یک مطالعه جدید از سوی پژوهشگران دانشگاه پرینستون نشان میدهد که پیشرفت خوداصلاحی بازگشتی هوش مصنوعی ممکن است با سرعت مورد انتظار رخ ندهد. پیتر کرگیس و سایاش کاپور در این تحقیق دریافتند که عوامل هوش مصنوعی هنوز توانایی انجام تحقیقات باز و نوآورانه را ندارند. اگرچه مدلهای زبانی بزرگ میتوانند کدنویسی کنند، اما در زمینه قضاوت و خلاقیت لازم برای تولید پژوهشهای اصیل در سطح کنفرانسهای برتر، ضعف دارند. پژوهشگران برای آزمایش این توانایی از روش «ارزیابی سایه» استفاده کردند که در آن مدل Claude Opus 4.8 شرکت آنتروپیک با سوالات پژوهشی منتشرنشده از کنفرانس NeurIPS 2026 مواجه شد. این آزمایش نشان داد که با وجود توانایی در حل مسائل مهندسی، هوش مصنوعی در انتخاب فرضیهها و تصمیمگیریهای پیچیده پژوهشی دچار چالش است. این یافتهها نشان میدهد که زمانبندیهای تبلیغاتی برای خودکارسازی کامل تحقیقات هوش مصنوعی ممکن است از واقعیت جلوتر باشند.