Primers experiments per accelerar la ciència amb GPT‑5

La ciència modela des de la salut humana fins a la producció d’energia, des de la seguretat nacional fins a la nostra comprensió de l’univers. Si la IA pot accelerar la ciència —escurçant el temps necessari per generar idees noves o per passar d’una idea a un resultat provat—, els beneficis es multipliquen a tota la societat.

Però el ritme de la innovació continua sent una limitació. Fins i tot quan existeix la idea adequada, convertir-la en un producte o un tractament pot trigar anys. En una enquesta recent⁠(s'obre en una finestra nova), el 60 per cent de la població dels EUA va dir que els avenços científics i mèdics els arriben massa lentament; el 73 per cent va dir que necessitem millors maneres d’accelerar els descobriments; i el 69 per cent va identificar el lideratge científic com una prioritat nacional de primer ordre.

Avui publiquem «Early science acceleration experiments with GPT‑5⁠(s'obre en una finestra nova)», un article coescrit amb col·laboradors d’universitats i laboratoris nacionals com Vanderbilt, UC Berkeley, Columbia, Oxford, Cambridge, Lawrence Livermore National Laboratory i The Jackson Laboratory. Recull primers estudis de cas en matemàtiques, física, biologia, informàtica, astronomia i ciència dels materials en què GPT‑5 va ajudar investigadors a sintetitzar resultats coneguts d’una manera nova, fer revisions bibliogràfiques potents, accelerar càlculs difícils i fins i tot generar noves demostracions de proposicions no resoltes. L’article també documenta limitacions. El nostre objectiu és oferir a la comunitat una visió clara del que aquests sistemes poden i no poden fer avui en entorns de recerca.

Aquests estudis de cas mostren com, en mans d’experts, GPT‑5 està accelerant el descobriment científic i per què aquesta acceleració és important:

• Biologia: En un estudi dirigit per Derya Unutmaz, M.D., els científics van passar mesos intentant explicar un canvi desconcertant en cèl·lules immunitàries humanes. GPT‑5 va identificar el mecanisme probable en qüestió de minuts a partir d’un gràfic no publicat i va suggerir un experiment que ho va demostrar. Aquest tipus de velocitat podria ajudar els investigadors a entendre més ràpidament les malalties i a desenvolupar millors tractaments.
• Matemàtiques: En un altre cas, els investigadors Mehtaab Sawhney i Mark Sellke afrontaven un problema obert de dècades proposat originalment per Paul Erdős. Estaven encallats en el pas final, i GPT‑5 va aportar una idea nova sobre com un nombre estrany trenca el patró, cosa que els va ajudar a completar la demostració. Avenços com aquest reforcen els fonaments matemàtics dels quals depenen, en última instància, molts algorismes i tècniques de seguretat.
• Algorismes i optimització: Els investigadors Sébastien Bubeck i Christian Coester estaven comprovant si un mètode habitual de presa de decisions emprat en robòtica i encaminament era tan fiable com se suposava. GPT‑5 va trobar un exemple nou i clar que mostrava que el mètode pot fallar, i també va millorar un resultat clàssic d’optimització, les matemàtiques que serveixen per trobar la millor manera de resoldre un problema. Aquest tipus d’avenç ajuda els enginyers a entendre millor els sistemes de presa de decisions utilitzats en robòtica, encaminament i altres aplicacions del món real.

La missió d’OpenAI for Science és accelerar el descobriment científic: ajudar els investigadors a explorar més idees, posar a prova hipòtesis més ràpidament i descobrir intuïcions que, altrament, requeririen molt de temps. Ho fem combinant models d’avantguarda amb les eines, els fluxos de treball i les col·laboracions adequats.

Treballem estretament amb investigadors de l’àmbit acadèmic, de la indústria i de laboratoris nacionals. Aquestes col·laboracions ens ajuden a entendre on els models són útils, on fallen i com integrar-los en el procés científic, des de la revisió bibliogràfica i la generació de demostracions fins al modelatge, la simulació i el disseny experimental.

