OpenAIが完全自動化されたAI研究者の開発に注力。2025年9月までに研究インターンレベル、2028年に完全版を目指す。複雑な問題を人間の介入なしで解決するシステム。研究開発の進め方が大きく変わる可能性。
OpenAIが完全自動化AI研究者の開発に全力投球、2028年の実現を目指す
2025年3月20日、アメリカのAI企業OpenAIは、完全自動化されたAI研究者の開発に研究資源を集中させると発表しました。AI研究者とは、人間の指示なしに大規模で複雑な問題を自ら解決できるエージェント型システムのことです。OpenAIはこの目標を今後数年間の「北極星」と位置づけ、推論モデル、エージェント、解釈可能性といった複数の研究分野を統合して取り組みます。
具体的なスケジュールも示されました。2025年9月までに「自律型AI研究インターン」を開発します。これは限られた数の特定の研究課題を自力で処理できるシステムです。そして2028年には、人間では対処しきれない大規模で複雑な問題に取り組める完全自動化されたマルチエージェント研究システムを発表する計画です。
この技術が実現すれば、数学や物理学の新しい証明、生物学や化学の研究、さらにはビジネスや政策の課題まで、テキストやコードで表現できるあらゆる問題を投げかけることができるようになります。OpenAIの最高科学責任者ヤクブ・パホツキ氏は「データセンターの中に研究所全体があるような状態になる」と語っています。この発表は、AI業界の方向性を左右してきたOpenAIの次の一手として、業界全体に大きな影響を与えると見られています。
AI研究者開発の具体的な計画と段階
OpenAIは2段階のアプローチでAI研究者を開発します。第1段階として2025年9月までに開発される「自律型AI研究インターン」は、人間なら数日かかる特定の研究課題を自力で処理できるシステムです。これは現在OpenAIが提供しているCodexというツールの進化版と位置づけられています。
Codexとは、コードを即座に生成してコンピュータ上でタスクを実行できるエージェント型アプリケーションのことです。文書の分析、グラフの生成、メールやSNSの日次ダイジェスト作成など、さまざまな作業を自動化できます。OpenAIの技術スタッフの大半が既に業務でCodexを使用しているとのことです。
第2段階は2028年の完全版AI研究者です。これは複数のAIエージェントが協調して動作するマルチエージェントシステムで、人間では扱いきれない規模や複雑さの問題に取り組めるようになります。数学や物理学の新しい定理や予想の発見、生物学や化学の研究課題、ビジネスや政策の難題など、テキスト、コード、ホワイトボードの走り書きで表現できるあらゆる問題が対象となります。
背景と経緯
OpenAIは大規模言語モデルで業界をリードしてきましたが、現在はAnthropicやGoogle DeepMindといった競合企業との激しい競争に直面しています。そのため次の大きな目標を明確に示す必要がありました。最高科学責任者のヤクブ・パホツキ氏は、GPT-4の開発や推論モデルの実用化に重要な役割を果たした人物で、OpenAIの長期研究目標を設定する立場にあります。
AI業界全体では「世界の最も困難な問題を解決する」という目標が共有されています。Google DeepMindの創設者デミス・ハサビス氏は2022年にそれが会社設立の理由だと語り、AnthropicのCEOダリオ・アモデイ氏は「データセンターに天才の国を作る」と表現しています。OpenAIのサム・アルトマンCEOも癌の治療を目指すと公言しています。
パホツキ氏によれば、OpenAIは目標達成に必要な技術の大部分を既に持っているとのことです。2025年1月にリリースされたCodexの成功が、より広範な科学研究への応用可能性を示しました。アレン人工知能研究所の研究者ダグ・ダウニー氏は「コーディングエージェントの成功が、科学のより広い分野で同様のことができるかという問いを提起している」と指摘しています。
技術的な仕組みと進化の方向性
AI研究者の実現には、AIシステムが人間の助けなしに長時間動作し続ける能力が必要です。OpenAIはこれを3つのアプローチで実現しようとしています。
