I primi esperimenti per l'accelerazione scientifica con GPT‑5

La scienza modella tutto, dalla salute umana alla produzione di energia, dalla sicurezza nazionale alla nostra comprensione dell'universo. Se l'IA può accelerare la scienza, riducendo il tempo necessario per generare nuove idee o passare da un'idea a un risultato testato, i benefici si amplificano e si propagano in tutta la società.

Tuttavia, il ritmo dell'innovazione continua a essere un limite. Anche quando l'idea è giusta, trasformarla in un prodotto o in un trattamento può richiedere anni. In un recente sondaggio⁠(si apre in una nuova finestra), il 60% degli intervistati negli Stati Uniti ha dichiarato che le scoperte scientifiche e mediche arrivano troppo lentamente; il 73% ritiene che servono soluzioni migliori per accelerare le scoperte; e il 69% riconosce la leadership scientifica come priorità nazionale assoluta.

Oggi pubblichiamo “Primi esperimenti per l'accelerazione scientifica con GPT‑5⁠(si apre in una nuova finestra)”, un articolo realizzato con collaboratori di università e laboratori nazionali tra cui Vanderbilt, UC Berkeley, Columbia, Oxford, Cambridge, Lawrence Livermore National Laboratory e The Jackson Laboratory. Raccoglie i primi casi di studio in matematica, fisica, biologia, informatica, astronomia e scienza dei materiali in cui GPT‑5 ha aiutato i ricercatori a sintetizzare risultati noti in modo innovativo, condurre una rassegna bibliografica approfondita, accelerare calcoli complessi e persino generare nuove dimostrazioni per proposizioni ancora non risolte. Il documento riporta anche le limitazioni. Il nostro obiettivo è dare alla comunità una visione chiara di ciò che questi sistemi possono e non possono fare attualmente nei contesti di ricerca.

Questi casi di studio dimostrano come, nelle mani degli esperti, GPT‑5 stia accelerando la scoperta scientifica e perché tale accelerazione sia significativa:

• Biologia: in uno studio guidato da Derya Unutmaz, M.D., gli scienziati hanno trascorso mesi cercando di spiegare un cambiamento sconcertante nelle cellule immunitarie umane. GPT‑5 ha individuato il probabile meccanismo in pochi minuti da un grafico non pubblicato e ha suggerito un esperimento che lo ha confermato. Questo tipo di velocità potrebbe aiutare i ricercatori a comprendere le malattie più rapidamente e sviluppare trattamenti migliori.
• Matematica: in un altro caso, i ricercatori Mehtaab Sawhney e Mark Sellke stavano lavorando a un problema aperto vecchio di decenni, originariamente proposto da Paul Erdős. Erano bloccati sull'ultimo passo e GPT‑5 ha contribuito con una nuova idea su come un numero dispari interrompa il modello, aiutandoli a completare la dimostrazione. Progressi come questi rafforzano le fondamenta matematiche su cui si basano molti algoritmi e tecniche di sicurezza.
• Algoritmi e ottimizzazione: i ricercatori Sébastien Bubeck e Christian Coester stavano verificando se un metodo decisionale comune utilizzato nella robotica e nel routing fosse affidabile come si pensava. GPT‑5 ha trovato un nuovo, chiaro esempio che dimostra come il metodo possa fallire e ha anche migliorato un risultato classico nell'ottimizzazione, utilizzando la matematica per individuare il modo migliore per risolvere un problema. Questo tipo di progresso aiuta gli ingegneri a comprendere meglio i sistemi decisionali utilizzati nella robotica, nell'instradamento e in altre applicazioni del mondo reale.

La missione di OpenAI for Science è accelerare la scoperta scientifica: aiutare i ricercatori a esplorare più idee, testare ipotesi più rapidamente e scoprire intuizioni che altrimenti richiederebbero molto tempo. Lo facciamo abbinando modelli di frontiera agli strumenti, ai flussi di lavoro e alle collaborazioni giuste.

Lavoriamo a stretto contatto con ricercatori del mondo accademico, dell'industria e dei laboratori nazionali. Queste collaborazioni ci aiutano a comprendere dove i modelli sono utili, dove falliscono e come integrarli nel processo scientifico, dalla ricerca bibliografica alla generazione di prove, fino alla modellazione, alla simulazione e alla progettazione sperimentale.

