Кевин Вайл, глава научного подразделения OpenAI, считает, что GPT-5 уже делает исследователей заметно продуктивнее. В интервью MIT Technology Review он отмечает: “Эти модели уже не просто лучше 90% аспирантов. Они действительно на передовой человеческих возможностей.”
Одним из примеров этого скачка он называет тест GPQA, проверяющий знания на уровне кандидата наук по биологии, физике и химии: GPT-4 набрала 39% против 70% у специалистов, а GPT-5.2 в декабре — уже 92%, по данным OpenAI.
Вайл прогнозирует переломный момент: “2026-й будет для науки тем, чем 2025-й стал для программирования”. По его словам, если в начале 2025 года ИИ для написания кода используют только энтузиасты, то через год отсутствие ИИ в работе — признак отставания. “Думаю, через год ученые без активного ИИ ощутимо потеряют в скорости и качестве работы.”
OpenAI ставит целью создать автономного исследовательского агента к 2028 году. Ранее Вайл руководил продуктами OpenAI, а до этого работал в Instagram и Twitter. Сейчас, руководя научным направлением, он опирается на опыт и физическое образование.
Сильной стороной новой модели он считает умение находить неожиданные связи. “GPT-5.2 прочитала почти все статьи за последние 30 лет. Она понимает не только узкую специализацию, но и может проводить аналогии из других, иногда далеких областей.”
Вайл отмечает: “Вы можете найти коллегу из смежной области, но почти невозможно найти тысячу разных экспертов для тысячи возможных направлений.” При этом ИИ работает ночью, способен параллельно обрабатывать множество задач — “что сложно ждать от человека.”
В ноябре OpenAI опубликовала кейсы ученых, уже использующих GPT-5 в исследованиях. Большинство этих специалистов сами обратились в компанию, подчёркивает Вайл.
Но не обошлось без чрезмерного оптимизма: осенью OpenAI ошибочно объявила о решении ИИ ранее нерешённых математических задач. Математики быстро заметили, что речь шла о найденных ИИ старых решениях — посты были стёрты. Теперь подход стал осторожнее.
Вайл уверен, даже нахождение забытых ответов ускоряет науку: “Мы стоим на плечах гигантов. Если LLM могут собрать и сохранить накопленные знания, чтобы мы не тратили время на уже решенные задачи — это уже ускорение прогресса.”
Он не ждет настоящего научного прорыва от ИИ в ближайшие годы: “Я не думаю, что модели пока на этом уровне. Может, они к нему придут. Я оптимист. Но наша задача — ускорять науку, а не создавать второй эффект Эйнштейна.”
Известный математик Теренс Тао подтверждает: ИИ становятся полезнее для математики, и сообщает, что GPT-5.2 Pro сумел “почти самостоятельно” решить так называемую задачу Эрдёша. Тао отмечает, что только 1–2% открытых задач достаточно просты, чтобы их решил современный ИИ с минимальной помощью человека. Чем сложнее проблема, тем больше нужна помощь ученого.
Вопросы ошибок (“галлюцинаций”) остаются. При этом, как говорит Вайл, в науке такое допустимо: “Когда я обсуждаю идеи с коллегой, мы ошибаемся 90% времени — это и есть смысл обсуждения: перебираем варианты.” GPT-5 стоит воспринимать не как оракул, а как собеседника. Компания учит модель больше сомневаться: “Вместо ‘Вот ответ’, модель должна говорить: ‘Вот вариант для размышлений’.”
“Мы тратим немало времени на то, чтобы привить модели скромность. Пока рано говорить, будет ли это на практике,” — говорит Вайл. Еще один подход — чтобы модель могла сама себя проверять и находить свои ошибки: “Модель может выступать собственным критиком.”
*Meta — запрещенная в РФ организация.
