GPT‑5 ਨਾਲ ਵਿਗਿਆਨ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਯੋਗ

ਵਿਗਿਆਨ ਮਨੁੱਖੀ ਸਿਹਤ ਤੋਂ ਲੈ ਕੇ ਊਰਜਾ ਉਤਪਾਦਨ ਤੱਕ, ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਤੋਂ ਲੈ ਕੇ ਬ੍ਰਹਿਮੰਡ ਬਾਰੇ ਸਾਡੀ ਸਮਝ ਤੱਕ, ਹਰ ਚੀਜ਼ ਨੂੰ ਆਕਾਰ ਦਿੰਦਾ ਹੈ। ਜੇ AI ਵਿਗਿਆਨ ਨੂੰ ਤੇਜ਼ ਕਰ ਸਕੇ—ਨਵੇਂ ਵਿਚਾਰ ਪੈਦਾ ਕਰਨ ਜਾਂ ਕਿਸੇ ਵਿਚਾਰ ਨੂੰ ਪਰਖੇ ਹੋਏ ਨਤੀਜੇ ਤੱਕ ਲਿਜਾਣ ਲਈ ਲੱਗਣ ਵਾਲਾ ਸਮਾਂ ਘਟਾ ਸਕੇ—ਤਾਂ ਇਸ ਦੇ ਲਾਭ ਪੂਰੇ ਸਮਾਜ ਵਿੱਚ ਗੁਣਾ ਹੋ ਜਾਂਦੇ ਹਨ।

ਪਰ ਨਵੀਨਤਾ ਦੀ ਗਤੀ ਅਜੇ ਵੀ ਇੱਕ ਪਾਬੰਦੀ ਹੈ। ਭਾਵੇਂ ਸਹੀ ਵਿਚਾਰ ਮੌਜੂਦ ਹੋਵੇ, ਉਸਨੂੰ ਉਤਪਾਦ ਜਾਂ ਇਲਾਜ ਵਿੱਚ ਬਦਲਣ ਵਿੱਚ ਸਾਲਾਂ ਲੱਗ ਸਕਦੇ ਹਨ। ਇੱਕ ਹਾਲੀਆ ਸਰਵੇਖਣ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਵਿੱਚ, ਅਮਰੀਕਾ ਦੇ 60 ਫ਼ੀਸਦੀ ਲੋਕਾਂ ਨੇ ਕਿਹਾ ਕਿ ਵਿਗਿਆਨਕ ਅਤੇ ਚਿਕਿਤਸਕ ਉੱਪਲਬਧੀਆਂ ਉਹਨਾਂ ਤੱਕ ਬਹੁਤ ਹੌਲੀ ਪਹੁੰਚਦੀਆਂ ਹਨ; 73 ਫ਼ੀਸਦੀ ਨੇ ਕਿਹਾ ਕਿ ਸਾਨੂੰ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਹੋਰ ਵਧੀਆ ਤਰੀਕਿਆਂ ਦੀ ਲੋੜ ਹੈ; ਅਤੇ 69 ਫ਼ੀਸਦੀ ਨੇ ਵਿਗਿਆਨਕ ਨੇਤ੍ਰਿਤਵ ਨੂੰ ਸਿਖਰਲੀ ਰਾਸ਼ਟਰੀ ਤਰਜੀਹ ਦੱਸਿਆ।

