- GPT-5 Pro активно применяется учёными из разных областей для решения сложных научных задач и проектирования экспериментов.
- Модель помогает уточнять теоремы, восстанавливать скрытые симметрии и предсказывать новые эксперименты, ускоряя исследовательский процесс.
- При этом эффективность GPT-5 Pro зависит от навыков исследователя, а модель пока не лишена ошибок и галлюцинаций.
В недавней публикации OpenAI учёные из областей математики, физики, биологии и информатики поделились опытом использования GPT-5 Pro в реальных научных исследованиях. Ключевая концепция заключается в тесном взаимодействии между человеком и искусственным интеллектом: исследователь задаёт вопрос, предоставляет исходные данные, а ИИ выступает в роли интеллектуального партнёра, предлагая многочисленные варианты решений и помогая выявлять новые гипотезы.
Особенно впечатляющие результаты достигнуты в математике. Например, при работе над задачами оптимизации GPT-5 Pro сумел уточнить классическую теорему о поведении функции при градиентном спуске и вывел оптимальную границу шага. В другой работе, связанной с уравнениями вокруг вращающихся чёрных дыр, модель после тренировки на упрощённых задачах смогла восстановить полный набор скрытых симметрий, совпав с результатами человека. Также GPT-5 Pro подсказал недостающий шаг в задаче Пола Эрдёша по комбинаторике, что способствовало завершению доказательства старой гипотезы.
В иммунологии GPT-5 Pro быстро проанализировал экспериментальные данные по воздействию вещества 2DG на T-клетки, восстановив механизмы воспалительного состояния, которые ранее раскрывали месяцами. Модель также предсказала эффект обработки CAR-T-клеток, что подтвердили лабораторные опыты.
Кроме того, GPT-5 Pro применяют для глубокого поиска научной литературы. Модель обнаруживает редко упоминавшиеся решения и исправляет ошибки в постановках задач, выступая в роли «научного радара».
Однако авторы подчёркивают, что текущие успехи — это скорее примеры, а не систематический результат. GPT-5 Pro склонен к ошибкам: «галлюцинирует» несуществующие статьи, забывает важные оговорки, иногда уходит в тупиковые рассуждения и не всегда указывает первоисточники. В работе с моделью важен опыт учёного, умение правильно формулировать запросы и критически оценивать выводы искусственного интеллекта.
