OpenAI正在要求第三方承包商上传他们当前或之前工作中的真实作业和任务，以评估其下一代AI模型的性能。WIRED从OpenAI和训练数据公司Handshake AI获得的文件显示，该项目的目的是为各种任务建立人类表现基线，然后将其用于评估AI模型的能力。

这项举措是OpenAI于9月启动的更广泛努力的一部分，旨在衡量其AI模型在不同行业中与人类专业人士的对比。该公司认为，这种比较是衡量实现通用人工智能（AGI）进展的关键指标，通用人工智能被定义为在大多数具有经济价值的任务中超越人类能力的AI系统。

根据一份机密的OpenAI文件，“我们聘请了各行各业的人来帮助收集基于您全职工作中的真实世界任务，以便我们可以衡量AI模型在这些任务中的表现。” 该文件指示承包商“提取您在工作中完成的长期或复杂工作（数小时或数天），并将每个工作转化为一个任务。”

数据收集策略突显了AI开发中的一个关键挑战：准确评估AI执行现实世界任务的能力。通过将AI性能与来自实际工作的人类基线进行比较，OpenAI旨在更细致地了解其模型的优势和劣势。随着AI系统越来越多地集成到专业环境中，这种方法尤其具有相关性。

实现AGI的影响是深远的，可能会改变行业并重塑工作的性质。虽然OpenAI强调AGI的潜在好处，例如提高生产力和创新，但该发展也引发了对工作岗位流失以及日益自主的AI系统的伦理考量的担忧。

OpenAI的评估过程反映了AI社区内部关于如何最好地衡量和控制日益强大的AI系统的持续辩论。随着AI模型变得越来越复杂，建立可靠的基准和安全协议对于确保其负责任的开发和部署至关重要。该公司尚未发布关于正在收集的任务类型或用于评估AI性能的标准的具体细节，但它表示，这些数据将用于提高其未来AI模型的准确性和可靠性。该项目正在进行中，评估结果预计将为OpenAI未来的开发工作提供信息。