ਅੱਜ, ਅਸੀਂ “GPT‑5 ਨਾਲ ਵਿਗਿਆਨ ਤੇਜ਼ੀ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰਯੋਗ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ),” ਨਾਮਕ ਇੱਕ ਪੇਪਰ ਜਾਰੀ ਕਰ ਰਹੇ ਹਾਂ, ਜੋ Vanderbilt, UC Berkeley, Columbia, Oxford, Cambridge, Lawrence Livermore National Laboratory, ਅਤੇ The Jackson Laboratory ਸਮੇਤ ਯੂਨੀਵਰਸਿਟੀਆਂ ਅਤੇ ਰਾਸ਼ਟਰੀ ਲੈਬੋਰਟਰੀਆਂ ਵਿੱਚ ਸਹਿਯੋਗੀਆਂ ਨਾਲ ਸਾਂਝਾ-ਲੇਖਨ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਗਣਿਤ, ਭੌਤਿਕ ਵਿਗਿਆਨ, ਜੀਵ ਵਿਗਿਆਨ, ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ, ਖਗੋਲ ਵਿਗਿਆਨ, ਅਤੇ ਸਮੱਗਰੀ ਵਿਗਿਆਨ ਵਿੱਚ ਸ਼ੁਰੂਆਤੀ ਕੇਸ ਸਟਡੀਜ਼ ਨੂੰ ਇਕੱਠਾ ਕਰਦਾ ਹੈ, ਜਿਨ੍ਹਾਂ ਵਿੱਚ GPT‑5 ਨੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਜਾਣੇ-ਪਛਾਣੇ ਨਤੀਜਿਆਂ ਨੂੰ ਨਵੇਂ ਢੰਗ ਨਾਲ ਜੋੜਨ, ਸ਼ਕਤੀਸ਼ਾਲੀ ਲਿਟਰੇਚਰ ਸਮੀਖਿਆ ਕਰਨ, ਔਖੀਆਂ ਗਣਨਾਵਾਂ ਤੇਜ਼ ਕਰਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਅਨਸੁਲਝੇ ਪ੍ਰਸਤਾਵਾਂ ਦੇ ਨਵੇਂ ਪ੍ਰਮਾਣ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ। ਪੇਪਰ ਸੀਮਾਵਾਂ ਨੂੰ ਵੀ ਦਰਜ ਕਰਦਾ ਹੈ। ਸਾਡਾ ਉਦੇਸ਼ ਭਾਈਚਾਰੇ ਨੂੰ ਇਹ ਸਪਸ਼ਟ ਤਸਵੀਰ ਦੇਣਾ ਹੈ ਕਿ ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਅੱਜ ਖੋਜ ਦੇ ਸੰਦਰਭਾਂ ਵਿੱਚ ਕੀ ਕਰ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਕੀ ਨਹੀਂ।

ਇਹ ਕੇਸ ਸਟਡੀਜ਼ ਦਿਖਾਉਂਦੀਆਂ ਹਨ ਕਿ ਮਾਹਿਰਾਂ ਦੇ ਹੱਥ ਵਿੱਚ GPT‑5 ਵਿਗਿਆਨਕ ਖੋਜ ਨੂੰ ਕਿਵੇਂ ਤੇਜ਼ ਕਰ ਰਿਹਾ ਹੈ, ਅਤੇ ਇਹ ਤੇਜ਼ੀ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ:

