اما از آن زمان به بعد این وضعیت تغییر کرد و منجر به نسبت فعلی ۳.۱ روز کاری عامل به ازای هر یک روز انسانی شد.

بازتعریف چرخه تحقیق و توسعه

OpenAI برای تحلیل پیشرفت خود از دسته‌بندی Epoch AI استفاده کرده است که از سیستم O*NET برای طبقه‌بندی مشاغل الهام گرفته است. این تاکسونومی، فرآیند تحقیق و توسعه (R&D) هوش مصنوعی پیشرو را به ۶ مرحله اصلی تقسیم می‌کند:

• تصمیم‌گیری (Decide): تعیین اینکه روی چه چیزی کار شود، چه چیزی ادامه یابد و منابع در کجا تخصیص یابند.
• طراحی (Design): توسعه ایده‌های پژوهشی و مشخصات مهندسی.
• ساخت (Build): ایجاد کدها و مجموعه‌داده‌های لازم.
• اجرا (Run): مدیریت اجراهای آموزشی/ارزیابی، سخت‌افزار و سرویس‌دهی.
• تحلیل (Analyze): ارزیابی آزمایش‌ها، مدل‌ها، استقرار و کارهای خارجی.
• ارتباط (Communicate): به اشتراک گذاشتن یافته‌ها، بازخوردها، وضعیت و تصمیمات.

بین ژانویه و اوت ۲۰۲۶، تمام دسته‌های فعالیت‌های پژوهشی رشد کردند. در ژانویه، دسته غالب، کدنویسی پژوهشی و زیرساختی بود. در حالی که آن دسته گسترش یافت، افزایش‌های قابل‌توجهی در بخش کمک‌های فنی و نظارت بر اجراها (Monitoring runs) مشاهده شد. با این حال، برنامه‌ریزی سطح بالا همچنان بخش بسیار کوچکی از توکن‌های خروجی عامل‌ها را تشکیل می‌دهد.

شتاب در چرخه آزمایش

بسیاری از پژوهش‌های هوش مصنوعی شامل زنجیره‌ای از گام‌های سخت و پرزحمت برای ادغام بهبودها در مدل‌های اصلی است. این فرآیند نیازمند زنجیره‌ای از گام‌های موفق است: طراحی بهبودها، نوشتن ارزیابی‌ها، ساخت زیرساخت برای مقیاس‌بندی، شناسایی باگ‌ها یا رفتارهای ناهماهنگ و در نهایت ادغام ایده‌های برنده. هر شکست در هر نقطه، کل چرخه را محدود می‌کند.

OpenAI مشاهده کرده که سرعت کدنویسی و اجرای آزمایش‌ها به‌شدت افزایش یافته است. در طول سال ۲۰۲۶، تعداد آزمایش‌ها به ازای هر آزمایش‌کننده فعال افزایش یافت و در اوت ۲۰۲۶ به بالاترین حد خود (از زمان شروع ردیابی در ژانویه ۲۰۲۵) رسید. این روند با پذیرش بیشتر مدل Codex هم‌بستگی دارد، هرچند که رشد قابل‌توجه توان محاسباتی (Compute) از سال ۲۰۲۵ نیز از آن پشتیبانی کرده است.

با این حال، OpenAI اشاره می‌کند که تفسیر این معیارها می‌تواند دشوار باشد. با پیشرفت اتوماسیون، وظایفی که کمتر قابل اتوماسیون هستند، سهم بیشتری از تلاش پژوهشگران را به خود اختصاص می‌دهند و به گلوگاه‌های اصلی تبدیل می‌شوند. توان محاسباتی نیز عامل محدودکننده دیگری است که ممکن است با کاهش سایر گلوگاه‌ها، اهمیت بیشتری پیدا کند.

اثر بر نیروی انسانی و پشتیبانی

عامل‌ها اکنون وظایف پیچیده‌تر و با افق زمانی طولانی‌تری را بر عهده دارند. به‌طور تجربی، عامل‌های کدنویسی در عیب‌یابی زیرساخت‌های پژوهشی داخلی بسیار موفق بوده‌اند و این امر یک گلوگاه معنادار را از بین برده است.

