OpenAI опубликовала серию кейсов о том, как исследователи используют GPT-5 в научной работе. В отчете показано, где модель помогает, а где ученые по-прежнему полностью зависят от собственных решений.
Согласно документу, математики применяют GPT-5 для проверки доказательств, физики — для анализа симметрий, иммунологи используют ее для уточнения гипотез и проектирования экспериментов. Авторы отмечают: несмотря на пользу, главные идеи все еще принадлежат людям. Модель предлагает материалы — наброски доказательств, эксперименты, гипотезы, но проблему ставит и стратегию выбирает человек.
Один из исследователей OpenAI, Ноам Браун, на X раскритиковал мнение, что генеративные ИИ просто копируют интернет: «Модели вроде GPT-5 охватывают весь спектр человеческих текстов, а обучение с подкреплением может продвинуть их дальше». Браун сравнил ситуацию с AlphaGo, который сначала учился на партиях людей, а затем с помощью обучения с подкреплением совершил ход, который считали ошибкой, а позже – прорывом. Но Браун подчеркивает: наука «гораздо сложнее игр», ИИ пока не превзошел ученых, однако уже реально помогает им. Он считает, что наука может получить свой «ход 37» — открытие, сначала кажущееся ошибочным, но оказавшееся ценной находкой.
Сам отчет подтверждает, что модель хорошо дополняет людей, но научных прорывов не демонстрирует. Вклад GPT-5 называют сдержанным и указывают на ограничения.
GPT-5 особенно полезна в поиске специализированной научной литературы, которую сложно найти из-за устаревших терминов или редких публикаций. Исследователи Ашвин Сауни и Марк Селлке использовали модель для повторного открытия давно забытых решений по задачам Эрреша, которые не находились традиционными поисковиками.
В работе алгоритма исследователи отмечают ясное преимущество перед обычным поиском по ключевым словам. Однако критики OpenAI заявляют, что ценность самого подхода была переоценена в публикациях.
Как ассистент по доказательствам GPT-5 помогает с рутинными задачами: упростить неравенства, подправить доводы, доказать вспомогательные утверждения. Математик Тимоти Гауэрс отмечает: “Модель за секунды выдает доказательства задач, которые я сам бы решал часами”.
В сфере биологии GPT-5 может создавать механистические гипотезы и предлагать эксперименты. Но часть решений опиралась на уже опубликованные препринты, которые могли быть в обучении модели. Поэтому отделить синтез от подлинного новшества трудно.
Иногда GPT-5 выступала в роли критика конструкций: указывала, почему схема может не сработать. Аргументы не всегда были точны, модель исправлялась только по замечаниям, но такие дискуссии помогали находить ошибки.
Также GPT-5 помогает с кодом и симуляциями. Физики и инженеры быстро создавали прототипы решателей, алгоритмы оптимизации и визуализации. Человек формулировал задачу, GPT-5 реализовывала и подбирала конфигурацию. Но результаты нужно было обязательно вручную проверять — модель часто выдавала код, который выглядел правдоподобно, но работал неверно.
В разных науках повторяются одни и те же проблемы:
- Неясность происхождения идей и новизны. В одном примере модель вывела известное ограничение, но не сослалась на оригинал и выдала результат за новый.
- Преувеличение частичных решений. Итоговые доказательства оказывались неверными из-за пропущенных условий или некорректных ссылок на теоремы.
- Больше кейсов — в формальных науках. Математика, физика, алгоритмы используют формальный язык и архивы работ, а вот эмпирические науки представлены мало.
В отчете говорится, что внутри OpenAI уже тестируются модели, способные рассуждать часами. Один из внутренних алгоритмов показал лучший результат в задаче оптимизации, тогда как GPT-5 Pro с доступом только к 20 минутам вычислений решил ее хуже. Деталей о новых моделях нет, но общая тенденция такова: больше вычислений — лучше решения.
Этот факт дополняет слова Брауна об AlphaGo: OpenAI уже работает с гораздо более продвинутыми системами, чем открытая версия GPT-5 Pro. Смогут ли они однажды совершить настоящий прорыв — пока неизвестно.
