Физик Стив Хсу опубликовал научную работу, основанную на идее, которую предложила GPT-5. Он предупреждает: работа с ИИ похожа на сотрудничество с “гениальным, но ненадежным ученым”, чьи ошибки могут заметить не все специалисты.
Исследование Хсу появилось в журнале Physics Letters B. В нем рассматривается линейность эволюции в квантовой теории поля — ключевой вопрос в понимании квантовой механики и возможных ее расширений.
Для работы с ИИ Хсу применяет способ “Generate-Verify”. Одна модель предлагает идею, вторая проверяет ее. Это позволяет сократить типичные ошибки больших языковых моделей — от простых вычислительных оплошностей до глубоких смысловых промахов.
В проекте использовались GPT-5, Gemini 2.5-Pro и Qwen-Max (их Хсу считает особенно сильными в физике и математике). Для финальных проверок дополнительно подключались DeepSeek V3.1 и Grok-4. Хсу считает, что прохождение информации через несколько моделей заметно улучшает итоговое качество.
В сопроводительной статье о физике с поддержкой ИИ Хсу отмечает: контроль со стороны человека остается обязательным. “На данный момент участие эксперта в исследовательском процессе — это необходимость. Использование ИИ в передовой науке неэкспертами (даже аспирантами с хорошей подготовкой) почти наверняка приведет к большому количеству сложных, но ошибочных результатов,” — пишет Хсу.
Ученый видит потенциал как в предложенном методе, так и в генеративном ИИ в целом. Он советует делать проверки сложнее: задавать ИИ конкретные вопросы о достоверности предыдущих шагов и требовать ссылок на технические статьи.
Хсу ожидает, что совместные процессы с участием человека и ИИ станут стандартом в математике, физике и других точных науках. С развитием моделей они смогут генерировать гипотезы, проверять выкладки и готовить рукописи, которые проходят экспертную оценку.
“Если правильно выстроить этот процесс, нас ждет время ускоренных открытий, где человеческая интуиция и машинное мышление вместе продвигают науку,” — считает Хсу.
Крупные компании, такие как OpenAI, разрабатывают автоматизированные научные агенты. OpenAI планирует внедрить их к 2028 году. Помимо научных прорывов, компания видит экономическую выгоду: если такие системы будут открывать новое в медицине и других областях, это принесет пользу университетам, бизнесу и государствам.
Есть примеры ускорения научной работы с помощью ИИ. Математик Теренс Тао говорит, что ИИ помогает ему экономить время при проверках и генерации идей. Он считает языковые модели “посредственными, но полезными ассистентами, а не самостоятельными исследователями.”
Исследователь OpenAI Себастьен Бюбек рассказал: GPT-5 решила для него сложную математическую задачу, провела симуляцию, доказала решение и выдала полное доказательство. На это у Бюбека ушел бы месяц, GPT-5 справилась за один день. Он называет это “самым впечатляющим результатом LLM”, который видел.