• ਜੀਵ ਵਿਗਿਆਨ: Derya Unutmaz, M.D. ਦੀ ਅਗਵਾਈ ਵਾਲੇ ਇੱਕ ਅਧਿਐਨ ਵਿੱਚ, ਵਿਗਿਆਨੀਆਂ ਨੇ ਮਨੁੱਖੀ ਰੋਗ-ਰੋਧਕ ਕੋਸ਼ਿਕਾਵਾਂ ਵਿੱਚ ਇੱਕ ਗੁੰਝਲਦਾਰ ਬਦਲਾਅ ਨੂੰ ਸਮਝਾਉਣ ਲਈ ਮਹੀਨਿਆਂ ਲਗਾਏ। GPT‑5 ਨੇ ਇੱਕ ਅਪ੍ਰਕਾਸ਼ਿਤ ਚਾਰਟ ਤੋਂ ਮਿੰਟਾਂ ਵਿੱਚ ਸੰਭਾਵਿਤ ਮਕੈਨਿਜ਼ਮ ਪਛਾਣ ਲਿਆ ਅਤੇ ਇੱਕ ਐਸਾ ਪ੍ਰਯੋਗ ਸੁਝਾਇਆ ਜਿਸ ਨੇ ਇਸਨੂੰ ਸਾਬਤ ਕਰ ਦਿੱਤਾ। ਇਸ ਕਿਸਮ ਦੀ ਤੇਜ਼ੀ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਬਿਮਾਰੀਆਂ ਨੂੰ ਜ਼ਿਆਦਾ ਜਲਦੀ ਸਮਝਣ ਅਤੇ ਵਧੀਆ ਇਲਾਜ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦੀ ਹੈ।
• ਗਣਿਤ: ਇੱਕ ਹੋਰ ਕੇਸ ਵਿੱਚ, ਖੋਜਕਰਤਾ Mehtaab Sawhney ਅਤੇ Mark Sellke ਪਾਲ Erdős ਵੱਲੋਂ ਮੂਲ ਰੂਪ ਵਿੱਚ ਰੱਖੀ ਗਈ ਦਹਾਕਿਆਂ ਪੁਰਾਣੀ ਖੁੱਲ੍ਹੀ ਸਮੱਸਿਆ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਸਨ। ਉਹ ਆਖ਼ਰੀ ਕਦਮ 'ਤੇ ਅਟਕੇ ਹੋਏ ਸਨ, ਅਤੇ GPT‑5 ਨੇ ਇਹ ਬਾਰੇ ਇੱਕ ਨਵਾਂ ਵਿਚਾਰ ਦਿੱਤਾ ਕਿ ਇੱਕ ਵਿਲੱਖਣ ਅੰਕ ਪੈਟਰਨ ਨੂੰ ਕਿਵੇਂ ਤੋੜਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਉਹਨਾਂ ਨੂੰ ਪ੍ਰਮਾਣ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲੀ। ਐਸੀਆਂ ਤਰੱਕੀਆਂ ਉਹ ਗਣਿਤਕ ਨੀਂਹ ਮਜ਼ਬੂਤ ਕਰਦੀਆਂ ਹਨ ਜਿਨ੍ਹਾਂ 'ਤੇ ਅਖ਼ੀਰਕਾਰ ਕਈ ਐਲਗੋਰਿਦਮ ਅਤੇ ਸੁਰੱਖਿਆ ਤਕਨੀਕਾਂ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ।
• ਐਲਗੋਰਿਦਮ ਅਤੇ ਅਪਟੀਮਾਈਜ਼ੇਸ਼ਨ: ਖੋਜਕਰਤਾ Sébastien Bubeck ਅਤੇ Christian Coester ਇਹ ਪਰਖ ਰਹੇ ਸਨ ਕਿ ਰੋਬੋਟਿਕਸ ਅਤੇ ਰੂਟਿੰਗ ਵਿੱਚ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਇੱਕ ਆਮ ਫ਼ੈਸਲਾ-ਲੈਣ ਪੱਧਤੀ ਉਨੀ ਭਰੋਸੇਯੋਗ ਹੈ ਜਿੰਨੀ ਲੋਕ ਮੰਨਦੇ ਹਨ ਜਾਂ ਨਹੀਂ। GPT‑5 ਨੇ ਇੱਕ ਨਵੀਂ, ਸਪਸ਼ਟ ਉਦਾਹਰਨ ਲੱਭੀ ਜਿਸ ਨੇ ਦਿਖਾਇਆ ਕਿ ਇਹ ਪੱਧਤੀ ਅਸਫਲ ਹੋ ਸਕਦੀ ਹੈ ਅਤੇ ਇਸ ਨੇ ਅਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਦੇ ਇੱਕ ਕਲਾਸਿਕ ਨਤੀਜੇ ਨੂੰ ਵੀ ਸੁਧਾਰਿਆ, ਜੋ ਸਮੱਸਿਆ ਨੂੰ ਸਭ ਤੋਂ ਵਧੀਆ ਢੰਗ ਨਾਲ ਹੱਲ ਕਰਨ ਲਈ ਵਰਤੀ ਜਾਣ ਵਾਲੀ ਗਣਿਤ ਹੈ। ਇਸ ਕਿਸਮ ਦੀ ਤਰੱਕੀ ਇੰਜੀਨੀਅਰਾਂ ਨੂੰ ਰੋਬੋਟਿਕਸ, ਰੂਟਿੰਗ ਅਤੇ ਹੋਰ ਅਸਲ ਦੁਨਿਆਈ ਐਪਲੀਕੇਸ਼ਨਾਂ ਵਿੱਚ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਫ਼ੈਸਲਾ-ਲੈਣ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਹੋਰ ਵਧੀਆ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦੀ ਹੈ।

