9月，OpenAI启动了一项新的评估流程，旨在将其AI模型的性能与各行各业人类专业人士的性能进行比较。该公司认为，这种比较是其在实现通用人工智能（AGI）方面取得进展的关键指标，AGI被定义为在大多数具有经济价值的任务中能够超越人类能力的AI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。”

数据收集工作突显了评估AI性能的持续挑战，尤其是在模型变得越来越复杂的情况下。通过将AI输出与真实世界的人类工作进行比较，OpenAI旨在更准确地了解其模型的优势和劣势。这种方法反映了AI领域日益增长的趋势，即采用更严格和以人为本的评估方法。

实现AGI的意义深远，可能会改变行业并重塑工作的本质。虽然OpenAI强调了AGI的潜在好处，例如提高生产力和创新，但其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。

要求承包商提交他们的工作引发了关于数据隐私和知识产权的问题。目前尚不清楚OpenAI正在采取哪些措施来保护提交的任务中包含的敏感信息的机密性。该公司尚未发布有关防止数据滥用的具体保障措施的详细信息。

OpenAI在开发更高级的AI模型时，不断完善其评估方法。该公司对人类水平性能的关注，突显了将AI开发与人类价值观对齐，并确保AI系统对社会有益的重要性。这些评估的结果可能会影响OpenAI未来研发工作的方向。