El nostre enfocament combina dues conviccions complementàries. Les eines científiques especialitzades, com ara motors de simulació, bases de dades de proteïnes i sistemes d’àlgebra computacional, són essencials per a l’eficiència i la precisió. Al mateix temps, l’escalat dels models fundacionals continua desbloquejant noves capacitats de raonament: connectar idees entre camps, esbossar demostracions, proposar mecanismes i orientar-se en grans cossos bibliogràfics de manera conceptual més que no pas per paraules clau. Quan existeixen eines especialitzades, volem fer-les servir; quan cal raonament general, construïm models dissenyats per assumir-lo. Tots dos camins es reforcen mútuament.

Els avenços més significatius provenen dels equips humans-IA. Els científics marquen l’agenda: defineixen les preguntes, trien els mètodes, critiquen les idees i validen els resultats. GPT‑5 hi aporta amplitud, velocitat i la capacitat d’explorar moltes direccions en paral·lel.

Fer servir GPT‑5 de manera eficaç és una habilitat. Els investigadors aprenen com formular preguntes, quan qüestionar-ne les respostes, com descompondre els problemes en passos i què cal validar de manera independent. El treball productiu sovint adopta la forma d’un diàleg: investigador i model iterant fins que apareix una direcció prometedora o bé la idea es descarta

En conjunt, aquests primers estudis suggereixen que GPT‑5 pot escurçar parts del flux de treball de recerca quan l’empren experts. No dirigeix projectes ni resol problemes científics de manera autònoma, però pot ampliar l’espai d’exploració i ajudar els investigadors a avançar més ràpidament cap a resultats correctes.

• Una capacitat emergent és la cerca bibliogràfica conceptual. GPT‑5 sovint pot identificar relacions més profundes entre idees i recuperar materials rellevants en diverses llengües i de fonts menys accessibles. Els investigadors expliquen que han trobat referències, connexions i tesis que abans no coneixien.
• En matemàtiques i informàtica teòrica, on l’estructura és explícita i els bucles de retroalimentació són ràpids, GPT‑5 és especialment útil. Matemàtics han fet servir GPT‑5 per generar en minuts esquemes de demostració viables, transformant una feina que, d’altra manera, potser hauria trigat dies o setmanes. En física i en àmbits computacionals, el model pot proposar transformacions simplificadores o assenyalar estructures anàlogues en altres camps.
• En biologia i altres ciències empíriques, el model pot proposar mecanismes i dissenyar experiments per validar aquestes hipòtesis al laboratori humit.

Hem superat el punt en què els models només resumien coneixement existent. Ara, les primeres contribucions de GPT‑5 poden ajudar de manera significativa els investigadors sota supervisió experta. El ritme de millora suggereix un potencial d’acceleració més profund a mesura que avancin les capacitats i les eines.

Aquests estudis de cas són il·lustracions seleccionades d’on GPT‑5 ha estat útil; no són una mostra sistemàtica i no capten tot el ventall de modes de fallada. La supervisió experta continua sent essencial. GPT‑5 de vegades pot al·lucinar cites, mecanismes o demostracions que semblen plausibles; pot ser sensible a l’estructuració i als problemes d’escalfament; de vegades passa per alt subtileses específiques del domini; i pot seguir línies de raonament poc productives si no se’l corregeix. Aquests són àmbits actius de recerca, i estem treballant amb col·laboradors per mesurar i mitigar aquestes fallades mentre refinem sistemes futurs.

En conjunt, aquests primers estudis mostren que GPT‑5 comença a ajudar en nous tipus de treball científic. El model no és autònom, però en mans expertes pot ajudar a demostrar teoremes, redescobrir i ampliar estructures, fer aflorar connexions entre camps i generar mecanismes i experiments perquè els científics els validin.

També veiem una trajectòria en què aquests sistemes milloren amb més temps i més càlcul. Si GPT‑5 pot ajudar de manera significativa amb algunes preguntes de recerca en 20 minuts, esperem resultats més profunds quan els models puguin dedicar hores o dies a raonar sobre un problema. Combinat amb científics de primer nivell mundial, això apunta cap a la possibilitat d’un salt qualitatiu en la productivitat científica amb el temps.