💥 Dziś mówimy „cześć świecie” z OpenAI dla nauki. Publikujemy artykuł pokazujący 13 przykładów, jak GPT-5 przyspiesza badania naukowe w dziedzinie matematyki, fizyki, biologii i nauk o materiałach. W 4 z tych przykładów, GPT-5 pomógł znaleźć dowody na wcześniej nierozwiązane problemy.

Naszym celem jest być wyważonym, ale optymistycznym. Pokazujemy, na konkretnych przykładach, co GPT-5 może, a czego nie może zrobić dzisiaj, i przedstawiamy jasną ścieżkę, jak badacze mogą go wykorzystać do przyspieszenia odkryć naukowych, jednocześnie utrzymując wysokie standardy. Wierzymy, że GPT-5 już teraz dostarcza znaczną wartość dla badaczy naukowych i stanie się jeszcze potężniejszym narzędziem jutro.

To nie tylko dowody na nierozwiązane problemy. Są codzienne przykłady przyspieszenia, jak wtedy, gdy GPT-5 może zaoszczędzić godziny, wykonując trudne obliczenia. To niesamowity partner do burzy mózgów w poszukiwaniu nowych pomysłów dzięki ogromnej wiedzy naukowej, którą rozumie. A jego zdolności w zakresie wyszukiwania literatury są niesamowite — dopasowując koncepcje w różnych dziedzinach i językach.

Jednym z moich ulubionych cytatów w artykule jest wypowiedź fizyka Roberta Scherrera: „Zgromadziłem wiele takich nierozwiązanych, interesujących problemów matematycznych, które frustrowały mnie przez moją 40-letnią karierę badawczą. Wiele z nich wydaje się szczególnie dobrze dopasowanych do rozwiązań AI. Od dawna czekałem na ten moment.”

GPT-5 nie rozwiązuje jeszcze ogromnych otwartych problemów, takich jak hipoteza Riemanna czy przyczynianie się do Programu Langlandsa. Ale pomysł, że rozmawialibyśmy o LLM dostarczającym dowodów na nierozwiązane problemy, byłby absurdalny rok temu. Dlatego fakt, że dzisiaj rozwiązujemy małe i średnie nierozwiązane problemy, oznacza, że w przyszłości rozwiążemy większe problemy. A przyszłość w AI nadchodzi szybko.

Chcę serdecznie podziękować naszym współautorom: Christianowi Coesterowi, Timothy'emu Gowersowi (@wtgowers), Mehtaabowi Sawhneyowi, Robertowi Scherrerowi, Brianowi Spearsowi (@bkspears9), Deryi Unutmaz (@DeryaTR_) oraz Nikicie Zhivotovskiemu. Szczególne podziękowania dla @SebastienBubeck, @ALupsasca i @MarkSellke za intensywną współpracę nad artykułem oraz dla pozostałych naszych kolegów, którzy wnieśli swój wkład.

I oczywiście, dokument! Jest tutaj podlinkowany i powinien być dostępny wkrótce. Czekam na wasze myśli! 2026 będzie szalone.