GPT‑5 सह विज्ञानाला गती देण्यासाठी प्रारंभिक प्रयोग

विज्ञान मानवी आरोग्यापासून ते ऊर्जा उत्पादनापर्यंत, राष्ट्रीय सुरक्षेपासून ते विश्वाच्या आपल्या समजुतीपर्यंत सर्व गोष्टींना आकार देते. जर एआय विज्ञानाला गती देऊ शकते - नवीन कल्पना उत्पन्न करण्यासाठी लागणारा वेळ कमी करणे किंवा कल्पनेपासून चाचणी केलेल्या निकालाकडे जाणे - तर त्याचे फायदे समाजभर वाढतील.

पण नवोपक्रमाची गती अजूनही एक मर्यादा आहे. योग्य कल्पना अस्तित्वात असली तरी, तिला उत्पादन किंवा उपचारामध्ये रूपांतरित होण्यासाठी अनेक वर्षे लागू शकतात. अलिकडच्या एका सर्वेक्षणात⁠(नवीन विंडोमध्ये उघडेल), अमेरिकेतील ६० टक्के लोकांनी म्हटले की वैज्ञानिक आणि वैद्यकीय प्रगती त्यांच्यापर्यंत खूप हळूहळू पोहोचतात; ७३ टक्के लोकांनी म्हटले की आपल्याला शोधांना गती देण्यासाठी चांगल्या मार्गांची आवश्यकता आहे; आणि ६९ टक्के लोकांनी वैज्ञानिक नेतृत्वाला सर्वोच्च राष्ट्रीय प्राधान्य म्हणून ओळखले.

आज, आम्ही “GPT‑5 सह प्रारंभिक विज्ञान प्रवेग प्रयोग⁠(नवीन विंडोमध्ये उघडेल)” प्रकाशित करत आहोत, हा पेपर विद्यापीठे आणि राष्ट्रीय प्रयोगशाळांमधील सहयोगींसह सह-लेखित आहे ज्यात व्हँडरबिल्ट, यूसी बर्कले, कोलंबिया, ऑक्सफर्ड, केंब्रिज, लॉरेन्स लिव्हरमोर राष्ट्रीय प्रयोगशाळा आणि द जॅक्सन प्रयोगशाळा यांचा समावेश आहे. हे गणित, भौतिकशास्त्र, जीवशास्त्र, संगणक विज्ञान, खगोलशास्त्र आणि पदार्थ विज्ञान या विषयांमधील सुरुवातीच्या केस स्टडीजचे संकलन करते ज्यामध्ये GPT‑5 ने संशोधकांना ज्ञात निकालांचे नवीन पद्धतीने संश्लेषण करण्यास, प्रभावी साहित्य पुनरावलोकन करण्यास, कठीण गणनांना गती देण्यास आणि न सोडवलेल्या प्रस्तावांचे नवीन पुरावे उत्पन्न करण्यास मदत केली. या पेपरमध्ये मर्यादांचे दस्तऐवज केले आहे. आमचे ध्येय म्हणजे आज संशोधन सेटिंग्जमध्ये या प्रणाली काय करू शकतात आणि काय करू शकत नाहीत याचे स्पष्ट दृश्य समुदायाला प्रदान करणे.

या केस स्टडीज दाखवतात की तज्ञांच्या हातात GPT‑5 वैज्ञानिक शोधांना कशी गती देत आहे आणि ती गती का महत्त्वाची आहे:

• जीवशास्त्र: डेरिया उनुतमाझ, एम.डी. यांच्या नेतृत्वाखालील एका अभ्यासात, शास्त्रज्ञांनी मानवी रोगप्रतिकारक पेशींमध्ये झालेल्या गोंधळात टाकणाऱ्या बदलाचे स्पष्टीकरण देण्यासाठी महिने घालवले. GPT‑5 ने एका अप्रकाशित चार्टमधून काही मिनिटांत संभाव्य यंत्रणा ओळखली आणि ती सिद्ध करणारा प्रयोग सुचवला. या प्रकारच्या गतीमुळे संशोधकांना रोग अधिक जलद समजून घेण्यास आणि अधिक चांगले उपचार विकसित करण्यास मदत होऊ शकते.
• गणित: दुसऱ्या एका प्रकरणात, संशोधक मेहताब साहनी आणि मार्क सेलके पॉल एर्डोस यांनी मूळतः मांडलेल्या दशकांपूर्वीच्या खुल्या समस्येवर काम करत होते. ते शेवटच्या टप्प्यावर अडकले होते आणि GPT‑5 ने एक विषम संख्या नमुना कसा तोडते याबद्दल एक नवीन कल्पना मांडली, ज्यामुळे त्यांना पुरावा पूर्ण करण्यात मदत झाली. अशा प्रगतीमुळे अनेक अल्गोरिदम आणि सुरक्षा तंत्रे ज्यावर शेवटी अवलंबून असतात त्या गणितीय पायांना बळकटी मिळते.
• अल्गोरिदम आणि ऑप्टिमायझेशन: संशोधक सेबॅस्टियन बुबेक आणि ख्रिश्चन कोस्टर हे रोबोटिक्स आणि रूटिंगमध्ये वापरली जाणारी सामान्य निर्णय घेण्याची पद्धत लोकांनी गृहीत धरल्याप्रमाणे विश्वासार्ह आहे का याची चाचणी घेत होते. GPT‑5 ला एक नवीन, स्पष्ट उदाहरण सापडले आहे जे दर्शवते की पद्धत अयशस्वी होऊ शकते आणि ऑप्टिमायझेशनमध्ये एक क्लासिक निकाल देखील सुधारला आहे, जो समस्या सोडवण्यासाठी सर्वोत्तम मार्ग शोधण्यासाठी वापरले जाणारे गणित आहे. या प्रकारच्या प्रगतीमुळे अभियंत्यांना रोबोटिक्स, राउटिंग आणि इतर वास्तविक-जगातील अर्जांमध्ये वापरल्या जाणाऱ्या निर्णय घेण्याच्या प्रणाली अधिक चांगल्या प्रकारे समजण्यास मदत होते.

