ChatGPT推出后，迅速震驚了全球。

自那以后，OpenAI一直站在AI技術發(fā)展的最前沿。

去年9月，他們推出o系列模型，再次引領AI推理的浪潮。

到今天，推理模型已成主流。

最新、最強的模型，比如o3、Gemini 2.5 Pro、DeepSeek-R1，都是推理模型。

這些模型可以通過思維鏈（CoT），一步一步地「思考」來解決問題。比如，幫助研究人員潤色文章、編寫代碼、回顧文獻，甚至是提出假設。

可以說，OpenAI的迅速崛起極大推動了這次的AI革命。

在這其中，有個人一直在OpenAI扮演著關鍵角色。雖然很少有人聽說過他。

這就是OpenAI的首席科學家Jakub Pachocki。

2024年以來，Jakub Pachocki一直是OpenAI的首席科學家

Pachocki在2017年從學術界加入到OpenAI。在此之前，他是一名理論計算機科學家和競技程序員。

現在，Pachocki領導一項最先進的AI系統(tǒng)開發(fā)，這些系統(tǒng)旨在解決科學、數學和編程中的復雜任務。

就在昨天，《自然》雜志對Pachocki做了一次專訪，探討了AI能否做出獨立研究、通用人工智能（AGI），及公司即將推出的開源模型等熱門話題。

文章地址：https://www.nature.com/articles/d41586-025-01485-2?utm_source=x&utm_medium=social&utm_campaign=nature&linkId=14414809

以下是采訪精彩對話。

推理模型有多重要？

現在，你能和一個AI對話，但它還只是個需要不斷被引導的助手。

我（Pachocki，下同）覺得接下來這種情況會有很大改變。

我們已經看到，像OpenAI的Deep Research這種AI工具，可以在沒有人監(jiān)督的情況下持續(xù)工作10到20分鐘，給出一份有用的結果。

但是，目前用于解決這些需求的計算量還不大。

強化學習有多重要？

第一階段的ChatGPT版本涉及一個無監(jiān)督的預訓練階段。在這個階段，模型會吞下海量的數據，并構建出某種「世界模型」。

然后，我們通過使用人類反饋的強化學習，訓練出一個有用的AI助手。

最近在推理模型上的進展，可以看作是更加重視強化學習的結果。

這樣，我們就不只是在提取知識，還使模型能夠找到自己的思考方式。

一個問題是，我們是否應該繼續(xù)將這些學習階段分開來考慮。

推理模型不是在真空中學習如何思考的，它們根植于一個預訓練模型。

我的很多關注點在于如何將模型的不同階段、方法結合起來，理解它們之間的相互作用。

模型真的會思考嗎？

首先，我們需要清楚，AI的運行方式與人腦不同。

預訓練的模型學到了一些關于世界的知識，但它并沒有真正理解它是如何學會這些事情的，也搞不清它學習這些事情的時間順序。

但我堅信我們有充分的證據表明模型能夠發(fā)現新科學。

我會說這是一種「推理」，但這并不意味著它跟人類的推理方式一樣。

在探索AI推理能力的同時，OpenAI也在考慮如何通過開源模型推動科學進步。

奧特曼說的新開源模型

對于這個問題，我特別興奮。尤其是能給研究人員提供一個開源的模型權重（他們可以下載并進一步訓練）。

隨著這些模型變得越來越強大，我們越來越有責任去理解在不同的方式下部署它們會如何影響大家。

我覺得要發(fā)布頂尖的前沿模型并開源權重會很困難，因為有安全方面的顧慮。

我想我們（OpenAI）發(fā)布的模型得比現有的開源模型更好。

AGI的定義是什么？何時達到？

我對AGI的定義及時間預期都發(fā)生了很大的變化。

剛進研究生院時，我覺得AGI的一個里程碑是能精通圍棋，得花上幾十年的時間。

結果，2016年這個目標就實現了。這對我來說簡直是震撼世界的時刻。

2017年加入OpenAI時，我還是公司里對AGI最大的質疑者之一，但新的突破接踵而來。

在圖靈測試上，我們已經取得了很多的進展。數學和問題的解決能力也進步很快，我覺得最難的基準測試也會很快被突破。

所以，我現在思考的下一個重大里程碑——是AI能產生實實在在、可量化的經濟影響，特別是能夠創(chuàng)造全新的科學研究。

這對我來說是最接近我心目中AGI的感覺。我們現在正聚焦于此，我預計在5年內會有非常大的進展。今年，人工智能可能還不會解決主要的科學問題，但幾乎可以自主地編寫有價值的軟件。

據報道，微軟和OpenAI已同意使用經濟指標來衡量AGI的進展，具體目標是實現1000億美元的投資回報。這種方式與Pachocki定義的AGI相匹配。

Pachocki的愿景表明，AI不僅將成為科學研究的助手，更可能在未來五年內重塑全球經濟與創(chuàng)新格局。