GPT‑5 ашиглан шинжлэх ухааныг хурдасгах эхний туршилтууд

Шинжлэх ухаан нь хүний эрүүл мэндээс эрчим хүчний үйлдвэрлэл хүртэл, үндэсний аюулгүй байдлаас орчлон ертөнцийн талаарх ойлголт хүртэл бүхнийг тодорхойлдог. Хэрэв AI шинжлэх ухааныг хурдасгаж чадвал—шинэ санаа гаргах, эсвэл санааг туршигдсан үр дүн болгоход шаардагдах хугацааг богиносговол—үүний ашиг тус нийгэм даяар хуримтлагдана.

Гэвч инновацын хурд хязгаар болсоор байна. Зөв санаа байсан ч түүнийг бүтээгдэхүүн эсвэл эмчилгээ болгоход олон жил шаардагдаж болно. саяхны судалгаанд⁠(шинэ цонхонд нээгдэнэ) АНУ-ын хүмүүсийн 60 хувь шинжлэх ухаан, анагаахын нээлтүүд өөрсдөд нь хэт удаан хүрдэг гэж хариулсан; 73 хувь нь нээлтийг хурдасгах илүү сайн арга хэрэгтэй гэж үзсэн; 69 хувь нь шинжлэх ухааны манлайллыг үндэсний тэргүүлэх зорилт гэж тодорхойлсон.

Өнөөдөр бид Vanderbilt, UC Berkeley, Columbia, Oxford, Cambridge, Lawrence Livermore National Laboratory, The Jackson Laboratory зэрэг их сургууль болон үндэсний лабораторийн хамтрагчидтай хамтран бичсэн “GPT‑5 ашиглан шинжлэх ухааныг хурдасгах эхний туршилтууд⁠(шинэ цонхонд нээгдэнэ)” нэртэй өгүүллийг танилцуулж байна. Энэ нь математик, физик, биологи, компьютерын шинжлэх ухаан, одон орон, материал судлалын эхний кейсүүдийг нэгтгэсэн бөгөөд тэдгээрт GPT‑5 судлаачдад мэдэгдэж байсан үр дүнг шинэ маягаар нэгтгэх, хүчирхэг ном зүйн тойм хийх, хүнд тооцооллыг түргэсгэх, цаашлаад шийдэгдээгүй өгүүлбэрүүдийн шинэ баталгаа гаргахад хүртэл тусалсан. Мөн уг өгүүлэл хязгаарлалтуудыг ч баримтжуулсан. Бидний зорилго бол судалгааны орчинд эдгээр системүүд өнөөдөр юу хийж чаддаг, юу хийж чаддаггүйг хамтын нийгэмлэгт тодорхой харуулах явдал юм.

Эдгээр кейсүүд GPT‑5 мэргэжилтнүүдийн гарт шинжлэх ухааны нээлтийг хэрхэн хурдасгаж байгааг, мөн яагаад энэ хурдасгал чухал болохыг харуулж байна:

• Биологи: Анагаах ухааны доктор Дерья Унутмазын удирдсан нэг судалгаанд эрдэмтэд хүний дархлааны эсүүдэд гарсан ойлгомжгүй өөрчлөлтийг тайлбарлах гэж хэдэн сар зарцуулсан. GPT‑5 хэвлэгдээгүй нэг графикаас хамгийн магадлалтай механизмыг хэдхэн минутын дотор олж, үүнийг баталсан туршилтыг санал болгосон. Ийм хурд нь судлаачдад өвчнийг илүү хурдан ойлгож, илүү сайн эмчилгээ боловсруулахад тусалж чадна.
• Математик: Өөр нэг тохиолдолд судлаачид Мехтааб Сохни, Марк Селлке нар Пол Эрдөшийн анх дэвшүүлсэн, олон арван жилийн настай нэг нээлттэй асуудлыг шийдэхээр ажиллаж байв. Тэд сүүлийн алхам дээр гацсан байсан бөгөөд GPT‑5 нэгэн содон тоо хэв загварыг хэрхэн эвддэг тухай шинэ санаа гаргаж өгснөөр баталгааг дуусгахад нь тусалсан. Ийм төрлийн ахиц нь олон алгоритм, аюулгүй байдлын аргын түшиглэдэг математикийн суурийг бэхжүүлдэг.
• Алгоритм ба оновчлол: Судлаачид Себастьен Бюбек, Кристиан Кёстер нар робот техник болон чиглүүлэлтэд ашиглагддаг түгээмэл шийдвэр гаргах арга хүмүүсийн төсөөлдөг шиг найдвартай эсэхийг шалгаж байв. GPT‑5 уг арга алдаа гаргаж болдгийг харуулсан шинэ, ойлгомжтой жишээ олсон төдийгүй асуудлыг шийдэх хамгийн сайн аргыг тодорхойлоход ашиглагддаг математикийн салбар болох оновчлол дахь сонгодог нэг үр дүнг сайжруулсан. Ийм ахиц нь инженерүүдэд робот техник, чиглүүлэлт болон бодит хэрэглээн дэх бусад шийдвэр гаргах системийг илүү сайн ойлгоход тусалдаг.

