OpenAI заявила о «стажёре-исследователе» и целится в автоматизированного учёного к 2028

В сентябре OpenAI объявила, что достигла промежуточной цели — «автоматизированного стажёра по исследованиям в области ИИ». Следующая отметка — полноценный «автоматизированный AI-исследователь», который, по плану компании, должен появиться до марта 2028 года. Об этом пишет китайское издание Jiqizhixin в материале о том, как агенты движутся к рекурсивному самоулучшению (RSI) и почему важную роль в этом играет память.

Оговорка: доступный фрагмент статьи обрывается на упоминании главного научного сотрудника OpenAI Якуба Пахоцкого. Его слова, технические детали и метрики в нём не приводятся. Всё, что ниже, опирается только на подтверждённые строки оригинала и на очевидную логику вокруг них.

Что именно заявлено

Jiqizhixin описывает общий сдвиг: ведущие лаборатории «в плотном режиме» подают сигнал, что ИИ перестаёт быть только инструментом для человеческих задач и начинает участвовать в собственных исследованиях и улучшении. OpenAI стала самым конкретным примером, потому что назвала две точки с датами.

• Сентябрь 2026: заявлено достижение этапа «автоматизированный AI-стажёр-исследователь».
• Март 2028: срок создания «автоматизированного AI-исследователя».
• Тема материала: переход агентов от памяти к самоэволюции как шаг к RSI.

Как OpenAI измеряет «стажёра», на каких задачах его проверяли и какую долю работы он выполняет без человека, в доступном тексте не сказано. Это главный пробел: без критериев формулировка остаётся заявлением, а не измеримым результатом.

Почему в центре внимания память

Заголовок оригинала выстраивает цепочку «память — самоэволюция — RSI». Логика понятна. Агент, который не помнит прошлых запусков, каждый раз начинает с нуля и повторяет одни и те же ошибки. Чтобы улучшать собственную работу, ему нужно хранить опыт: какие гипотезы он проверял, что сработало, что нет, какие инструменты и приёмы дали результат. Только на этой базе возможен следующий шаг, когда агент меняет не только ответ, но и свои методы, промпты, инструменты или процесс исследования.

Это наша интерпретация заголовка, а не пересказ деталей статьи. Но она хорошо согласуется с тем, как сегодня развивают агентные системы: долгая память, журналы траекторий и накопление навыков стали отдельной инженерной задачей.

Что остаётся под вопросом

Слово «стажёр» в исследовательской работе может значить многое. Это может быть агент, который воспроизводит чужие эксперименты, пишет код для абляций или разбирает литературу. А может быть система, которая самостоятельно предлагает и проверяет идеи. Разница огромна, и пока публичных данных, чтобы её оценить, в нашем распоряжении нет.

Есть и вопрос проверки. Если AI участвует в улучшении AI, независимо подтвердить скорость такого прогресса сложнее: основные данные находятся внутри лабораторий.

Практический вывод

Командам, которые строят агентов, стоит уже сейчас относиться к памяти как к полноценному компоненту системы, а не как к дополнению к контекстному окну. Полезно логировать траектории запусков, размечать успешные и неудачные попытки и проверять, улучшает ли накопленный опыт результат на повторяющихся задачах. Пока автономность агента растёт, нужны лимиты на самостоятельные изменения и обязательная человеческая проверка. Аналитикам и инвесторам разумнее ждать от OpenAI не новых лозунгов, а конкретных бенчмарков и описания того, что «стажёр» делает без помощи человека. Следующей контрольной точкой остаётся март 2028 года.