Były badacz OpenAI Jerry Tworek zakłada Core Automation — laboratorium AI z pełną automatyzacją badań

Zamiast skupiać się na coraz większych modelach trenowanych na większych zbiorach danych, Core Automation rozwija nowe algorytmy uczenia wykraczające poza pre-training i uczenie ze wzmocnieniem, a także architektury zaprojektowane do lepszego skalowania niż transformery.

Kluczowe wnioski

• Nowe podejście: Core Automation odchodzi od trendu zwiększania rozmiarów modeli na rzecz fundamentalnie nowych algorytmów uczenia i architektur • Automatyzacja badań: Firma chce stworzyć małe zespoły współpracujące z zaawansowanymi agentami AI wykonującymi pracę całych organizacji • Exodus z OpenAI: Tworek opuścił OpenAI w styczniu 2026 po siedmiu latach, twierdząc, że fundamentalne badania nie są tam już możliwe • Trend "Neo Labs": Core Automation dołącza do rosnącej grupy laboratoriów zakładanych przez byłych pracowników OpenAI • Koniec deep learningu: Według Tworeka badania nad deep learningiem "są zakończone"

Wizja zautomatyzowanego laboratorium

Zespół Core Automation składa się z ekspertów w dziedzinie modeli frontierowych, optymalizacji i inżynierii systemów. Wizją firmy są małe zespoły współpracujące z zaawansowanymi agentami AI, które będą wykonywać zadania wcześniej wymagające zaangażowania całych organizacji.

To radykalne podejście do organizacji pracy badawczej ma potencjał przekształcenia sposobu prowadzenia badań nad sztuczną inteligencją. Automatyzacja procesów badawczych może znacznie przyspieszyć tempo innowacji przy jednoczesnym zmniejszeniu kosztów operacyjnych.

Exodus z OpenAI i nowy trend

Tworek opuścił OpenAI w styczniu 2026 po siedmiu latach pracy, argumentując, że tego rodzaju fundamentalne badania nie są już tam możliwe. Jego zdaniem era badań nad deep learningiem dobiegła końca, co wymaga eksploracji całkowicie nowych kierunków.

Core Automation dołącza do rosnącej listy tak zwanych "Neo Labs" zakładanych przez byłych pracowników OpenAI i innych ekspertów. Wśród nich znajdują się Thinking Machines Lab (prowadzone przez byłego CTO) oraz Safe Superintelligence (kierowane przez byłego głównego naukowca). Wszystkie te inicjatywy łączy przekonanie, że rzeczywisty postęp w dziedzinie AI wymaga obecnie fundamentalnie nowych podejść.

Ruch ten sygnalizuje potencjalną zmianę paradygmatu w badaniach nad sztuczną inteligencją, gdzie focus przesuwa się z skalowania istniejących technologii na opracowywanie całkowicie nowych metod i architektur.