该项目是OpenAI更广泛战略的一部分，旨在衡量其AI模型在不同领域与人类专业人士相比的表现。今年9月，OpenAI启动了一项新的评估流程，旨在衡量AI性能相对于人类专业知识的水平。该公司认为，这种比较是其追求通用人工智能（AGI）的关键指标，通用人工智能被定义为一种在大多数具有经济价值的任务中能够超越人类能力的人工智能系统。

一份OpenAI的机密文件指出：“我们聘请了各行各业的人来帮助收集基于您全职工作中完成的真实世界任务，以便我们可以衡量AI模型在这些任务上的表现。选取您在工作中完成的长期或复杂的工作（数小时或数天），并将每个工作转化为一个任务。”

数据收集工作引发了关于知识产权和数据隐私的问题。虽然OpenAI尚未公开评论为解决这些问题而采取的具体措施，但该公司的内部文件表明，他们意识到需要负责任地处理敏感信息。该举措还凸显了人工智能行业对高质量训练数据日益增长的需求，人工智能模型的性能在很大程度上依赖于它们所训练的数据。

此举反映了人工智能发展的一个更广泛的趋势，即各公司越来越关注创建能够执行复杂、真实世界任务的人工智能系统。通过将AI性能与人类基准进行比较，OpenAI旨在确定其模型擅长的领域以及需要进一步改进的领域。这种方法旨在加速开发更强大、更可靠的AI系统。

评估过程可能对未来的工作产生重大影响。随着AI模型在执行目前由人类完成的任务方面变得更加熟练，这可能导致各个行业的自动化。然而，OpenAI强调，其目标不是取代人类工人，而是创建能够增强人类能力和提高生产力的人工智能系统。该公司尚未发布其评估过程的具体结果，但预计将在未来几个月内分享其进展的最新情况。