OpenAI GPT-5 早期科学加速实验

OpenAI 已发布一篇题为《GPT-5 的早期科学加速实验》的研究论文，记录了与大学和国家实验室的合作，以测试模型加速科学发现的能力。研究结果表明，虽然 GPT-5 不是自主科学家，但它通过综合已知结果、生成新颖证明和提出可检验的生物机制，为专家提供了强大的力量倍增器。

GPT-5 在科学工作流程中的作用

GPT-5 作为研究伙伴，能够扩大探索的表面积并缩短从假设到结果所需的时间。它不会自主运作，而是与定义议程、批评想法和验证结果的人类科学家协同工作。

在这些早期实验中识别出的关键能力包括：

• 概念文献搜索：模型能够识别思想之间的深层关系，并跨不同语言和较少被访问的来源检索相关材料，超越基于关键词的搜索。
• 理论推理：在数学和理论计算机科学中，GPT-5 能够在几分钟内生成可行的证明大纲，减少以前需要几天或几周的工作。
• 假设生成：在生物学等经验科学中，模型可以提出观察数据的机制，并设计特定的实验来在湿实验室中验证这些假设。
• 跨领域综合：模型可以将一个领域的正式定理（例如凸几何）与其他领域的应用联系起来，如密度估计和学习理论。

科学加速案例研究

数学和理论计算机科学

GPT-5 已经在解决开放问题和改进理论界限方面做出了贡献：

• 埃尔德什问题：研究者 Mehtaab Sawhney 和 Mark Sellke 使用 GPT-5 解决了埃尔德什问题 #848。该模型提供了一个关键见解，说明单个“格格不入”的数字如何限制集合的其余部分，这成为最终证明的缺失步骤。
• 凸优化：Sébastien Bubeck 使用该模型改进了关于梯度下降的定理。GPT-5 提出了更严格的步长界和更清晰的证明，Bubeck 通过手工验证了这一点。
• 在线算法：Christian Coester 利用 GPT-5 为凸体追逐问题构思难实例，从而得到比以前已知的更强的竞争比下界。
• 图论：该模型为树中的两个不等式生成了简洁优雅的证明，其中一个之前仅被猜测。

生物学和免疫学

在 Derya Unutmaz 博士领导的研究中，GPT-5 分析了未发表的流式细胞术散点图，以识别人类免疫细胞令人困惑的改变的机制。该模型认为， priming 过程中被破坏的 N-连接糖基化是驱动因素，并提出了 “甘露糖救援实验” 来证明这一点。实验室现有的数据完全匹配模型的预测。

物理学和宇宙学

• 黑洞对称性：在得到平坦空间的“热身”问题后，GPT-5 Pro 重建了 Kerr 黑洞波动方程隐藏的 SL(2,ℝ) 对称代数，与人类推导的结果相匹配。
• 宇宙学模型：Robert Scherrer 使用该模型进行推导的合理性检查，并在不同的暗能量参数化之间进行翻译，从而减少了代数错误。
• 聚变和等离子体物理：该模型有助于构建热核燃烧传播的简化物理模型，并确定了燃烧前沿的最优密度剖面。

技术限制和需求

尽管取得了这些成功，OpenAI 强调由于若干持续的失效模式，专家监督是强制性的：

• 幻觉：GPT-5 能够生成看似合理但实际错误的引用、机制或证明。
• 归属缺失：在涉及避团码的一起案例中，模型复制了先前研究论文中的正确论点但未标注来源，仅在新会话中被明确询问时才识别出原始工作。
• 敏感性：模型的性能可能对 “脚手架”（问题的框架方式）以及使用 “热身” 问题来激发其推理敏感。
• 推理错误：如果未得到人类专家的纠正，它可能会追随无生产力的推理路线。

未来轨迹

OpenAI 认为 GPT-5 的当前能力是一个基线，将随着计算和推理时间的增加而提高。实验室预计，如果模型能够在 20 分钟内协助解决一个研究问题，那么在允许模型花费数小时或数天来推理复杂问题时，将会产生更深层次的结果。