ИИ в научной гонке

OpenAI опубликовала исследование, в котором утверждает: пользователи всё активнее используют ChatGPT как полноценного научного напарника. По их данным, каждую неделю по всему миру отправляется около 8,4 миллиона сообщений, посвящённых сложной науке — математике, физике, биологии, химии и инженерии. Примерно 1,3 миллиона человек, от студентов до исследователей, применяют модель в серьёзной работе, напоминающей уровень магистратуры и активных научных проектов.

Особое внимание в отчёте уделено математике. Модели GPT‑5.2, как утверждает OpenAI, способны выдерживать длинные цепочки логических рассуждений, проверять собственные решения и даже работать с формальными доказательными системами вроде Lean. Компания подчёркивает, что система показала «золотой уровень» на Международной математической олимпиаде 2025 года и частично справилась с задачами набора FrontierMath. Более того, алгоритмы якобы внесли вклад в решения некоторых открытых задач Эрдёша, а математики подтвердили их корректность.

OpenAI честно признаёт: модели не создают новые математические теории с нуля. Но они комбинируют известные идеи и находят связи между областями, ускоряя процесс формальной верификации и поиска доказательств. Похожие успехи описаны и в других науках. На уровне выпускных экзаменов — таких как GPQA — модели набирают свыше 92% без подключения внешних инструментов.

В отчёте говорится, что физические лаборатории используют ИИ для объединения симуляций, экспериментальных логов, документации и даже систем управления оборудованием, параллельно проверяя теоретические идеи. В химии и биологии ChatGPT соединяют с узкоспециализированными инструментами вроде графовых нейронных сетей или систем анализа структуры белков. Это сочетание должно повысить надёжность и при этом оставить за человеком ключевые решения.

OpenAI связывает всё это с глобальным контекстом: наука движется медленно, требует огромных ресурсов и зависит от небольшой группы людей, создающих основополагающие открытия. Например, разработка лекарств занимает десятилетия. По словам компании, исследователи всё чаще используют ИИ, чтобы автоматизировать рутинные задачи: написание кода, анализ литературы, обработку данных, помощь в симуляциях, планирование экспериментов. Приводятся кейсы — от ускорения математических доказательств до ускоренной разработки белков в RetroBioSciences, где, как утверждается, ИИ сократил сроки с лет до месяцев.

Однако отчёт сопровождается оговорками. Независимой проверки большинства утверждений пока мало. Остаются вопросы: насколько устойчивы полученные результаты, насколько они универсальны и действительно ли приводят к долгосрочному научному прогрессу. Эффект впечатляет, но масштаб и долговечность этих достижений предстоит установить.