Vroege experimenten voor wetenschapsversnelling met GPT‑5

Wetenschap omvat alles, van menselijke gezondheid tot energieproductie, van nationale veiligheid tot ons begrip van het universum. Als AI de wetenschap kan versnellen – door de tijd te verkorten die nodig is om nieuwe ideeën te genereren of om van een idee tot een getest resultaat te komen – dan stapelen de voordelen zich op voor de hele samenleving.

Maar het tempo van innovatie blijft een beperking. Zelfs als het juiste idee bestaat, kan het jaren duren om het om te zetten in een product of behandeling. In een recent onderzoek⁠(opent in een nieuw venster) gaf 60% van de mensen in de VS aan dat wetenschappelijke en medische doorbraken hen te langzaam bereiken; 73% zei dat er betere manieren nodig zijn om ontdekkingen te versnellen; en 69% beschouwde wetenschappelijk leiderschap als een topprioriteit voor het land.

Vandaag brengen we het artikel "Early science acceleration experiments with GPT‑5⁠(opent in een nieuw venster)" uit, dat we samen met medewerkers van universiteiten en nationale laboratoria, waaronder Vanderbilt, UC Berkeley, Columbia, Oxford, Cambridge, Lawrence Livermore National Laboratory en The Jackson Laboratory, hebben geschreven. Het verzamelt vroege casestudies op het gebied van wiskunde, natuurkunde, biologie, informatica, astronomie en materiaalkunde, waarin GPT‑5 onderzoekers hielp bekende resultaten op een nieuwe manier te synthetiseren, gedegen literatuuronderzoek uit te voeren, complexe berekeningen te versnellen en zelfs nieuwe bewijzen te genereren voor onopgeloste stellingen. Het artikel documenteert ook beperkingen. Ons doel is om de gemeenschap een duidelijk beeld te geven van wat deze systemen op dit moment wel en niet kunnen doen in onderzoeksomgevingen.

Deze casestudies tonen aan hoe GPT‑5 in de handen van experts wetenschappelijke ontdekkingen versnelt en waarom deze versnelling van belang is:

• Biologie: In een studie onder leiding van Derya Unutmaz, M.D., hebben wetenschappers maandenlang geprobeerd een raadselachtige verandering in menselijke immuuncellen te verklaren. GPT‑5 identificeerde binnen enkele minuten uit een ongepubliceerde grafiek het waarschijnlijke mechanisme en stelde een experiment voor dat het bevestigde. Dit soort snelheid kan onderzoekers helpen ziekten sneller te begrijpen en betere behandelingen te ontwikkelen.
• Wiskunde: In een ander project waren onderzoekers Mehtaab Sawhney en Mark Sellke bezig met een decennia-oud onopgelost probleem dat oorspronkelijk door Paul Erdős was voorgesteld. Ze zaten vast bij de laatste stap, en GPT‑5 kwam met een nieuw idee over hoe een oneven getal het patroon doorbreekt, wat hen hielp het bewijs te voltooien. Dergelijke vooruitgangen versterken de wiskundige fundamenten waarop veel algoritmen en beveiligingstechnieken uiteindelijk vertrouwen.
• Algoritmen en optimalisatie: Onderzoekers Sébastien Bubeck en Christian Coester onderzochten of een veelgebruikte besluitvormingsmethode in robotica en routing net zo betrouwbaar was als men dacht. GPT‑5 vond een nieuw, duidelijk voorbeeld dat laat zien dat de methode kan falen en verbeterde ook een klassiek resultaat in optimalisatie, de berekening die wordt gebruikt om de beste manier te vinden om een probleem op te lossen. Dit soort vooruitgang helpt ingenieurs om de besluitvormingssystemen die worden gebruikt in robotica, routing en andere toepassingen in de praktijk beter te begrijpen.

De missie van OpenAI for Science is om wetenschappelijke ontdekkingen te versnellen: onderzoekers helpen meer ideeën te verkennen, hypothesen sneller te testen en inzichten te ontdekken die anders veel tijd in beslag zouden nemen. We doen dit door grensverleggende modellen te koppelen aan de juiste tools, workflows en samenwerkingen.

We werken nauw samen met onderzoekers uit de academische wereld, de industrie en nationale laboratoria. Deze samenwerkingen helpen ons te begrijpen waar de modellen nuttig zijn, waar ze falen en hoe we ze kunnen integreren in het wetenschappelijke proces, van literatuurstudie en bewijsopbouw tot modellering, simulatie en experimenteel ontwerp.

