OpenAI 发布 GPT-5 科学加速早期实验论文

用 GPT‑5 加速科学的早期实验

我们从与科学家的合作中学到了什么。

加载中…

科学塑造着从人类健康到能源生产、从国家安全到我们对宇宙的理解的一切。如果 AI 能够加速科学——缩短产生新想法所需的时间，或缩短从一个想法到经过验证的结果所需的时间——其益处将在整个社会中不断累积。

但创新的步伐仍然是一个制约因素。即使正确的想法已经存在，将其转化为产品或疗法也可能需要数年时间。在一项近期调查⁠（在新窗口中打开）中，60% 的美国人表示科学和医学突破惠及他们的速度太慢；73% 的人表示我们需要更好的方式来加速发现；69% 的人将科学领导力列为国家首要任务。

今天，我们发布《用 GPT‑5 进行的早期科学加速实验⁠（在新窗口中打开）》，这是一篇与范德堡大学、加州大学伯克利分校、哥伦比亚大学、牛津大学、剑桥大学、劳伦斯利弗莫尔国家实验室和杰克逊实验室等大学和国家实验室的合作者共同撰写的论文。它汇集了数学、物理学、生物学、计算机科学、天文学和材料科学领域的早期案例研究，在这些研究中，GPT‑5 帮助研究人员以新颖的方式综合已知结果、进行强大的文献综述、加速艰难的计算，甚至为未解决的命题生成新颖的证明。论文也记录了局限性。我们的目标是让社区清楚地了解这些系统目前在研究环境中能做什么、不能做什么。

这些案例研究展示了在专家手中，GPT‑5 如何加速科学发现，以及为什么这种加速至关重要：

生物学：在一项由医学博士 Derya Unutmaz 领导的研究中，科学家们花了数月时间试图解释人类免疫细胞中一个令人费解的变化。GPT‑5 在几分钟内就从一张未发表的图表中识别出可能的机制，并提出了一个实验加以证明。这种速度可以帮助研究人员更快地理解疾病并开发更好的治疗方法。
数学：在另一个案例中，研究人员 Mehtaab Sawhney 和 Mark Sellke 正在攻克一个最初由 Paul Erdős 提出的数十年未解难题。他们卡在最后一步，而 GPT‑5 贡献了一个新想法，说明某个奇数如何打破该模式，帮助他们完成了证明。这样的进展强化了许多算法和安全技术最终所依赖的数学基础。
算法与优化：研究人员 Sébastien Bubeck 和 Christian Coester 正在检验一种常用于机器人和路径规划的决策方法是否像人们以为的那样可靠。GPT‑5 找到了一个新的、清晰的例子，表明该方法可能失败，同时还改进了优化领域的一个经典结果——优化是用数学来找出解决问题的最佳方式。这类进展有助于工程师更好地理解用于机器人、路径规划和其他现实应用的决策系统。

什么是 OpenAI for Science？

OpenAI for Science 的使命是加速科学发现：帮助研究人员探索更多想法、更快地检验假设，并揭示原本需要大量时间才能获得的洞见。我们通过将前沿模型与合适的工具、工作流和协作相结合来实现这一目标。

我们与学术界、产业界和国家实验室的研究人员紧密合作。这些合作帮助我们理解模型在哪些方面有用、在哪些方面会失败，以及如何将它们整合到科学流程中——从文献综述和证明生成，到建模、仿真和实验设计。

我们的方法结合了两个互补的信念。专业科学工具，如仿真引擎、蛋白质数据库和计算机代数系统，对于效率和精度至关重要。与此同时，扩展基础模型持续解锁新的推理能力：跨领域连接想法、勾勒证明、提出机制，并以概念而非关键词的方式驾驭大量文献。在存在专业工具的地方，我们希望使用它们；在需要通用推理的地方，我们构建旨在处理它的模型。这两条路径相互强化。

科学家如今如何与 GPT‑5 协作

最有意义的进展来自人类与 AI 的团队协作。科学家设定议程：他们定义问题、选择方法、批判想法并验证结果。GPT‑5 贡献广度、速度以及并行探索多个方向的能力。

有效使用 GPT‑5 是一项技能。研究人员学习如何提出问题、何时反驳、如何将问题分解为步骤，以及哪些内容需要独立验证。富有成效的工作往往看起来像对话——研究人员与模型反复迭代，直到一个有前景的方向浮现，或者该想法被放弃

GPT‑5 在科学工作中的当前状态

在这些早期研究中，GPT‑5 似乎能够在专家使用时缩短研究流程的部分环节。它不会自主运行项目或解决科学问题，但它可以扩大探索的范围，并帮助研究人员更快地走向正确结果。

一项正在显现的能力是概念性文献搜索。GPT‑5 通常能够识别想法之间更深层的联系，并跨语言和较难获取的来源检索相关材料。研究人员报告说，他们找到了此前不知道的参考文献、联系和论文。
在数学和理论计算机科学中，由于结构明确且反馈循环快速，GPT‑5 尤其有帮助。数学家已使用 GPT‑5 在几分钟内生成可行的证明大纲，将原本可能需要数天或数周的工作加以转变。在物理学和计算领域，该模型可以提出简化变换，或指向其他领域中的类似结构。
在生物学和其他实证科学中，该模型可以提出机制，并设计实验以在湿实验室中验证这些假设。

我们已经超越了模型仅总结现有知识的阶段。如今，GPT‑5 的早期贡献可以在专家监督下切实帮助研究人员。改进的速度表明，随着能力和工具的进步，有可能实现更深入的加速。

这在实践中是什么样子：几个案例研究

在科学前沿独立重新发现已知结果

深度文献搜索

与 AI 协同工作

借助 AI 获得的新科学结果

局限性

这些案例研究是精心挑选的示例，用以展示 GPT‑5 在哪些方面发挥了作用；它们并非系统性的样本，也未涵盖所有失败模式。专家监督仍然必不可少。GPT‑5 有时会编造看似合理的引用、机制或证明；它可能对脚手架和热身问题敏感；它有时会忽略特定领域的细微之处；如果不加以纠正，它可能会沿着无益的推理路线走下去。这些都是活跃的研究领域，我们正在与合作伙伴一起，在改进未来系统的过程中衡量并缓解这些失败。

下一步是什么

综合来看，这些早期研究表明，GPT‑5 正开始协助新型的科研工作。该模型并非自主运行，但在专家手中，它可以帮助证明定理、重新发现并扩展结构、揭示跨领域联系，并生成供科学家验证的机制和实验。

我们还看到一种趋势：这些系统会随着更多时间和算力的投入而改进。如果 GPT‑5 能在 20 分钟内对某些研究问题提供有意义的帮助，那么当模型能够花数小时甚至数天推理一个问题时，我们预期会得到更深入的结果。与世界级科学家相结合，这指向了科学生产力随时间推移发生阶跃式变化的可能性。

2025

作者

Kevin Weil