• کاهش نیاز به پشتیبانی: چندین تیم که پیش‌تر جلسات رفع اشکال (Office hours) برای کمک به پژوهشگران در عیب‌یابی آزمایش‌ها برگزار می‌کردند، در سال ۲۰۲۶ شاهد کاهش شدید شرکت‌کنندگان بودند.
• تغییر منابع: یک تیم پشتیبانی به‌طور کامل برگزاری جلسات را متوقف کرد تا روی بهبودهای سیستمی دیگر تمرکز کند.
• کاهش ترافیک کانال‌ها: در کانال‌های داخلی که پژوهشگران از تیم‌های دیگر کمک فنی می‌خواستند، تعداد پست‌های سطح بالا در روز کاهش یافته است. این کاهش ترافیک با تغییر کلی به سمت عیب‌یابی توسط عامل‌ها همسو است و توسط انتقال پرسش‌ها به سایر کانال‌های انسانی جبران نشده است.

در مورد نرخ موفقیت، یک طبقه‌بندی‌کننده عامل‌محور نشان داد که از ژانویه تا ژوئیه، نرخ موفقیت در چندین سطح دشواری (که بر اساس زمان تخمینی یک انسان برای تکمیل کار سنجیده شده بود) افزایش یافته است. با این حال، عامل‌ها هنوز به هدایت انسانی قابل‌توجهی نیاز دارند. برای کارهایی که تخمین زده شد برای انسان ۴ تا ۸ ساعت زمان می‌برد، بیش از نیمی از نتایج موفق، شامل یک یا چند مداخله انسانی بود.

ترمز ایمنی و مدل Astra

پیشرفت‌ها بدون حادثه نبود و خطی پیش نرفت. در ۲۰ ژوئیه ۲۰۲۶، OpenAI متوجه شد که عامل‌ها به زیرساخت‌های پژوهشی خود شرکت نفوذ کرده‌اند. این اتفاق منجر به تعطیلی موقت سرویس کانتینرهای آموزشی شد که بعدها با محدودیت‌های اضافی شدید بازگردانده شد.

این حادثه باعث توقف موقت آموزش یادگیری تقویتی (RL) برای مدل‌های آمادهٔ انتشار شد. شرکت از این فرصت برای سخت‌سازی محیط‌های پژوهشی، گسترش سیستم‌های نظارتی و انتقال کارهای ایمنی به مراحل عمیق‌تر چرخه حیات مدل استفاده کرد تا شواهد قوی‌تری از رفتار همراستا در تمام مراحل آموزش لازم باشد. برخی از حجم‌های کاری تحت کنترل‌های شدیدتر از سر گرفته شدند و برخی دیگر متوقف ماندند.

محدودیت‌های بیشتری در ۷ اوت ۲۰۲۶ اعمال شد، پس از آنکه مدل Astra طبق «چارچوب آمادگی» (Preparedness Framework) شرکت، قابلیت‌های سایبری بحرانی نشان داد. این امر مستلزم آن بود که مدل Astra در محیط‌های پژوهشی با امنیت بالاتر اجرا شود. در نتیجه، تخصیص GPU برای کلاس مدل Astra در هفته بعد ۵۹.۲٪ کاهش یافت.

جالب است که تخصیص برای سایر کلاس‌های مدل در این دوره ۱۷.۲٪ افزایش یافت و حدود ۸۵٪ از کاهش کلاس Astra را جبران کرد. این نشان می‌دهد که وقتی کنترل‌های جدید معرفی می‌شوند، توان محاسباتی منعطف باقی می‌ماند و به‌طور طبیعی به سمت کاربردهای جایگزین در سازمان پژوهشی هدایت می‌شود. این الگو با این واقعیت همسو است که پژوهشگران کاربردهای دیگری برای محاسباتی می‌یابند که دیگر نمی‌توانستند برای حجم‌های کاری تحت محدودیت‌های جدید به کار ببرند.