OpenAI for Science-ийн зорилго бол шинжлэх ухааны нээлтийг хурдасгах явдал юм: судлаачдад илүү олон санааг турших, таамаглалуудыг хурдан шалгах, өөрөөр бол ихээхэн хугацаа шаардах ойлголтуудыг илрүүлэхэд туслах. Бид үүнийг хил хязгаар загваруудыг зөв хэрэгсэл, ажлын урсгал, хамтын ажиллагаатай хослуулснаар хийдэг.

Бид академи, үйлдвэрлэл, үндэсний лаборатори даяарх судлаачидтай нягт хамтран ажилладаг. Эдгээр хамтын ажиллагаа нь загварууд хаана хэрэгтэй, хаана бүтэлгүйтдэг, мөн тэдгээрийг шинжлэх ухааны үйл явцад—ном зүйн тоймоос баталгаа үүсгэх, загварчлал, симуляци, туршилтын дизайн хүртэл—хэрхэн нэгтгэхийг ойлгоход тусалдаг.

Манай хандлага хоёр харилцан нөхөх итгэл үнэмшлийг нэгтгэдэг. Симуляцийн хөдөлгүүр, уургийн өгөгдлийн сан, компьютер алгебрын систем зэрэг мэргэшсэн шинжлэх ухааны хэрэгслүүд нь үр ашиг, нарийвчлалын хувьд зайлшгүй чухал. Үүний зэрэгцээ суурь загваруудыг өргөтгөн томруулах нь шинэ сэтгэн бодох чадварыг нээсээр байна: салбар хооронд санаануудыг холбох, баталгааны ноорог гаргах, механизм санал болгох, том хэмжээний бүтээлүүдийг түлхүүр үгээр бус ойлголтын түвшинд чиглүүлэх гэх мэт. Мэргэшсэн хэрэгсэл байгаа газар бид тэдгээрийг ашиглахыг хүсдэг; ерөнхий сэтгэн бодох шаардлагатай газар бид үүнийг даах загваруудыг бүтээдэг. Энэ хоёр зам бие биеэ бэхжүүлдэг.

Хамгийн утга учиртай ахиц нь хүн-AI багуудаас гардаг. Эрдэмтэд чиглэлийг тогтоодог: тэд асуултаа тодорхойлж, аргаа сонгож, санааг шүүмжилж, үр дүнг баталгаажуулдаг. GPT‑5 өргөн хүрээ, хурд, олон чиглэлийг зэрэгцээ судлах чадвараар хувь нэмэр оруулдаг.

GPT‑5‑ыг үр дүнтэй ашиглах нь ур чадвар юм. Судлаачид асуултаа хэрхэн тавих, хэзээ эргэлзэж буцаан шалгах, асуудлыг алхам болгон хэрхэн задлах, юуг бие даан баталгаажуулах ёстойгоо сурдаг. Үр өгөөжтэй ажил нь ихэвчлэн харилцан яриа шиг харагддаг—судлаач ба загвар найдвар төрүүлэх чиглэл гарч ирэх эсвэл санааг орхих хүртэл давтан ажилладаг

Эдгээр эхний судалгаануудын хүрээнд GPT‑5 мэргэжилтнүүд ашиглах үед судалгааны ажлын урсгалын зарим хэсгийг богиносгож чаддаг бололтой. Энэ нь төслүүдийг дангаараа хэрэгжүүлдэггүй, шинжлэх ухааны асуудлыг автономоор шийддэггүй ч судалгааны хамрах хүрээг тэлж, судлаачдыг зөв үр дүн рүү илүү хурдан ойртоход тусалж чадна.