ਸਾਇੰਸ ਲਈ OpenAI ਦਾ ਮਿਸ਼ਨ ਵਿਗਿਆਨਕ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨਾ ਹੈ: ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਹੋਰ ਵਿਚਾਰ ਖੰਗਾਲਣ, ਪਰਿਕਲਪਨਾਵਾਂ ਨੂੰ ਤੇਜ਼ੀ ਨਾਲ ਪਰਖਣ, ਅਤੇ ਅਜਿਹੀਆਂ ਅੰਦਰੂਨੀ ਸਮਝਾਂ ਸਾਹਮਣੇ ਲਿਆਉਣ ਵਿੱਚ ਮਦਦ ਕਰਨੀ ਜੋ ਨਹੀਂ ਤਾਂ ਕਾਫ਼ੀ ਸਮਾਂ ਲੈਂਦੀਆਂ। ਅਸੀਂ ਇਹ ਕੰਮ ਅਤਿ-ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਨੂੰ ਸਹੀ ਟੂਲਾਂ, ਵਰਕਫਲੋਆਂ ਅਤੇ ਸਹਿਯੋਗਾਂ ਨਾਲ ਜੋੜ ਕੇ ਕਰਦੇ ਹਾਂ।

ਅਸੀਂ ਅਕਾਦਮਿਕ ਖੇਤਰ, ਉਦਯੋਗ ਅਤੇ ਰਾਸ਼ਟਰੀ ਲੈਬਾਂ ਦੇ ਖੋਜਕਰਤਾਵਾਂ ਨਾਲ ਨੇੜੇ ਤੋਂ ਕੰਮ ਕਰਦੇ ਹਾਂ। ਇਹ ਸਹਿਯੋਗ ਸਾਨੂੰ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ ਕਿ ਮਾਡਲ ਕਿੱਥੇ ਲਾਭਕਾਰੀ ਹਨ, ਕਿੱਥੇ ਅਸਫਲ ਹੁੰਦੇ ਹਨ, ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਵਿਗਿਆਨਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਕਿਵੇਂ ਜੋੜਿਆ ਜਾਵੇ—ਲਿਟਰੇਚਰ ਸਮੀਖਿਆ ਅਤੇ ਪ੍ਰਮਾਣ ਤਿਆਰ ਕਰਨ ਤੋਂ ਲੈ ਕੇ ਮਾਡਲਿੰਗ, ਸਿਮੂਲੇਸ਼ਨ ਅਤੇ ਪ੍ਰਯੋਗਾਤਮਕ ਡਿਜ਼ਾਇਨ ਤੱਕ।

ਸਾਡਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਦੋ ਪੂਰਕ ਵਿਸ਼ਵਾਸਾਂ ਨੂੰ ਜੋੜਦਾ ਹੈ। ਵਿਸ਼ੇਸ਼ਗਿਆਨਕ ਵਿਗਿਆਨਕ ਟੂਲ, ਜਿਵੇਂ ਸਿਮੂਲੇਸ਼ਨ ਇੰਜਨ, ਪ੍ਰੋਟੀਨ ਡਾਟਾਬੇਸ ਅਤੇ ਕੰਪਿਊਟਰ ਐਲਜਬਰਾ ਪ੍ਰਣਾਲੀਆਂ, ਦੱਖਲ ਅਤੇ ਸ਼ੁੱਧਤਾ ਲਈ ਲਾਜ਼ਮੀ ਹਨ। ਇਸੇ ਵੇਲੇ, foundation ਮਾਡਲਾਂ ਦਾ ਵਿਸਥਾਰ ਨਵੀਆਂ ਰੀਜ਼ਨਿੰਗ ਸਮਰਥਾਵਾਂ ਖੋਲ੍ਹਦਾ ਜਾ ਰਿਹਾ ਹੈ: ਖੇਤਰਾਂ ਪਾਰ ਵਿਚਾਰ ਜੋੜਨਾ, ਪ੍ਰਮਾਣਾਂ ਦੇ ਖਾਕੇ ਤਿਆਰ ਕਰਨਾ, ਮਕੈਨਿਜ਼ਮ ਸੁਝਾਉਣਾ, ਅਤੇ ਵੱਡੇ ਲਿਟਰੇਚਰ ਵਿੱਚ ਕੀਵਰਡ ਦੀ ਥਾਂ ਧਾਰਣਾਤਮਕ ਤਰੀਕੇ ਨਾਲ ਰਾਹ ਬਣਾਉਣਾ। ਜਿੱਥੇ ਵਿਸ਼ੇਸ਼ ਟੂਲ ਮੌਜੂਦ ਹਨ, ਅਸੀਂ ਉਹਨਾਂ ਨੂੰ ਵਰਤਣਾ ਚਾਹੁੰਦੇ ਹਾਂ; ਜਿੱਥੇ ਆਮ ਰੀਜ਼ਨਿੰਗ ਦੀ ਲੋੜ ਹੈ, ਅਸੀਂ ਉਸਨੂੰ ਸੰਭਾਲਣ ਲਈ ਬਣੇ ਮਾਡਲ ਤਿਆਰ ਕਰਦੇ ਹਾਂ। ਦੋਵੇਂ ਰਾਹ ਇੱਕ-ਦੂਜੇ ਨੂੰ ਮਜ਼ਬੂਤ ਕਰਦੇ ਹਨ।

ਸਭ ਤੋਂ ਅਰਥਪੂਰਨ ਤਰੱਕੀ ਮਨੁੱਖ–AI ਟੀਮਾਂ ਤੋਂ ਆਉਂਦੀ ਹੈ। ਵਿਗਿਆਨੀ ਐਜੈਂਡਾ ਨਿਰਧਾਰਤ ਕਰਦੇ ਹਨ: ਉਹ ਸਵਾਲ ਤੈਅ ਕਰਦੇ ਹਨ, ਢੰਗ ਚੁਣਦੇ ਹਨ, ਵਿਚਾਰਾਂ ਦੀ ਸਮੀਖਿਆ ਕਰਦੇ ਹਨ ਅਤੇ ਨਤੀਜਿਆਂ ਦੀ ਤਸਦੀਕ ਕਰਦੇ ਹਨ। GPT‑5 ਵਿਸ਼ਾਲਤਾ, ਗਤੀ ਅਤੇ ਇਕੱਠੇ ਕਈ ਦਿਸ਼ਾਵਾਂ ਵਿੱਚ ਖੋਜ ਕਰਨ ਦੀ ਸਮਰਥਾ ਨਾਲ ਯੋਗਦਾਨ ਦਿੰਦਾ ਹੈ।

GPT‑5 ਨੂੰ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਵਰਤਣਾ ਇੱਕ ਹੁਨਰ ਹੈ। ਖੋਜਕਰਤਾ ਸਿੱਖਦੇ ਹਨ ਕਿ ਸਵਾਲ ਕਿਵੇਂ ਰੱਖਣੇ ਹਨ, ਕਦੋਂ ਵਿਰੋਧ ਕਰਨਾ ਹੈ, ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਕਦਮਾਂ ਵਿੱਚ ਕਿਵੇਂ ਵੰਡਣਾ ਹੈ, ਅਤੇ ਕੀ ਕੁਝ ਖੁਦਮੁਖਤਿਆਰ ਤੌਰ 'ਤੇ ਤਸਦੀਕ ਕਰਨਾ ਹੈ। ਉਤਪਾਦਕ ਕੰਮ ਅਕਸਰ ਸੰਵਾਦ ਵਰਗਾ ਲੱਗਦਾ ਹੈ—ਖੋਜਕਰਤਾ ਅਤੇ ਮਾਡਲ ਦੁਹਰਾਵਾਂ ਕਰਦੇ ਰਹਿੰਦੇ ਹਨ ਜਦ ਤੱਕ ਕੋਈ ਉਮੀਦਵਾਰ ਦਿਸ਼ਾ ਸਾਹਮਣੇ ਨਾ ਆ ਜਾਵੇ ਜਾਂ ਵਿਚਾਰ ਛੱਡ ਨਾ ਦਿੱਤਾ ਜਾਵੇ।

