Pagsulong sa agham at matematika gamit ang GPT‑5.2

Isa sa mga hangarin namin para sa malakas na AI ay ang mapabilis nito ang pananaliksik sa siyensiya para sa kapakinabangan ng lahat, na tumutulong sa mga mananaliksik na galugarin ang mas marami pang ideya, mas mabilis na masubukan ang mga ito, at gawing epekto ang mga natuklasan. 

Sa nakaraang taon, malapit kaming nakipagtulungan sa mga siyentipiko sa larangan ng matematika, pisika, biyolohiya, at computer science para maunawaan kung saan makakatulong ang AI—at kung saan pa ito nagkukulang. Noong nakaraang buwan, nag-publish kami ng paper⁠ na naglalaman ng maaagang case study sa matematika, pisika, biyolohiya, computer science, astronomiya, at agham ng materyales kung saan ang GPT‑5 ay tumulong sa mga mananaliksik na ipakita kung paanong nagsimula nang mag-ambag ang GPT‑5 sa aktwal na gawaing siyentipiko. Sa GPT‑5.2, nagsisimula na nating makitang maging mas consistent at mas maaasahan ang mga pag-unlad na iyon.

Ang GPT‑5.2 Pro at GPT‑5.2 Thinking ang pinakamalakas naming modelo para sa gawaing pang-agham at matematika.

Ang malakas na reasoning sa matematika ay pundasyon ng pagiging maaasahan sa gawaing pang-agham at teknikal. Ine-enable nito ang mga modelo na sumunod sa lohika na may maraming hakbang, panatilihin ang pagkakapare-pareho ng mga dami, at iwasan ang maliliit na pagkakamali na maaaring magpatong-patong sa mga tunay na pagsusuri—mula sa mga simulation at istatistika hanggang sa forecasting at pagmomodelo. Ang mga pagpapahusay sa mga benchmark tulad ng FrontierMath ay hindi nagpapakita ng isang makitid na kasanayan, kundi mas malakas na pangkalahatang reasoning at abstraksyon, mga kakayahan na direktang nagagamit sa mga daloy ng trabaho sa agham tulad ng coding, pagsusuri sa data, at disenyo ng eksperimento.

Ang mga kakayahang ito ay malapit ding konektado sa pag-unlad tungo sa pangkalahatang katalinuhan. Ang isang sistema na maaasahang makapag-reason sa pamamagitan ng abstraksyon, mapanatili ang consistency sa mahabang kadena ng pag-iisip, at makapag-generalize sa iba't ibang domain ay nagpapakita ng mga katangian na pundasyon ng AGI—hindi mga pantiyak na gawain, kundi malawak, naililipat na mga skill sa pangangatwiran na mahalaga sa agham, inhinyeriya, at paggawa ng desisyon sa totoong mundo.

Naniniwala kami na ang GPT‑5.2 Pro at GPT‑5.2 Thinking ay siyang pinakamahusay na mga modelo sa mundo para sa pagtulong at pagpapabilis ng pagsulong ng mga siyentipiko. Sa GPQA Diamond, isang benchmark na antas-graduate na hindi kayang sagutin ng Google, ang GPT‑5.2 Pro ay nakakamit ng 93.2%, na malapit na sinusundan ng GPT‑5.2 Thinking sa 92.4%.

Sa FrontierMath (Tier 1–3), isang pagsusuri ng matematika sa antas ng eksperto, ang GPT‑5.2 Thinking ay nagtakda ng bagong antas ng sining, kung saan nalutas ang 40.3% ng mga problema.

Ang resulta na ito ay nagmumungkahi ng isang kapaki-pakinabang na direksyon kung paano makapagbibigay ng suporta ang mga AI system sa siyentipikong pananaliksik, lalo na sa mga domain na may mga aksiyomatikong teoretikal na pundasyon tulad ng matematika at teoretikal na computer science. Sa mga ganitong setting, ang mga frontier na modelo ay makakatulong na galugarin ang mga patunay, subukan ang mga hypothesis, at tukuyin ang mga koneksyon na maaaring mangailangan ng matinding human effort upang matuklasan.

Kasabay nito, ang mga sistemang ito ay hindi mga independiyenteng mananaliksik. Ang paghusga ng eksperto, beripikasyon, at pag-unawa sa domain ay nananatiling mahalaga. Kahit ang mga napakahusay na modelo ay puwedeng magkamali o umasa sa mga hindi nakasaad na pagpapalagay. Pero kaya rin nilang gumawa ng detalyado at maayos na mga argumento na karapat-dapat sa masusing pag-aaral at pagpapabuti ng tao. Kung gayon, ang paggawa ng maaasahang pag-unlad sa AI ay nakasalalay sa mga workflow kung saan mayroong pagpapatunay, transparency, at pakikipagtulungan.

Tinitingnan bilang isang case study, ang resultang ito ay naglalarawan ng isang umuusbong na mode ng pagsasanay sa pananaliksik. Ang mga modelo tulad ng GPT‑5.2 ay maaaring magsilbing mga kasangkapan para sa pagsuporta sa matematikal na pangangatwiran at pagpapabilis ng maagang yugto ng paggalugad, habang ang responsibilidad para sa katumpakan, interpretasyon, at konteksto ay nananatili sa mga taong mananaliksik. Kung maingat na gagamitin, ang mga ganitong sistema ay maaaring makatulong na mapadali ang mahahalagang aspeto ng teoretikal na gawain nang hindi pinapalitan ang sentral na tungkulin ng paghatol ng tao sa siyentipikong pagsisiyasat.