OpenAI专家揭秘AI科研新方向：从即时响应到自动化研究

在人工智能研究最前沿，OpenAI的两位核心科学家——首席研究员Jakub Pachocki与技术负责人Mark Chen正引领着行业变革。他们在接受《麻省理工科技评论》专访时，首次完整阐述了破解知识关联难题的突破性方法，并在a16z播客中与资深投资专家Aden Mita、Sarah Wang深度探讨了GPT-5后的研发蓝图，首次提出打造"自主科研AI系统"的长期愿景。

关于GPT-5的设计哲学，Mark Chen进行了深刻剖析。他指出OpenAI此前的技术路线存在根本性悖论：GPT产品线（2,3,4代）追求即时响应速度，而推理o系列强调深思熟虑。这种割裂极大影响了用户体验。"我们正致力于消除这种选择困境，让智能体行为与推理能力实现自然融合。"Mark Chen表示，未来研发将聚焦智能体技术，GPT-5将是这一战略的关键里程碑。

随着模型性能提升，传统评估体系正面临严峻挑战。研究主管Yaka Pohotsky坦言，沿用多年的测评指标已趋近天花板，比如从96%到98%的边际价值大幅递减。传统"预训练-泛化评估"模式难以适应强化学习等新范式——模型可能具备特定领域的专精能力，却未必反映真实泛化水平。"我们正在经历评估方法论的真空期。"Yaka Pohotsky主张，未来评估应该转向衡量模型创造新知识的能力，包括在数学、编程竞赛中的实战表现。

就技术实现路径而言，强化学习(RL)与编程能力被视为突破点。Yaka Pohotsky解释："RL与大模型结合，创造了近乎无限的实验场域。"他特别强调，预训练带来语义理解，而RL赋予目标导向的执行力，完美解决了环境构建难题。同时，Mark Chen透露GPT-5 Codex将在代码"软实力"方面取得突破，比如编码风格优化、工作积极性调节等关键维度。

AI正在重新定义编程范式。作为前竞赛选手的Yaka Pohotsky坦言，曾经抗拒辅助工具的他，如今见证GPT-5能在15分钟内完成30个文件级的代码重构。Mark Chen补充道，新一代开发者已将AI协作视为"默认编程方式"，这种趋势很可能延伸至科研领域，形成"AI辅助科研"新常态。

谈及顶尖研究者的特质，Yaka Pohotsky认为"韧性"最为关键。他指出真正的研究需要直面未知，在失败中不断验证假设。Mark Chen则强调经验价值——通过研读经典论文、团队协作来培养选题敏感度。Yaka Pohotsky特别推崇那些敢于挑战核心难题的研究者，他们总能精准定位关键障碍并持续突破。

在组织文化方面，Mark Chen揭示了OpenAI的成功密码："基础研究的使命感"。这种文化激励团队勇闯技术无人区，而非简单追随。他们广纳各领域奇才，从理论物理到量化金融，最看重的是解决问题的基本功与挑战巅峰的勇气。

为保护原创研究，OpenAI给予科学家充分自由探索未来2-3年的重大问题。尽管研究方向多元，如扩散模型、代码推理等，但最终都将服务于"自主科研AI"的终极目标。Yaka Pohotsky坦言，虽然愿景清晰，但具体技术路线仍需持续探索。

关于核心资源投入，两位科学家异口同声选择"算力"。Jakub Pachocki直接驳斥了"AI将进入数据瓶颈期"的论调，坚信算力始终是决定性因素。Mark Chen更是直言："说算力够用的人，应该来实验室值个班。"在他们看来，计算资源约束仍将是长期存在的技术挑战。