विज्ञानासाठी OpenAI चे ध्येय वैज्ञानिक शोधांना गती देणे आहे: संशोधकांना अधिक कल्पना एक्सप्लोर करणे, गृहितकांची जलद चाचणी करणे, आणि अन्यथा महत्त्वपूर्ण वेळ घेणाऱ्या अंतर्दृष्टी शोधणे. आम्ही योग्य साधने, वर्कफ्लो आणि सहयोगांसह फ्रंटियर मॉडेल्स जोडून हे करतो.

आम्ही शैक्षणिक, उद्योग आणि राष्ट्रीय प्रयोगशाळांमधील संशोधकांशी घनिष्ठपणे काम करतो. ही सहकार्ये आपल्याला समजून घेण्यास मदत करतात की मॉडेल्स कुठे उपयुक्त आहेत, कुठे अपयशी ठरतात आणि त्यांना वैज्ञानिक प्रक्रियेत कसे एकत्रित करायचे - साहित्य पुनरावलोकन आणि पुरावा निर्मितीपासून ते मॉडेलिंग, सिम्युलेशन आणि प्रायोगिक डिझाइनपर्यंत.

आमचा दृष्टिकोन दोन पूरक विश्वासांवर आधारित आहे. कार्यक्षमता आणि अचूकतेसाठी सिम्युलेशन इंजिन, प्रथिने डेटाबेस आणि संगणक बीजगणित प्रणाली यांसारखी विशेष वैज्ञानिक साधने अत्यावश्यक आहेत. त्याच वेळी, फाउंडेशन मॉडेल्सचे स्केलिंग सुरू ठेवल्यामुळे नवीन तर्कशक्ती क्षमता उघडतात: विविध क्षेत्रांतील कल्पना जोडणे, पुरावे रेखाटणे, यंत्रणा प्रस्तावित करणे आणि कीवर्डच्या ऐवजी मोठ्या साहित्यात संकल्पनात्मकपणे नेव्हिगेट करणे. जिथे विशेष साधने अस्तित्वात आहेत, तिथे आम्ही त्यांचा वापर करू इच्छितो; जिथे सामान्य तर्क आवश्यक आहे, तिथे आम्ही ते हाताळण्यासाठी डिझाइन केलेले मॉडेल तयार करतो. दोन्ही मार्ग एकमेकांना मजबूत करतात.

सर्वात अर्थपूर्ण प्रगती मानवी-एआय संघांकडून येते. शास्त्रज्ञ अजेंडा ठरवतात: ते प्रश्न निश्चित करतात, पद्धती निवडतात, कल्पनांची टीका करतात आणि निकालांची पडताळणी करतात. GPT‑5 रुंदी, वेग आणि समांतरपणे अनेक दिशांमध्ये एक्सप्लोर करण्याची क्षमता प्रदान करते.

GPT‑5 प्रभावीपणे वापरणे एक कौशल्य आहे. संशोधक शिकतात की प्रश्न कसे विचारायचे, कधी मागे ढकलायचे, समस्यांना टप्प्याटप्प्याने कसे विभाजित करायचे आणि स्वतंत्रपणे काय सत्यापित करायचे. उत्पादक काम बहुतेकदा संवादासारखे दिसते - संशोधक आणि मॉडेल एक आशादायक दिशा येईपर्यंत किंवा कल्पना सोडून देईपर्यंत पुनरावृत्ती करत राहतात

या सुरुवातीच्या अभ्यासांमध्ये, तज्ञांनी वापरल्यास GPT‑5 संशोधन कार्यप्रवाहाचे काही भाग कमी करण्यास सक्षम असल्याचे दिसते. हे प्रोजेक्ट स्वायत्तपणे चालवत नाही किंवा वैज्ञानिक समस्या सोडवत नाही, परंतु ते अन्वेषणाच्या पृष्ठभागाचे क्षेत्र वाढवू शकते आणि संशोधकांना योग्य निकालांकडे जलद गतीने जाण्यास मदत करू शकते.