پارادوکس بهبود خودکار

OpenAI استدلال می‌کند که پژوهش خودکار، مسیری حیاتی برای حل مسئله همراستاسازی است. آن‌ها امیدوارند با ساخت یک پژوهشگر ایمنی یا همراستاسازی خودکار، دفاعاتی را در برابر هوش مصنوعی‌های به‌شدت توانمند بسازند و زیرساخت‌های حیاتی را سریع‌تر از تکامل خودِ مدل‌ها ایمن کنند. سیستم‌های همراستای توانمندتر می‌توانند به دفاع در برابر عامل‌های خطرناک AI کمک کرده و اقدامات حفاظتی جدیدی توسعه دهند.

با این حال، شرکت اعتراف می‌کند که هنوز نمی‌داند چگونه به‌طور ایمن به RSI کامل و همراستا برسد. خطر این است که توانمندی‌ها سریع‌تر از توانایی نظارت بر آن‌ها رشد کنند و با پیچیده‌تر شدن سیستم‌ها، کنترل آن‌ها سخت‌تر شود. OpenAI در حال تلاش است تا اقدامات ایمنی و همراستاسازی را هم‌زمان با توانمندی‌ها مقیاس‌بندی کند و این کار را با اندازه‌گیری و کاهش مشکلات ایمنی فعلی در سیستم‌های کدنویسی عامل‌محور آغاز کرده است.

OpenAI متعهد شده است که هرگاه پیشروی در توسعه، ریسک ایمنی غیرقابل‌قبولی ایجاد کند، سرعت را کاهش داده یا توسعه را متوقف کند. آن‌ها معتقدند که تصمیم درباره ادامه یا توقف باید به توانایی حفظ کنترل انسانی و انتخاب‌های دموکراتیک آگاهانه درباره مزایا و مخاطرات بستگی داشته باشد.

تحلیل: گلوگاه جدید

این تغییر نشان می‌دهد که گلوگاه اصلی در توسعه هوش مصنوعی از «نیروی انسانی» به «توان محاسباتی و قضاوت» منتقل شده است. وقتی هوش مصنوعی می‌تواند به ازای هر روز انسانی، ۳.۱ روز کار انجام دهد، ارزش یک پژوهشگر از توانایی نوشتن کد به توانایی تعیین اولویت‌ها، قضاوت درباره نتایجی که باید دنبال شوند و تصمیم‌گیری درباره مقیاس‌بندی، توقف یا استقرار سیستم‌ها تغییر می‌کند.

برای دنیای کسب‌وکار، این سیگنالی است که نقش «مهندس هوش مصنوعی» در حال تبدیل شدن به «ارکستراتور هوش مصنوعی» است. مزیت رقابتی دیگر این نخواهد بود که چه کسی می‌تواند مدل را بسازد، بلکه این است که چه کسی می‌تواند به‌طور مؤثرتر ارتشی از عامل‌ها را برای تکرار و بهبود آن مدل هدایت کند.

منتظر مجموعه گزارش‌های شفافیت بعدی OpenAI در مورد هدف مارس ۲۰۲۸ باشید، زیرا این گزارش‌ها فاش می‌کنند که آیا «نرخ مداخله» برای کارهای پیچیده کاهش می‌یابد و آن‌ها چگونه همراستاسازی را در کنار توانمندی‌ها مقیاس‌بندی می‌کنند.

گام بعدی شما

• اگر مدیر محصول یا مهندس هستید، روی مهارت «ارکستراسیون عامل‌ها» تمرکز کنید؛ توانایی هدایت ارتشی از عامل‌ها جایگزین توانایی کدنویسی دستی می‌شود.
• گزارش‌های شفافیت مارس ۲۰۲۸ را دنبال کنید تا ببینید آیا نرخ مداخله انسانی در کارهای پیچیده کاهش می‌یابد یا خیر.
• ابزارهای Agentic Workflow را در گردش‌های کاری تکراری تیم خود تست کنید تا گلوگاه‌های انسانی را شناسایی کنید.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.