Napredek v znanosti in matematiki z modelom GPT‑5.2
GPT‑5.2 je naš najzmogljivejši model doslej za matematično in znanstveno delo.
S prizadevanji za razvoj močne umetne inteligence med drugim upamo, da bo pospešila znanstvene raziskave v korist vseh, pomagala raziskovalcem proučiti več zamisli, jih hitreje preizkusiti in odkritja pretvoriti v dejanski učinek.
V preteklem letu smo tesno sodelovali z znanstveniki na področjih matematike, fizike, biologije in računalništva, da bi razumeli, kje lahko umetna inteligenca pomaga in kje še vedno zaostaja. Prejšnji mesec smo objavili članek, v katerem so opisane zgodnje študije primerov s področij matematike, fizike, biologije, računalništva, astronomije in znanosti o materialih, pri katerih je model GPT‑5 pomagal raziskovalcem in ki jasno kažejo, kako je GPT‑5 že začel prispevati k resničnemu znanstvenemu delu. Pri modelu GPT‑5.2 začenjamo opažati, da napredek postaja doslednejši in zanesljivejši.
GPT‑5.2 Pro in GPT‑5.2 Thinking sta naša najmočnejša modela doslej za znanstveno in matematično delo.
Močno matematično sklepanje je bistvenega pomena za zanesljivost pri znanstvenem in tehničnem delu. Modelom omogoča, da sledijo večstopenjski logiki, ohranjajo dosledne količine in se izogibajo komaj zaznavnim napakam, ki se lahko nakopičijo pri resničnih analizah – od simulacij in statistike do napovedovanja in modeliranja. Izboljšave pri primerjalnih analizah, kakršna je FrontierMath, ne odražajo spretnosti v ožjem pomenu, pač pa močnejše splošno sklepanje in abstrakcijo, dve sposobnosti, ki se prenašata neposredno v znanstvene delovne tokove, kot so programiranje, analiziranje podatkov in eksperimentalno načrtovanje.
Te zmogljivosti so prav tako tesno povezane z napredkom, ki vodi do nastanka splošne inteligence. Sistem, ki zanesljivo razmišlja in sklepa skozi abstraktnost, ohranja doslednost skozi dolge miselne tokove in poseduje splošno razumevanje različnih področij, izkazuje lastnosti, ki so nepogrešljive za splošno umetno inteligenco (AGI) – ne gre za trike, ki bi delovali pri posameznih nalogah, pač pa za široke, prenosljive spretnosti razmišljanja in sklepanja, ki so pomembne v znanosti, inženirstvu in odločanju v resničnem svetu.
Po našem mnenju sta GPT‑5.2 Pro in GPT‑5.2 Thinking najboljša modela na svetu za podporo in pospeševanje dela znanstvenikov. Pri primerjalni analizi GPQA Diamond, ki vključuje odgovarjanje na vprašanja na podiplomski ravni, kjer odgovorov ni mogoče zlahka najti v Googlu, je model GPT‑5.2 Pro dosegel 93,2 %, tesno pa mu sledi model GPT‑5.2 Thinking z 92,4 %.
Pri primerjalni analizi GPQA Diamond(odpre se v novem oknu) modeli odgovarjajo na vprašanja izbirnega tipa s področij fizike, kemije in biologije. Nobena orodja niso bila omogočena, intenzivnost razmišljanja pa je bila nastavljena na najvišjo raven.
Pri primerjalni analizi FrontierMath (stebri 1–3), kjer se izvaja vrednotenje matematičnih sposobnosti na najvišji ravni, je model GPT‑5.2 Thinking postavil nov mejnik, saj je rešil kar 40,3 % problemov.
Pri primerjalni analizi FrontierMath(odpre se v novem oknu) modeli rešujejo matematične probleme na strokovni ravni. Omogočeno je bilo orodje, napisano v jeziku Python, in intenzivnost razmišljanja je bila nastavljena na najvišjo raven.
Študija primera
Ta rezultat nakazuje koristno smer, kako lahko sistemi umetne inteligence podpirajo znanstvene raziskave, zlasti na področjih z aksiomatično teoretično podlago, kot sta matematika in teoretično računalništvo. V takšnih okoljih lahko najnaprednejši modeli pomagajo pri raziskovanju dokazov, preizkušanju hipotez in prepoznavanju povezav, katerih odkrivanje bi sicer zahtevalo precej človeškega truda.
Hkrati ti sistemi niso neodvisni raziskovalci. Strokovna presoja, preverjanje in razumevanje področja so še naprej bistvenega pomena. Tudi visoko zmogljivi modeli se lahko zmotijo ali se zanašajo na nenavedene predpostavke. Toda lahko ustvarijo tudi podrobne, strukturirane argumente, ki si zaslužijo skrbno človeško proučitev in izpopolnitev. Zanesljivo doseganje napredka z umetno inteligenco je zato odvisno od delovnih tokov, v katera morajo biti tesno vpeti preverjanje, preglednost in sodelovanje.
Ta rezultat – če ga obravnavamo kot študijo primera – ponazarja nov način praktičnega raziskovanja, ki se še razvija. Modeli, kot je GPT‑5.2, lahko služijo kot orodja za podporo matematičnemu razmišljanju in za pospeševanje zgodnje faze raziskovanja, medtem ko so za pravilnost, razlaganje in kontekst še vedno odgovorni človeški raziskovalci. Če se takšni sistemi uporabljajo previdno, lahko pomagajo poenostaviti pomembne vidike teoretičnega dela, ne da bi pri tem izpodrinili osrednjo vlogo človeške presoje v znanstvenem raziskovanju.
