در مقاله‌ای جدید با عنوان «تکینگی آرام» که روز سه‌شنبه منتشر شد، سم آلتمن، مدیرعامل OpenAI، چشم‌انداز تازه خود را از چگونگی تغییر تجربه انسانی توسط هوش مصنوعی در ۱۵ سال آینده به اشتراک گذاشت.
این مقاله نمونه‌ای کلاسیک از آینده‌نگری آلتمن است: بزرگ‌نمایی وعده‌های هوش مصنوعی عمومی (AGI) — و ادعای نزدیک بودن OpenAI به تحقق آن — در حالی‌که هم‌زمان از شدت و فوریت آن می‌کاهد. آلتمن پیش‌تر نیز مقالاتی از این جنس منتشر کرده است؛ نوشته‌هایی که آینده‌ای را ترسیم می‌کنند که در آن AGI بنیان‌های مفاهیمی چون کار، انرژی و قرارداد اجتماعی را دگرگون می‌کند. با این حال، معمولاً این مقالات سرنخ‌هایی درباره پروژه‌های بعدی OpenAI نیز در خود دارند.
در بخشی از این مقاله، آلتمن ادعا می‌کند که در سال آینده، یعنی ۲۰۲۶، احتمالاً شاهد ظهور سیستم‌های هوش مصنوعی خواهیم بود که قادر به کشف بینش‌های نوآورانه هستند. اگرچه این عبارت کمی مبهم است، مدیران OpenAI در ماه‌های اخیر به‌وضوح گفته‌اند که هدفشان رساندن مدل‌های هوش مصنوعی به مرحله‌ای است که بتوانند ایده‌های تازه و جالبی درباره جهان ارائه دهند.
در ماه آوریل، هنگام معرفی مدل‌های استدلالی جدید OpenAI با نام‌های o3 و o4-mini، گرگ بروکمن، یکی از بنیان‌گذاران و رئیس OpenAI، گفت که این‌ها نخستین مدل‌هایی هستند که دانشمندان با استفاده از آن‌ها توانسته‌اند ایده‌های جدید و مفیدی تولید کنند.
پست وبلاگی آلتمن نشان می‌دهد که احتمالاً OpenAI در سال پیش‌رو تلاش‌های خود را برای توسعه هوش مصنوعی‌هایی که قادر به تولید بینش‌های نو هستند، افزایش خواهد داد. البته OpenAI تنها شرکتی نیست که روی این هدف تمرکز کرده است — چندین رقیب این شرکت نیز تمرکز خود را بر آموزش مدل‌هایی گذاشته‌اند که می‌توانند به دانشمندان در تولید فرضیه‌های جدید و در نتیجه، کشفیات نوین درباره جهان کمک کنند.
در ماه مه، گوگل مقاله‌ای درباره پروژه‌ای به نام AlphaEvolve منتشر کرد — یک عامل کدنویس هوش مصنوعی که گفته می‌شود توانسته رویکردهای تازه‌ای به مسائل پیچیده ریاضی ارائه دهد. همچنین استارتاپی به نام FutureHouse که با پشتیبانی اریک اشمیت، مدیرعامل سابق گوگل، راه‌اندازی شده، ادعا می‌کند عامل هوش مصنوعی‌اش توانسته یک کشف علمی واقعی انجام دهد. شرکت Anthropic نیز در ماه مه برنامه‌ای برای حمایت از تحقیقات علمی راه‌اندازی کرد.
در صورت موفقیت، این شرکت‌ها می‌توانند بخش مهمی از فرآیند علمی را خودکار کنند و به حوزه‌هایی عظیم نظیر کشف دارو، علم مواد، و سایر رشته‌های علمی نفوذ کنند — حوزه‌هایی که در آن‌ها بینش و نوآوری علمی، ستون فقرات پیشرفت محسوب می‌شود.