OpenAI Advancing the Next Era of National Science

OpenAI는 미국 과학 인프라에 최첨단 AI 모델을 통합하기 위한 전략적 약속을 발표했으며, 미국 정부, 국립 연구소 및 대학과 파트너십을 맺었습니다. 이 이니셔티브는 최첨단 모델을 슈퍼컴퓨터, 시뮬레이션 및 특수 연구 시설과 결합함으로써 수십 년에 걸친 과학적 진보를 몇 년 안에 압축하는 것을 목표로 합니다.

Strategic Commitments to the Genesis Mission

OpenAI는 미국 에너지부(DOE)의 Genesis Mission을 지원하고 있습니다—DOE, 17개 국립 연구소, 대학 및 산업이 협력하여 10년 안에 미국 연구의 생산성과 영향을 두 배로 늘리려는 프로젝트입니다. 이를 달성하기 위해 OpenAI는 다음과 같은 자원을 제공합니다:

• Financial and API Support: OpenAI는 약 2,000명의 Genesis 연구자에게 Codex 접근 권한으로 400만 달러를, 두 개의 대규모 과학 캠페인에 대해 API 지원으로 300만 달러를 제공할 예정입니다.
• Usage Credits: 참여 연구자는 지출 250만 달러당 최대 1,000만 달러의 API 사용 크레딧을 받을 수 있습니다.
• Specialized Model Access: 자격이 있는 생물학 프로젝트를 수행하는 선정된 국립 연구소 연구자들은 GPT‑Rosalind의 특화된 바이오과학 기능에 접근할 수 있습니다.
• Cybersecurity and Early Access: 신뢰받는 국립 연구소 리더들은 선정된 모델 및 기능에 대한 조기 접근 권한을 받으며, 선정된 사이버보안 연구자들은 방어 연구를 위한 고급 사이버 기능에 대한 확대 접근 권한을 받게 됩니다.

Targeted Scientific Campaigns

OpenAI는 두 개의 초기 대규모 캠페인에 집중적인 자원을 투입하여 AI를 어려운 국가 과제에 적용하는 반복 가능한 방법을 구축하고자 합니다:

Breakthroughs for High-Temperature Superconductors

이 캠페인은 최첨단 AI, 시뮬레이션, 재료 전문 지식 및 실험을 결합하여 더 높은 온도와 실용적인 압력에서 작동하는 초전도 물질을 탐구합니다. 잠재적 적용 분야에는 에너지, 교통, 의료, 과학 기기 및 국가 안보가 포함됩니다.

An Atlas of the Machine-Accessible Frontier

이 캠페인은 기존 지식, 데이터 및 계산을 활용해 AI가 의미 있는 과학적 진전을 지원할 수 있는 영역을 식별하고, 연구자들이 현재 AI로 해결 가능한 문제와 여전히 물리적 증거가 필요한 문제를 구분하도록 돕는 것을 목표로 합니다.

Existing Collaborations and Infrastructure

OpenAI의 현재 노력은 국립 연구소 시스템 내 여러 기존 이니셔티브를 기반으로 합니다:

• High-Performance Computing: 고급 추론 모델이 Los Alamos National Laboratory의 슈퍼컴퓨터 Venado에 배치되어 National Nuclear Security Administration 연구소들이 공유 자원으로 활용하고 있습니다.
• Bioscience Evaluations: Los Alamos와 협력하여 OpenAI는 실제 실험실 환경에서 멀티모달 AI 시스템의 안전한 사용을 연구하기 위한 평가 도구를 개발했으며, 이를 통해 기회와 위험을 동시에 파악하고 있습니다.
• Researcher Feedback: 9개 국립 연구소와 1,000명 이상의 과학자가 참여한 "AI Jam Session"이 진행되어 도메인별 문제에 대한 최첨단 모델 테스트가 이루어졌습니다.

The Collaborative Model for National Science

OpenAI는 과학 분야에서 AI 잠재력을 실현하려면 여러 부문이 협력해야 한다고 주장합니다. 이 모델에서 정부는 우선순위를 조정하고 공유 인프라에 투자하며, 연구소와 대학은 문제를 정의하고 과학적 기준을 유지합니다. 산업계는 최첨단 기술과 엔지니어링 전문성을 제공하고, 연구자는 질문을 정의하고 방법을 선택하며 결과를 검증함으로써 과정의 중심에 남게 됩니다.