OpenAI：GPT - 5 模型正助力减轻科学家日常工作负担

IT 之家 11 月 21 日消息，OpenAI 官方于昨天发布《GPT - 5 科学加速报告》论文，展示了科学家们在日常工作中对 AI 的运用情况。

论文中提到，数学家借助 GPT - 5 证明公式，物理学家用它进行对称性分析，免疫学家则利用它细化假设并设计实验。

OpenAI 研究员 Noam Brown 否认了“生成式 AI 只会简单复述互联网内容”的观点。他觉得 GPT - 5 等模型涵盖了人类写作过程的完整范围，并且强化学习能够推动 AI 模型超越“复读”水平。

他将 GPT 与谷歌的“阿尔法狗”（AlphaGo）下棋机器人作对比，指出阿尔法狗先学习人类棋谱，之后通过强化学习创造出当时被视为错误但最终是正确的棋法。

Noam 认为，真正的科学比下围棋复杂得多，尽管 AI 还未超越顶尖科学家，但大语言模型已在实际研究中做出了有意义的贡献。他提出，未来科学领域或许会迎来类似围棋界“黑 37 手”的时刻。

IT 之家注：“黑 37 手”指的是 2016 年 3 月阿尔法狗与韩国九段棋手李世乭第一局比赛中的第 37 手落子。当时阿尔法狗执黑，在上方第 5 线靠近星位的位置下了第 37 手，这一着被当时的职业选手认为极不合理、违背常规棋理。

然而，随着棋局进入后场，这一招成为全局制胜的关键，证明了 AI 具备创造性思考能力，它不只是模仿人类下棋，还能计算和探索人类未曾想到的路径，代表 AI 能创造新知识，而非照搬旧知识。

回到正文，GPT - 5 的显著优势之一是能帮助研究人员找到被大量出版物和术语变化掩盖的相关论文。最终实验表明，GPT - 5 能在数秒内生成完整证明，相比之下，英国数学家蒂莫西・高尔斯完成同样的推理任务需要一个多小时。

在生物学中，研究人员常问 GPT - 5 某化合物为何会导致某种表现型，GPT - 5 能提供合理的因果链和实验关系。

同时，GPT - 5 还能充当“技术批评者”，分析实验可能失败的原因，但并非在所有场景都有效，有时需要对其进行质疑它才会自我纠正，不过这一过程能为科学家提供有价值的见解。

不过，GPT - 5 并非十全十美，它尚未解决版权归属和原创性问题，有时会夸大不完整的结果，还存在“偏科”现象，在数学、理论物理、算法等形式化学科上的表现优于其他学科。

总体而言，科学家已使用 GPT - 5 处理实际科研任务，它具有一定实用性但未突破常规，同时人类仍主导着绝大部分研究方向与审查工作。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com