• एक उदयोन्मुख क्षमता म्हणजे संकल्पनात्मक साहित्य शोध. GPT‑5 अनेकदा कल्पनांमधील सखोल संबंध ओळखू शकतो आणि भाषांमध्ये आणि कमी प्रवेशयोग्य स्त्रोतांमधून संबंधित सामग्री पुनर्प्राप्त करू शकतो. संशोधक अहवाल देतात की त्यांनी असे संदर्भ, संबंध आणि प्रबंध शोधले जे त्यांना पूर्वी माहित नव्हते.
• गणित आणि सैद्धांतिक संगणक विज्ञानात, जिथे रचना स्पष्ट असते आणि अभिप्राय लूप्स जलद असतात, GPT‑5 विशेषतः उपयुक्त आहे. गणितज्ञांनी काही मिनिटांत व्यवहार्य पुरावा रूपरेषा उत्पन्न करण्यासाठी GPT‑5 चा वापर केला आहे, ज्यामुळे अन्यथा दिवस किंवा आठवडे लागले असते अशा कामाचे रूपांतर झाले आहे. भौतिकशास्त्र आणि संगणकीय डोमेनमध्ये, मॉडेल रूपांतरणे सुलभ करण्याचा प्रस्ताव देऊ शकते किंवा इतर डोमेनमधील अनुरूप संरचनांकडे निर्देश करू शकते.
• जीवशास्त्र आणि इतर अनुभवजन्य विज्ञानांमध्ये, मॉडेल वेट लॅबमध्ये या गृहीतकांना पडताळण्यासाठी यंत्रणा प्रस्तावित करू शकते आणि प्रयोगांची रचना करू शकते.

आम्ही त्या टप्प्याच्या पलीकडे आहोत जिथे मॉडेल्स केवळ विद्यमान ज्ञानाचा सारांश देतात. आता, GPT‑5 चे प्रारंभीचे योगदान तज्ञांच्या देखरेखीखाली संशोधकांना अर्थपूर्ण मदत करू शकते. क्षमता आणि साधने जसजशी प्रगती करत जातील तसतसे सुधारणेची गती अधिक सखोल गतीची शक्यता दर्शवते.

ही केस स्टडीज GPT‑5 कुठे उपयुक्त ठरले आहेत याची क्युरेटेड उदाहरणे आहेत; त्या पद्धतशीर नमुना नाहीत आणि त्या अपयशाच्या सर्व प्रकारांना समाविष्ट करत नाहीत. तज्ञांचे निरीक्षण अत्यावश्यक राहते. GPT‑5 कधीकधी प्रशंसनीय वाटणारे उद्धरण, यंत्रणा किंवा पुरावे काल्पनिक तयार करू शकते; हे मचान आणि वॉर्म-अप समस्यांसाठी संवेदनशील असू शकते; हे कधीकधी डोमेन-विशिष्ट सूक्ष्मता गमावते; आणि जर ते दुरुस्त केले नाही तर ते अनुत्पादक तर्काचे अनुसरण करू शकते. ही संशोधनाची सक्रिय क्षेत्रे आहेत आणि आम्ही भविष्यातील प्रणालींमध्ये सुधारणा करताना या अपयशांचे मोजमाप आणि कमी करण्यासाठी सहकाऱ्यांसोबत काम करत आहोत.

एकत्रितपणे, या सुरुवातीच्या अभ्यासांवरून असे दिसून येते की GPT‑5 नवीन प्रकारच्या वैज्ञानिक कार्यात मदत करू लागला आहे. हे मॉडेल स्वायत्त नाही, परंतु तज्ञांच्या हातात ते प्रमेये सिद्ध करण्यास, संरचना पुन्हा शोधण्यास आणि विस्तारण्यास, क्रॉस-फील्ड कनेक्शन उघड करण्यास, आणि शास्त्रज्ञांना प्रमाणित करण्यासाठी यंत्रणा आणि प्रयोग उत्पन्न करण्यास मदत करू शकते.

आपल्याला असे एक प्रक्षेपवक्र देखील दिसते ज्यामध्ये या प्रणाली अधिक वेळ आणि संगणनासह सुधारतात. जर GPT‑5 काही संशोधन प्रश्नांना 20 मिनिटांत अर्थपूर्णपणे मदत करू शकत असेल, तर जेव्हा मॉडेल्स एखाद्या समस्येवर तासन् तास किंवा दिवस तर्क करू शकतात तेव्हा आम्हाला अधिक सखोल परिणामांची अपेक्षा आहे. जागतिक दर्जाच्या शास्त्रज्ञांसह एकत्रितपणे, हे कालांतराने वैज्ञानिक उत्पादकतेत मोठ्या बदलाची शक्यता दर्शवते.