第1のアプローチは、モデルの全般的な能力向上です。パホツキ氏によれば、2020年のGPT-3から2023年のGPT-4への進化では、特別な訓練なしでも問題に取り組める時間が大幅に延びました。単純に能力が上がるだけで、長時間の自律動作が可能になるという考え方です。
第2のアプローチは推論モデルの活用です。推論モデルとは、問題を段階的に解決し、間違いや行き詰まりがあれば引き返して別の方法を試すように訓練されたAIのことです。この技術により、モデルは長期間にわたって一貫した作業を続けられるようになりました。現在の主要なチャットボットやエージェントシステムはすべてこの技術を基盤としています。
第3のアプローチは、複雑なタスクの具体例を使った訓練です。数学やコーディングコンテストの難問をモデルに学習させることで、大量のテキストを追跡したり、問題を複数のサブタスクに分割して管理したりする能力を身につけさせています。パホツキ氏は「技術が機能することを証明してから現実世界に接続する」という段階的なアプローチを取っています。
現時点での成果と実用例
OpenAIは既にいくつかの注目すべき成果を上げています。最新のGPT-5を使った研究者たちは、未解決の数学問題に新しい解法を発見したり、生物学、化学、物理学の難問で行き詰まっていた研究を前進させたりしています。パホツキ氏は「ほとんどの博士課程の学生が数週間かかるようなアイデアをモデルが生み出すのを見ると、この技術からさらなる加速が期待できる」と述べています。
実際の業務での活用も進んでいます。OpenAIの技術スタッフは現在、コードを直接編集するのではなく、複数のCodexエージェントを管理する形で仕事をしているとのことです。パホツキ氏自身も、以前は基本的な自動補完機能すら使わず、vimというテキストエディタで手動でコードを書いていました。しかし最新モデルの能力を見て考えを変え、今では週末に実験を実行させることで、以前なら1週間かかったコーディング作業を短縮しています。
できること・できないこと
この技術により、研究開発のプロセスが大きく変わる可能性があります。例えば、数日かかる特定の研究課題の調査、実験コードの作成と実行、データ分析とグラフ作成、文献レビューといった作業を自動化できるようになります。2025年9月のAI研究インターンは、こうした限定的な範囲の作業を人間の監督なしで実行できるでしょう。
一方で、まだ難しいこともあります。パホツキ氏は「複雑な設計タスク全体を任せるレベルにはない」と認めています。研究の方向性を決めたり、全体的な設計を行ったりする作業には、依然として人間の判断が必要です。また、人によって有用性の感じ方が異なることも指摘されています。作業スタイルや必要とする内容によっては、現時点では大きな恩恵を感じない人もいるでしょう。
2028年の完全版AI研究者でも、人間が目標を設定し、全体を管理する役割は残ります。パホツキ氏は「もちろん、人間が責任を持ち、目標を設定することは依然として必要です」と強調しています。完全自動化とは、人間の代わりではなく、人間が設定した目標に向かって自律的に作業を進められるという意味です。
私たちへの影響
このニュースは、研究者、エンジニア、そして広く知識労働に携わる人々に大きな影響を与えます。短期的には、2025年9月のAI研究インターンの登場により、日常的な研究作業の一部が自動化されるでしょう。データ分析、実験コードの作成、文献調査といった時間のかかる作業を任せられるようになれば、研究者はより創造的な思考や戦略的な判断に時間を使えるようになります。
中長期的な影響としては、研究開発のスピードが大幅に加速する可能性があります。2028年に完全版AI研究者が実現すれば、人間だけでは扱いきれなかった規模や複雑さの問題に取り組めるようになります。新薬の開発、気候変動対策、新材料の発見など、人類が直面する大きな課題の解決が早まるかもしれません。一方で、研究者の役割も変化し、AIを管理・指導するスキルがより重要になるでしょう。
ただし、この技術が本当に約束通りの性能を発揮するかは、まだ確実ではありません。パホツキ氏自身も「完全に確実というわけではない」と認めています。また、OpenAIだけでなくAnthropicやGoogle DeepMindも同様の目標を掲げており、競争が激しい分野です。今後数年間の開発状況を注視する必要があります。さらに、強力なAI研究者が実現した場合の倫理的・社会的影響についても、慎重な議論が求められるでしょう。