11月21日，OpenAI官方发布了一篇名为《GPT-5 科学加速报告》的论文，展示了科学家们在日常科研工作中如何有效运用人工智能技术。
论文中提到，数学家利用GPT-5进行公式证明，物理学家将其用于对称性分析，而免疫学家则通过它来细化假设并设计实验方案。
OpenAI研究员Noam Brown明确表示，他认为”生成式AI只会简单复述互联网内容”的观点是错误的。他强调，GPT-5等模型不仅捕捉到了人类写作过程中的完整谱系，而且通过强化学习（Reinforcement learning）能够使AI超越简单的”复读”水平。
Brown以谷歌的AlphaGo机器人作为对比对象。他指出，AlphaGo最初是通过学习人类棋谱开始，随后借助强化学习创造出了当时被认为不合理但最终证明正确的围棋走法。
尽管认为科学研究比下围棋复杂得多，Brown仍然认为大语言模型已经在实际研究中产生了有意义的贡献。他预测，未来科学领域可能会迎来类似围棋界的”黑37手”时刻。
所谓的”黑37手”是指在2016年AlphaGo与韩国九段棋手李世乭的第一局比赛中，AlphaGo执黑在上方第五线靠近星位的位置下了第37手。这一招当时被职业选手认为极不合理、违背常规棋理。
然而，随着棋局的发展，这步棋最终成为了全局制胜的关键。它证明了AI不仅具备创造性思考能力，还能探索人类未曾想到的路径，从而创造新知识，而不仅仅是模仿旧知识。
回到GPT-5的应用，其显著优势之一是能够帮助研究人员突破大量出版物和术语变化带来的信息障碍。实验结果表明，GPT-5可以在数秒内生成完整的证明，这与英国数学家蒂莫西·高尔斯需要超过一个小时完成的推理任务形成了鲜明对比。
在生物学领域，研究人员通常会向GPT-5提出问题：”某化合物为何会导致某种表现型？”而GPT-5能够提供合理的因果链和实验关系。
此外，GPT-5还能担任一名”技术批评者”的角色，分析实验可能失败的原因。不过，在某些情况下，GPT-5需要在质疑后进行自我纠正，但这一过程为科学家提供了宝贵的洞察。
当然，GPT-5并非完美无缺，它仍然面临一些挑战，例如版权归属和原创性问题。此外，GPT-5有时会夸大不完整的结果，并且在数学、理论物理、算法等学科上表现得比其他领域更好。
总的来说，科学家已经在实际科研任务中使用GPT-5，它确实具有实用价值，但尚未达到突破常规的水平。同时，人类仍然主导着绝大部分研究方向与审查工作。
相关文章