ਇਨ੍ਹਾਂ ਸ਼ੁਰੂਆਤੀ ਅਧਿਐਨਾਂ ਵਿੱਚ, GPT‑5 ਮਾਹਿਰਾਂ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ 'ਤੇ ਖੋਜ ਵਰਕਫਲੋ ਦੇ ਕੁਝ ਹਿੱਸੇ ਘਟਾਉਣ ਦੇ ਯੋਗ ਦਿੱਸਦਾ ਹੈ। ਇਹ ਪ੍ਰੋਜੈਕਟ ਨਹੀਂ ਚਲਾਉਂਦਾ ਜਾਂ ਵਿਗਿਆਨਕ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਖੁਦਮੁਖਤਿਆਰ ਤੌਰ 'ਤੇ ਹੱਲ ਨਹੀਂ ਕਰਦਾ, ਪਰ ਇਹ ਖੋਜ ਦੇ ਖੇਤਰਫਲ ਨੂੰ ਵਧਾ ਸਕਦਾ ਹੈ ਅਤੇ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਸਹੀ ਨਤੀਜਿਆਂ ਵੱਲ ਹੋਰ ਤੇਜ਼ੀ ਨਾਲ ਵਧਣ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।

• ਇੱਕ ਉਭਰਦੀ ਸਮਰਥਾ ਧਾਰਣਾਤਮਕ ਲਿਟਰੇਚਰ ਖੋਜ ਹੈ। GPT‑5 ਅਕਸਰ ਵਿਚਾਰਾਂ ਵਿਚਲੇ ਹੋਰ ਡੂੰਘੇ ਸਬੰਧ ਪਛਾਣ ਸਕਦਾ ਹੈ ਅਤੇ ਭਾਸ਼ਾਵਾਂ ਪਾਰ ਅਤੇ ਘੱਟ ਪਹੁੰਚਯੋਗ ਸਰੋਤਾਂ ਵਿੱਚੋਂ ਸੰਬੰਧਤ ਸਮੱਗਰੀ ਲੱਭ ਸਕਦਾ ਹੈ। ਖੋਜਕਰਤਾਵਾਂ ਦੱਸਦੇ ਹਨ ਕਿ ਉਹਨਾਂ ਨੂੰ ਅਜੇਹੇ ਹਵਾਲੇ, ਜੋੜ ਅਤੇ theses ਮਿਲੇ ਜਿਨ੍ਹਾਂ ਬਾਰੇ ਉਹ ਪਹਿਲਾਂ ਨਹੀਂ ਜਾਣਦੇ ਸਨ।
• ਗਣਿਤ ਅਤੇ ਸਿਧਾਂਤਕ ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਵਿੱਚ, ਜਿੱਥੇ ਬਣਤਰ ਸਪਸ਼ਟ ਹੁੰਦੀ ਹੈ ਅਤੇ ਫੀਡਬੈਕ ਲੂਪ ਤੇਜ਼ ਹੁੰਦੇ ਹਨ, GPT‑5 ਖ਼ਾਸ ਤੌਰ 'ਤੇ ਮਦਦਗਾਰ ਹੈ। ਗਣਿਤਗਿਆਨੀਆਂ ਨੇ GPT‑5 ਦੀ ਵਰਤੋਂ ਮਿੰਟਾਂ ਵਿੱਚ ਕਾਰਗਰ ਪ੍ਰਮਾਣ-ਖਾਕੇ ਬਣਾਉਣ ਲਈ ਕੀਤੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਕੰਮ ਬਦਲ ਗਿਆ ਜੋ ਨਹੀਂ ਤਾਂ ਕਈ ਦਿਨਾਂ ਜਾਂ ਹਫ਼ਤਿਆਂ ਲੱਗ ਸਕਦਾ ਸੀ। ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਗਣਨਾਤਮਕ ਖੇਤਰਾਂ ਵਿੱਚ, ਮਾਡਲ ਸਰਲੀਕਰਨ ਵਾਲੇ ਰੂਪਾਂਤਰਨ ਸੁਝਾ ਸਕਦਾ ਹੈ ਜਾਂ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਮਿਲਦੀਆਂ ਬਣਤਰਾਂ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰ ਸਕਦਾ ਹੈ।
• ਜੀਵ ਵਿਗਿਆਨ ਅਤੇ ਹੋਰ ਅਨੁਭਵੀ ਵਿਗਿਆਨਾਂ ਵਿੱਚ, ਮਾਡਲ ਮਕੈਨਿਜ਼ਮ ਸੁਝਾ ਸਕਦਾ ਹੈ ਅਤੇ ਇਹਨਾਂ ਪਰਿਕਲਪਨਾਵਾਂ ਦੀ ਵੈਟ ਲੈਬ ਵਿੱਚ ਤਸਦੀਕ ਲਈ ਪ੍ਰਯੋਗ ਡਿਜ਼ਾਇਨ ਕਰ ਸਕਦਾ ਹੈ।