Il nostro approccio combina due convinzioni complementari. Strumenti scientifici specializzati, come i motori di simulazione, i database di proteine e i sistemi di algebra computazionale, sono essenziali per l'efficienza e la precisione. Allo stesso tempo, l'espansione dei modelli di base continua a fornire nuove capacità di ragionamento: collegare idee tra diversi campi, abbozzare dimostrazioni, proporre meccanismi e orientarsi in ampie bibliografie in modo concettuale piuttosto che per parole chiave. Dove esistono strumenti specializzati, vogliamo usarli; dove è richiesto un ragionamento generale, costruiamo modelli progettati per gestirlo. Entrambi i percorsi si rafforzano reciprocamente.

I progressi più significativi provengono dai team composti da esseri umani e intelligenza artificiale. Gli scienziati stabiliscono l'agenda: definiscono le domande, scelgono i metodi, criticano le idee e convalidano i risultati. GPT‑5 offre ampiezza, velocità e la capacità di esplorare molte direzioni in parallelo.

Utilizzare GPT‑5 in modo efficace è un talento. I ricercatori imparano a porre domande, a sapere quando opporsi, a suddividere i problemi in fasi e a convalidare in modo indipendente. Il lavoro produttivo spesso assomiglia a un dialogo: il ricercatore e il modello continuano il proprio scambio fino a quando non emerge una direzione promettente o l'idea viene scartata.

In questi studi iniziali, quando viene impiegato da esperti, GPT‑5 sembra in grado di velocizzare parti del flusso di lavoro della ricerca. Non gestisce progetti né risolve problemi scientifici autonomamente, ma può ampliare la superficie di esplorazione e aiutare i ricercatori a muoversi più rapidamente verso risultati corretti.

• Una capacità emergente è la ricerca bibliografica concettuale. GPT‑5 è spesso in grado di individuare relazioni più profonde tra le idee e di recuperare materiale pertinente tra le lingue e le fonti meno accessibili. I ricercatori raccontano di aver trovato riferimenti, collegamenti e tesi che non conoscevano in precedenza.
• GPT‑5 è particolarmente utile in matematica e informatica teorica, dove la struttura è esplicita e i cicli di feedback sono rapidi. I matematici hanno usato GPT‑5 per generare schemi di dimostrazione validi in pochi minuti, trasformando un lavoro che altrimenti avrebbe potuto richiedere giorni o settimane. Nei domini della fisica e della computazione, il modello può proporre trasformazioni semplificative o indicare strutture analoghe in altri settori.
• In biologia e in altre scienze empiriche, il modello può proporre meccanismi e progettare esperimenti per convalidare queste ipotesi nel laboratorio sperimentale.

Siamo oltre il punto in cui i modelli si limitano a riassumere le informazioni esistenti. Ora, i primi contributi di GPT‑5 possono supportare in modo significativo i ricercatori sotto la supervisione di esperti. Il ritmo del miglioramento suggerisce il potenziale per un'accelerazione più profonda con il progressivo avanzamento di capacità e strumenti.

Questi casi di studio sono illustrazioni curate di occasioni in cui GPT‑5 si è rivelato utile; non sono un campione sistematico e non comprendono l'intera gamma di modalità di fallimento. La supervisione degli esperti rimane essenziale. Talvolta GPT‑5 può inventare citazioni, meccanismi o dimostrazioni che sembrano plausibili, può essere sensibile ai problemi di struttura e riscaldamento, a volte non coglie le sottigliezze specifiche del dominio e, se non corretto, può seguire linee di ragionamento improduttive. Queste sono aree di ricerca attive stiamo lavorando con i nostri collaboratori per misurare e mitigare questi errori mentre perfezioniamo i sistemi futuri.

Nel complesso, questi primi studi mostrano che GPT‑5 sta iniziando a dimostrarsi utile con nuovi tipi di lavoro scientifico. Il modello non è autonomo, ma in mani esperte può aiutare a dimostrare teoremi, riscoprire ed estendere strutture, far emergere collegamenti tra campi diversi e generare meccanismi ed esperimenti che gli scienziati possano convalidare.

Inoltre emerge una traiettoria secondo cui questi sistemi tendono a migliorare man mano che aumentano il tempo e le risorse di calcolo Se GPT‑5 può fornire un aiuto significativo per alcune domande di ricerca in 20 minuti, ci aspettiamo risultati ancora più approfonditi quando i modelli possono dedicare ore o giorni a ragionare su un problema. Con la partecipazione di scienziati di fama mondiale, questo apre la strada alla possibilità di un cambiamento radicale nella produttività scientifica nel corso del tempo.