Teaduse ja matemaatika edendamine GPT‑5.2 abil

Üks meie lootusi tugeva tehisintellekti suhtes on, et see kiirendab teadusuuringuid kõigi hüvanguks, aidates teadlastel tutvuda rohkem ideid, testida neid kiiremini ja muuta avastused mõjukaks. 

Möödunud aasta jooksul oleme teinud tihedat koostööd teadlastega matemaatika, füüsika, bioloogia ja arvutiteaduse alal, et mõista, kus AI saab aidata – ja kus see veel jääb alla. Eelmisel kuul avaldasime artikli⁠, mis koondab varajasi juhtumiuuringuid matemaatika, füüsika, bioloogia, arvutiteaduse, astronoomia ja materjaliteaduse valdkonnas, kus GPT‑5 aitas teadlastel näidata, kuidas GPT‑5 on juba hakanud panustama tõelisse teadustöösse. GPT‑5.2 abil hakkame nägema, et need edusammud muutuvad üha järjepidevamaks ja usaldusväärsemaks.

GPT‑5.2 Pro ja GPT‑5.2 Thinking on meie seni tugevaimad mudelid teaduslikuks ja matemaatiliseks tööks.

Tugev matemaatiline arutlemine on usaldusväärsuse alus teaduslikus ja tehnilises töös. See lubab mudelitel järgida mitmeastmelist loogikat, hoida kogused järjepidevad ja vältida peeneid vigu, mis võivad tegelikes analüüsides kuhjuda – alates simulatsioonidest ja statistikast kuni prognoosimise ja modelleerimiseni. Parandused sellistel võrdlusalustel nagu FrontierMath ei kajasta kitsast oskust, vaid tugevamat üldist arutlemis- ja abstraktsioonivõimet, mis kanduvad otseselt teaduslikesse töövoogudesse, nagu kodeerimine, andmeanalüüs ja eksperimentaalne disain.

Need võimekused on samuti tihedalt seotud edusammudega üldintellekti suunas. Süsteem, mis suudab usaldusväärselt arutleda abstraktsiooni kaudu, säilitada järjepidevust pikkades mõttekettides ja üldistada üle domeenide, näitab omadusi, mis on AGI aluseks – mitte ülesandespetsiifilised trikid, vaid laiad, ülekantavad arutlemisoskused, mis on olulised teaduses, inseneriteaduses ja reaalse maailma otsuste tegemisel.

Usume, et GPT‑5.2 Pro ja GPT‑5.2 Thinking on maailma parimad mudelid teadlaste abistamiseks ja nende töö kiirendamiseks. GPQA Diamondil, kraadiõppe tasemel Google'i tõend Q&A võrdlusalusel, GPT‑5.2 Pro saavutab 93,2%, millele järgneb tihedalt GPT‑5.2. Thinking 92,4 protsendiga.

FrontierMath (Tier 1–3), ekspertide tasemel matemaatika hindamine, GPT‑5.2 Thinking saavutas uue tipptaseme, lahendades 40,3% probleemidest.

See tulemus viitab kasulikule suunale, kuidas tehisintellekti süsteemid saavad teadusuuringutele tugi olla, eriti domeenides, millel on aksiomaatilised teoreetilised alused, nagu matemaatika ja teoreetiline arvutiteadus. Sellistes seadetes võivad tipptasemel mudelid aidata tutvuda tõenditega, testida hüpoteese ja tuvastada seoseid, mille avastamine muidu nõuaks märkimisväärset inimlikku pingutust.

Samal ajal ei ole need süsteemid iseseisvad teadlased. Eksperthinnang, kinnitamine ja domeeni mõistmine on jätkuvalt olulised. Isegi väga võimekad mudelid võivad teha vigu või toetuda väljaütlemata oletustele. Kuid nad võivad ka koostada üksikasjalikke ja struktureeritud argumente, mis väärivad hoolikat inimlikku uurimist ja täiustamist. Usaldusväärse edasimineku saavutamine tehisintellektiga sõltub seega töövoogudest, mis hoiavad valideerimise, läbipaistvuse ja koostöö kindlalt protsessis.

Vaadeldes seda juhtumiuuringuna, illustreerib see tulemus uut teadustöö praktika viisi. Mudelid nagu GPT‑5.2 võivad olla tööriistad matemaatilise arutluse toetamiseks ja varajase uurimise kiirendamiseks, samas kui vastutus õigsuse, tõlgendamise ja konteksti eest jääb inimuurijatele. Kui neid hoolikalt kasutada, võivad sellised süsteemid aidata sujuvamaks muuta teoreetilise töö olulisi aspekte, ilma et need asendaksid inimeste otsustusvõime keskset rolli teaduslikus uurimistöös.