Naš novi blog o nauci
Pokrećemo naučni blog kompanije OpenAI kako bismo naučnicima i akademskim istraživačima pružili prostor da podijele šta otkrivaju uz pomoć AI-ja i kako rade na tome. Naša misija je osigurati da AGI koristi cijelom čovječanstvu, a ubrzavanje naučnih otkrića jedan je od načina na koje možemo najviše doprinijeti tom cilju.
Objavljivat ćemo radove iz širokog spektra naučnih disciplina, uključujući:
Istraživanja i otkrića: Nove naučne rezultate i novosti o tekućim istraživanjima kompanije OpenAI, naših saradnika i šire naučne zajednice.
Metode i praktične smjernice: Primjere kako naučnici koriste naše modele za zadatke kao što su naučno računarstvo, analiza podataka, istraživanje literature i planiranje eksperimenata. Dijelit ćemo pristupe koje drugi mogu prilagoditi svojim potrebama, uključujući načine provjere rada i ograničenja pojedinih metoda.
Poglede naučne zajednice: Iskustva iz prve ruke istraživača koji koriste AI, ono što uče i kako te mogućnosti utječu na njihove discipline. Razmatrat ćemo i otvorena pitanja o naučnoj praksi te o tome kako ove alate učiniti korisnim većem broju ljudi.
Nauka proširuje naše razumijevanje svijeta i omogućava napredak, od boljih lijekova do novih izvora energije. Mnogi od tih pomaka počinju temeljnim pitanjima čiji praktični značaj postaje jasan tek godinama kasnije.
Posljednjih mjeseci vidimo da se naši modeli mogu baviti sve širim spektrom naučnih problema. U septembru je interni sistem kompanije OpenAI izradio dokaz koji se bavi problemom postojanja i glatkoće rješenja Navier–Stokesovih jednačina, dugogodišnjim pitanjem o jednačinama koje opisuju kretanje fluida. Početkom oktobra objavili smo širok spektar matematičkih rezultata. Među njima je bio rezultat o kvazi-Riemannovoj hipotezi(otvara se u novom prozoru) koji daje strožu granicu greške u klasičnoj formuli za procjenu koliko prostih brojeva ima ispod zadatog broja. Kasnije tog mjeseca podijelili smo rezultate iz matematike, računarstva i fizike koji se odnose na koncentraciju talasa, granice efikasnog računanja i matematičke osnove teorije kvantnih polja s interakcijama.
U biologiji istraživači koriste AI za analizu složenih skupova podataka, povezivanje nalaza iz različitih oblasti i razvijanje novih hipoteza za testiranje u laboratoriji. U okviru saradnje s organizacijama PerturbAI i Scripps Research, hiljade agenata koje pokreće GPT‑Rosalind analizirale su postojeće eksperimentalne podatke iz miliona ćelija mišjeg mozga za 32 minute. Povezivanjem učinaka poremećaja funkcije gena s naučnom literaturom, ti agenti su identificirali moguće biološke mehanizme koje naučnici mogu testirati. Istraživači razvijaju i vlastite pristupe: tim Césara de la Fuentea koristi ChatGPT i Codex za izradu algoritama koji identificiraju molekule s potencijalnim antibiotskim djelovanjem, a koje zatim proizvode i testiraju u laboratoriji.
Ove sposobnosti donose nove mogućnosti i promjene u naučnoj praksi. U matematici sistemi koji generiraju dokaze otvaraju pitanja o tome kako se novi argumenti provjeravaju, objašnjavaju i uključuju u postojeći korpus znanja. U eksperimentalnim naukama istraživanje većeg broja hipoteza stvara prilike, ali i izazove pri odlučivanju koje eksperimente provesti. Istraživači u različitim disciplinama razmatraju šta ovi alati znače za obuku, priznavanje doprinosa i vještine potrebne za njihov rad. Posljedice će se razlikovati od oblasti do oblasti, a naučne zajednice trebaju učestvovati u oblikovanju načina upotrebe ovih alata.
Nadamo se da će ovaj blog pomoći većem broju ljudi da razumiju kako AI mijenja nauku i kako ga mogu koristiti za istraživanje novih pitanja i vlastita otkrića.
- 2026