ਅਸੀਂ ਉਸ ਮੋੜ ਤੋਂ ਅੱਗੇ ਨਿਕਲ ਚੁੱਕੇ ਹਾਂ ਜਿੱਥੇ ਮਾਡਲ ਸਿਰਫ਼ ਮੌਜੂਦਾ ਗਿਆਨ ਦਾ ਸਾਰ ਦਿੰਦੇ ਸਨ। ਹੁਣ, GPT‑5 ਦੇ ਸ਼ੁਰੂਆਤੀ ਯੋਗਦਾਨ ਮਾਹਿਰ ਨਿਗਰਾਨੀ ਹੇਠ ਖੋਜਕਰਤਾਵਾਂ ਦੀ ਅਰਥਪੂਰਨ ਮਦਦ ਕਰ ਸਕਦੇ ਹਨ। ਸੁਧਾਰ ਦੀ ਗਤੀ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਜਿਵੇਂ-ਜਿਵੇਂ ਸਮਰਥਾਵਾਂ ਅਤੇ ਟੂਲ ਅੱਗੇ ਵਧਣਗੇ, ਹੋਰ ਡੂੰਘੀ ਤੇਜ਼ੀ ਦੀ ਸੰਭਾਵਨਾ ਹੈ।

ਇਹ ਕੇਸ ਸਟਡੀਜ਼ GPT‑5 ਕਿੱਥੇ ਲਾਭਕਾਰੀ ਰਿਹਾ ਹੈ, ਉਸ ਦੀਆਂ ਚੁਣੀ ਹੋਈਆਂ ਉਦਾਹਰਨਾਂ ਹਨ; ਇਹ ਕੋਈ ਪ੍ਰਣਾਲੀਬੱਧ ਨਮੂਨਾ ਨਹੀਂ ਹਨ, ਅਤੇ ਨਾ ਹੀ ਇਹ ਅਸਫਲਤਾ ਦੇ ਪੂਰੇ ਰੂਪ ਪਕੜਦੀਆਂ ਹਨ। ਮਾਹਿਰ ਨਿਗਰਾਨੀ ਅਜੇ ਵੀ ਲਾਜ਼ਮੀ ਹੈ। GPT‑5 ਕਦੇ-ਕਦੇ ਐਸੇ ਹਵਾਲੇ, ਮਕੈਨਿਜ਼ਮ ਜਾਂ ਪ੍ਰਮਾਣ ਘੜ ਸਕਦਾ ਹੈ ਜੋ ਸੰਭਾਵਿਕ ਦਿੱਸਦੇ ਹਨ; ਇਹ scaffolding ਅਤੇ warm-up ਸਮੱਸਿਆਵਾਂ ਪ੍ਰਤੀ ਸੰਵੇਦਨਸ਼ੀਲ ਹੋ ਸਕਦਾ ਹੈ; ਕਈ ਵਾਰ ਖੇਤਰ-ਵਿਸ਼ੇਸ਼ ਨੁਕਤੇ ਛੱਡ ਦਿੰਦਾ ਹੈ; ਅਤੇ ਜੇ ਠੀਕ ਨਾ ਕੀਤਾ ਜਾਵੇ ਤਾਂ ਗੈਰ-ਉਤਪਾਦਕ ਤਰਕ ਲੜੀਆਂ ਦੀ ਪਾਲਣਾ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਖੋਜ ਦੇ ਸਰਗਰਮ ਖੇਤਰ ਹਨ, ਅਤੇ ਅਸੀਂ ਸਹਿਯੋਗੀਆਂ ਨਾਲ ਮਿਲ ਕੇ ਇਹਨਾਂ ਅਸਫਲਤਾਵਾਂ ਨੂੰ ਮਾਪਣ ਅਤੇ ਘਟਾਉਣ 'ਤੇ ਕੰਮ ਕਰ ਰਹੇ ਹਾਂ ਜਿਵੇਂ ਅਸੀਂ ਭਵਿੱਖ ਦੀਆਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਨਿਖਾਰਦੇ ਹਾਂ।