• Шинээр илэрч буй нэг чадвар бол ойлголтын түвшний ном зүйн хайлт юм. GPT‑5 санаануудын хоорондын илүү гүн холбоог таньж, хэл дамнасан болон хүрэхэд хэцүү эх сурвалжаас хамааралтай материалыг олж чаддаг. Судлаачид өмнө нь мэддэггүй байсан эшлэл, холбоос, диссертацуудыг олсон тухай мэдээлж байна.
• Математик болон онолын компьютерын шинжлэх ухаанд, бүтэц нь тодорхой, эргэх холбоо нь хурдан байдаг тул GPT‑5 онцгой тустай. Математикчид GPT‑5‑ыг ашиглан амьдрахуйц баталгааны тоймыг хэдхэн минутын дотор гаргасан бөгөөд ингэснээр эс тэгвээс өдөр, долоо хоног шаардах ажлыг өөрчилсөн. Физик болон тооцооллын салбарт загвар нь хялбарчлах хувиргалтууд санал болгох эсвэл өөр салбар дахь адил төстэй бүтцийг зааж өгч чадна.
• Биологи болон бусад туршилтад тулгуурласан шинжлэх ухаанд загвар нь механизмууд санал болгож, эдгээр таамаглалыг нойтон лабораторид баталгаажуулах туршилтуудыг зохиож чадна.

Бид загварууд зөвхөн байгаа мэдлэгийг хураангуйлдаг цэгээс аль хэдийн давсан. Одоо GPT‑5‑ын эхний хувь нэмрүүд мэргэжилтний хяналтын дор судлаачдад бодитойгоор тусалж чадна. Сайжралын хурд нь чадвар, хэрэгслүүд ахихын хэрээр илүү гүн хурдасгалын боломж байгааг харуулж байна.

Эдгээр кейсүүд нь GPT‑5 хаана ашиг тустай байсныг сонгон авсан жишээнүүд бөгөөд системтэй түүвэр биш, мөн бүтэлгүйтлийн бүх хэлбэрийг хамрахгүй. Мэргэжилтний хяналт зайлшгүй хэвээр байна. GPT‑5 заримдаа үнэмшилтэй мэт харагдах боловч зохиомол эшлэл, механизм, эсвэл баталгаа гаргаж болзошгүй; тулгуур бүтэц болон халаалтын асуудалд мэдрэмтгий байж болно; заримдаа салбарын нарийн онцлогуудыг алдаж магадгүй; мөн засахгүй бол үр ашиггүй сэтгэн бодох шугамыг дагаж болно. Эдгээр нь идэвхтэй судалгааны чиглэлүүд бөгөөд ирээдүйн системүүдийг улам боловсронгуй болгох явцдаа бид хамтрагчидтайгаа хамт эдгээр алдааг хэмжиж, бууруулахаар ажиллаж байна.

Нийлбэр дүнгээрээ эдгээр эхний судалгаанууд GPT‑5 шинжлэх ухааны ажлын шинэ төрлүүдэд тусалж эхэлж байгааг харуулж байна. Загвар автоном биш ч мэргэжилтний гарт теорем батлах, бүтцийг дахин нээж өргөтгөх, салбар хоорондын холбоосыг илрүүлэх, мөн эрдэмтэд баталгаажуулах механизм ба туршилт гаргахад тусалж чадна.

Мөн илүү их хугацаа, тооцоололтойгоор эдгээр системүүд сайжрах чиг хандлагыг бид харж байна. Хэрэв GPT‑5 20 минутын дотор зарим судалгааны асуултад утга учиртайгаар тусалж чаддаг бол загварууд нэг асуудал дээр хэдэн цаг, хэдэн өдрөөр сэтгэн бодож чаддаг болох үед илүү гүн үр дүн гарна гэж бид хүлээж байна. Дэлхийн хэмжээний эрдэмтэдтэй хослоход энэ нь цаг хугацааны явцад шинжлэх ухааны бүтээмж үсрэнгүй өөрчлөгдөх боломжийг зааж байна.