Il Chief Research Officer di OpenAI, Mark Chen, ha affermato che l’azienda è vicina a modelli di IA in grado di condurre ricerche in autonomia, portando l’intelligenza artificiale generale sempre più a portata di mano.
Punti chiave:
- Chen ha sostenuto che le leggi di scalabilità restano valide: il pretraining e catene di ragionamento più lunghe continuano a spingere i progressi verso l’AGI.
- Ha detto che i modelli capaci di ricerca autosufficiente sono vicini, un cambiamento che ridefinirà il ruolo dei ricercatori umani.
- Chen ha indicato una crisi di valutazione sempre più profonda e l’apprendimento continuo irrisolto come i maggiori ostacoli del settore.
Chen traccia il percorso verso l’AGI
Chen ha esposto il suo pensiero in una recente intervista in podcast, durante la quale ha cucinato in video mentre spiegava la strategia di ricerca di OpenAI.
Ha respinto l’idea che la scalabilità si sia fermata. Secondo lui, questa tesi riaffiora ogni volta che il settore incontra un nuovo collo di bottiglia.
L’azienda si colloca su una curva esponenziale che ha retto per quasi 10 ordini di grandezza, e poco lascia pensare che si interromperà, ha affermato.
Chen ha inoltre richiamato l’attenzione sulla scommessa di OpenAI sul ragionamento. Ha spiegato che, all’inizio, alcuni scettici interni all’azienda mettevano in dubbio il progetto o1, prima che Jakub Pachocki, Ilya Sutskever e pochi altri lo spingessero avanti.
Ora si aspetta che i modelli affrontino compiti di ricerca che si protraggono per settimane, producendo idee capaci di superare i punti ciechi degli esperti umani.
La roadmap di OpenAI copre tre anni, ha indicato, e si conclude con modelli in grado di gestire la ricerca end‑to‑end, dalla prima idea al risultato finale.
Leggi anche: BitMine sfida il selloff con una scommessa su Ethereum da 43 milioni di dollari, la strategia vacilla
Perché l’idea del “vibe researcher” è importante
Chen ha introdotto un termine che ha attirato attenzione: il vibe researcher.
In quel futuro, ha spiegato agli ascoltatori, i migliori ricercatori smetteranno di scrivere ogni riga di codice e invece guideranno modelli che si occupano di esecuzione e pianificazione. Il lavoro umano si restringe a due compiti: porre domande affilate e giudicare se una risposta possiede davvero “gusto”.
Questa visione poggia su basi fragili, e Chen non finge il contrario.
Ha messo in guardia rispetto a una crisi di valutazione, descrivendo team che inseguono punteggi di benchmark senza veri progressi, un’abitudine che definisce benchmaxxing. I test più vecchi sono ormai saturi e quelli nuovi perdono valore quasi subito dopo la pubblicazione.
L’apprendimento continuo rimane il divario più difficile. Chen l’ha definito una capacità di base che il settore deve ancora sbloccare, pur riconoscendo che molti sforzi sono già focalizzati sul problema.
Se questa traiettoria reggerà, ha suggerito Chen, la risorsa umana più scarsa si sposterà dall’intelligenza grezza verso il giudizio e l’esperienza vissuta.
Chen ha già presentato varianti di questa tesi in passato. Intorno al lancio di GPT‑4.5 ha sostenuto che il paradigma della scalabilità può continuare, e da tempo insiste sul fatto che non esistono prove che le leggi di scalabilità siano morte.
Da leggere dopo: CZ afferma che Binance era a giorni dall’approvazione MiCA prima che intervenisse la politica