ਇਕੱਠੇ ਵੇਖਿਆਂ, ਇਹ ਸ਼ੁਰੂਆਤੀ ਅਧਿਐਨ ਦਿਖਾਉਂਦੇ ਹਨ ਕਿ GPT‑5 ਨਵੀਂ ਕਿਸਮ ਦੇ ਵਿਗਿਆਨਕ ਕੰਮ ਵਿੱਚ ਮਦਦ ਕਰਨਾ ਸ਼ੁਰੂ ਕਰ ਰਿਹਾ ਹੈ। ਮਾਡਲ ਖੁਦਮੁਖਤਿਆਰ ਨਹੀਂ ਹੈ, ਪਰ ਮਾਹਿਰ ਹੱਥਾਂ ਵਿੱਚ ਇਹ ਪ੍ਰਮੇਯ ਸਾਬਤ ਕਰਨ, ਬਣਤਰਾਂ ਨੂੰ ਮੁੜ-ਖੋਜਣ ਅਤੇ ਵਧਾਉਣ, ਖੇਤਰਾਂ-ਪਾਰ ਜੋੜ ਸਾਹਮਣੇ ਲਿਆਉਣ, ਅਤੇ ਵਿਗਿਆਨੀਆਂ ਲਈ ਤਸਦੀਕ ਕਰਨ ਯੋਗ ਮਕੈਨਿਜ਼ਮ ਅਤੇ ਪ੍ਰਯੋਗ ਪੈਦਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ।

ਅਸੀਂ ਇੱਕ ਐਸੀ ਦਿਸ਼ਾ ਵੀ ਵੇਖਦੇ ਹਾਂ ਜਿਸ ਵਿੱਚ ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਵੱਧ ਸਮੇਂ ਅਤੇ ਕੰਪਿਊਟ ਨਾਲ ਸੁਧਰਦੀਆਂ ਹਨ। ਜੇ GPT‑5 20 ਮਿੰਟਾਂ ਵਿੱਚ ਕੁਝ ਖੋਜ ਸਵਾਲਾਂ ਵਿੱਚ ਅਰਥਪੂਰਨ ਮਦਦ ਕਰ ਸਕਦਾ ਹੈ, ਤਾਂ ਅਸੀਂ ਹੋਰ ਡੂੰਘੇ ਨਤੀਜਿਆਂ ਦੀ ਉਮੀਦ ਕਰਦੇ ਹਾਂ ਜਦ ਮਾਡਲ ਕਿਸੇ ਸਮੱਸਿਆ ਬਾਰੇ ਘੰਟਿਆਂ ਜਾਂ ਦਿਨਾਂ ਤੱਕ ਰੀਜ਼ਨਿੰਗ ਕਰ ਸਕਣ। ਵਿਸ਼ਵ-ਪੱਧਰੀ ਵਿਗਿਆਨੀਆਂ ਦੇ ਨਾਲ ਮਿਲ ਕੇ, ਇਹ ਸਮੇਂ ਦੇ ਨਾਲ ਵਿਗਿਆਨਕ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਇੱਕ ਵੱਡੇ ਬਦਲਾਅ ਦੀ ਸੰਭਾਵਨਾ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।