OpenAI内部から見た研究加速：コーディングエージェントが日々の研究をどう変えたか
Research acceleration: The view inside OpenAI
OpenAIは、自動化されたAI研究者の開発に向けた進捗状況を報告し、コーディングエージェントが研究組織の日常業務をどのように変革しているかを詳細なデータで示しています。2026年8月時点で、研究組織は人間の労働1日あたり3.1エージェント労働日を使用し、研究者のコード作成と実験実行が加速しています。また、エージェントが処理するタスクはより複雑で長期的になっており、成功率も向上しています。同社は、安全性と整合性を優先しつつ、2028年3月までに完全な自動AI研究者を目指しています。
私たちは、人間の制御を維持する能力と、利益とリスクに関する情報に基づく民主的な選択に基づいて、進め方と方法を決定しなければなりません。
HNでの議論
176- carbonguy
> ...私たちがこの研究を進めているのは、自動化された研究がアライメントの解決や、ますます高性能化するAIに対する防御策の構築に役立つ可能性があるからです。自動化されたAI研究者は、自動化された安全性研究者やアライメント研究者にもなり得ます。より高性能で、アライメントされたシステムは、重要インフラの保護、危険なAIエージェントへの防御、新たな保護策の開発に役立つ可能性があります。
言い換えれば...「AIの進歩から身を守るために、AIの進歩を追求しなければならない」ということですか？
編集：このブログ投稿には批判すべき点がたくさんありますが、特に目立った点をさらに2つ挙げます。
1) すべての指標が事実上「私たちはより多くのAIを使っている！」と指摘しているだけで、影響については何も触れていません。この大量のトークン消費が実際に何をもたらしたのでしょうか？以前よりも多くの「自己舐めアイスクリームコーン」を持っていると主張できるだけでしょうか？
2) セクション3では、トークン消費が何に使われているかを詳しく説明しています。支出の大部分は、a) 構築、b) 文書化、c) 研究インフラの監視です。つまり、彼らは、将来の誤ったアライメントを特定するのに役立つと信じているシステムを構築するために、すでに誤ったアライメントの可能性があると認識しているAIシステムを使用しているのです。それに対する反論は、「いやいや、これらのシステムはアライメントされていると確信している」ということでしょう。
- RMPR
> 8月中旬までに、研究者の中央値は毎日エージェントを業務に統合し、API価格で1日あたり600ドル以上の推論を使用していました。
AIが人間に取って代わるという話はたくさんありますが、これはどうやって持続可能なのでしょうか？
- pizza234
AI 2027への道のりにある、悲劇的な意味で面白い小さなパンくず：
> 私たちは、人間の監督下で深層学習とアライメントのさらなる進歩に貢献できる、自動化されたAI研究者を安全に構築することを目指しています。これにより、反復的な改善が可能になります。[...] 「研究インターン」とは、熟練した研究者なら数日かかるような、明確に定義された研究タスクを人間の指示の下で実行できるシステムを意味します。
AI 2027：
> OpenBrainは、AI研究開発のために、反復的に改善するAgent-1を社内に展開し続けています。
> Agent-1の助けを借りて、OpenBrainは現在Agent-2をポストトレーニングしています。
> 何千ものAgent-2自動研究者の助けを借りて、OpenBrainは主要なアルゴリズムの進歩を遂げています。
- hedgehog
これは、3月に、より強力なモデルと私自身のより良いツールの組み合わせにより、無人で24時間365日ジョブを実行できるようになったという私の個人的な経験とほぼ一致しています（Anthropicのサブスクリプションと自分のハードウェアを使用）。しかし、研究者1人あたり1日8000ドルの支出は常軌を逸しています。彼らがどのように作業を追跡しているのか興味があります。
- simonw
冒頭の段落では少し目が滑りましたが、OpenAIの研究者自身が自社のツールをどのように使用しているかについての記事の核心に達すると、かなり面白くなります。
彼らがRSI（再帰的自己改善）という頭字語を定義せずに使用していることに気づきました。それは少し世間知らずだと思います。RSIはまだOpenAIのバブル以外ではよく知られた頭字語ではないと思います。
- Jeff_Brown
私がどうしても情報を得られない重大な疑問は、もし初期の誤ったアライメントの世代が現在のモデルに誤ったアライメントを伝染させたと彼らが判断した場合、彼らが安全なチェックポイントにロールバックしてそこから再構築するかどうかです。彼らは、強制されない限り、そうしないのではないかと思います。
- nozzlegear
私は、自分の価値観に沿った全能のAIが欲しいのです。しかし、必ずしもあなたの価値観に沿う必要はありません。そんなに無理なお願いでしょうか？
- lhk931122
ああ、ここの成功率はエージェント型分類器によって採点されています。そして不確実な結果はグラフから除外されています。測定されるものとそれを採点するものが同じ出身です。私のセットアップでは、レビューエージェントが、外部の批評家が後で却下する作業を承認します。