Onze aanpak combineert twee aanvullende overtuigingen. Gespecialiseerde wetenschappelijke hulpmiddelen, zoals simulatie-engines, eiwitdatabases en computeralgebrasystemen, zijn essentieel voor efficiëntie en precisie. Tegelijkertijd blijft het opschalen van foundation modellen nieuwe redeneercapaciteiten ontgrendelen: ideeën uit verschillende vakgebieden verbinden, bewijzen schetsen, mechanismen voorstellen en conceptueel door grote hoeveelheden literatuur navigeren in plaats van op trefwoorden. Waar gespecialiseerde tools bestaan, willen we die gebruiken; waar algemene redenering nodig is, bouwen we modellen die ontworpen zijn om dat te doen. Beide paden versterken elkaar.

De meest betekenisvolle vooruitgang is afkomstig van menselijke AI-teams. Wetenschappers bepalen de werkwijze: ze definiëren vragen, kiezen methoden, bekritiseren ideeën en valideren resultaten. GPT‑5 draagt bij aan breedte, snelheid en de mogelijkheid om veel richtingen parallel te verkennen.

GPT‑5 effectief gebruiken is een vaardigheid. Onderzoekers leren hoe ze vragen moeten stellen, wanneer ze moeten weerleggen, hoe ze problemen in stappen moeten opdelen en wat ze onafhankelijk moeten valideren. Productief werk lijkt vaak op een dialoog, onderzoeker en model itereren totdat er een veelbelovende richting naar voren komt of tot het idee verworpen wordt.

Uit deze vroege studies blijkt dat GPT‑5 in staat is delen van de onderzoeksworkflow te verkorten wanneer deze door experts worden gebruikt. Het voert geen projecten uit en lost geen wetenschappelijke problemen autonoom op, maar het kan het onderzoeksgebied uitbreiden en onderzoekers helpen sneller bij de juiste resultaten uit te komen.

• Een opkomende mogelijkheid is conceptueel literatuuronderzoek. GPT‑5 kan vaak diepere relaties tussen ideeën herkennen en relevant materiaal ophalen in verschillende talen en uit minder toegankelijke bronnen. Onderzoekers geven aan dat ze referenties, verbanden en hypothesen hebben gevonden die ze nog niet kenden.
• In de wiskunde en theoretische informatica, waar de structuur expliciet is en feedbackloops snel zijn, is GPT‑5 bijzonder nuttig. Wiskundigen hebben GPT‑5 gebruikt om binnen enkele minuten bruikbare bewijsschetsen te genereren, waardoor werk dat anders dagen of weken zou duren, snel kon worden uitgevoerd. In de natuurkunde en computationele domeinen kan het model vereenvoudigende transformaties voorstellen of wijzen op analoge structuren in andere vakgebieden.
• In de biologie en andere empirische wetenschappen kan het model mechanismen voorstellen en experimenten ontwerpen om deze hypothesen in het wet lab te valideren.

We zijn voorbij het punt waarop modellen alleen nog bestaande kennis samenvatten. Nu kunnen vroege bijdragen van GPT‑5 onderzoekers onder toezicht van experts op een zinvolle manier helpen. Het tempo van verbetering suggereert het potentieel voor een diepere versnelling naarmate mogelijkheden en hulpmiddelen zich verder ontwikkelen.

Deze casestudies zijn zorgvuldig samengestelde illustraties van waar GPT‑5 nuttig is geweest, ze vormen geen systematische steekproef en omvatten niet het volledige spectrum aan foutmodi. Deskundig toezicht blijft essentieel. GPT‑5 kan soms citaten, mechanismen of bewijzen verzinnen die aannemelijk lijken, het kan gevoelig zijn voor opbouw- en opwarmproblemen, het mist soms domeinspecifieke subtiliteiten en het kan onproductieve redeneringen volgen als het niet gecorrigeerd wordt. Dit zijn actieve onderzoeksgebieden, en we werken samen met partners om deze fouten te meten en te beperken terwijl we toekomstige systemen verfijnen.

Alles bij elkaar genomen laten deze vroege studies zien dat GPT‑5 begint te helpen bij nieuwe soorten wetenschappelijk werk. Het model is niet autonoom, maar in deskundige handen kan het helpen stellingen te bewijzen, structuren te herontdekken en uit te breiden, dwarsverbanden te leggen en mechanismen en experimenten te genereren die wetenschappers kunnen valideren.

We zien ook een traject waarin deze systemen verbeteren naarmate er meer tijd en rekenkracht beschikbaar is. Als GPT‑5 in 20 minuten zinvolle hulp kan bieden bij sommige onderzoeksvragen, verwachten we diepere resultaten wanneer modellen uren of dagen kunnen nadenken over een probleem. In combinatie met wetenschappers van wereldklasse wijst dit op de mogelijkheid van een sprongsgewijze verandering in wetenschappelijke productiviteit in de loop van de tijd.