Az OpenAI tudományos blogot indít, amelyen kutatók oszthatják meg, mire jutottak a mesterséges intelligencia segítségével, és milyen módszereket alkalmaztak munkájuk során. A vállalat szerint a tudományos felfedezések felgyorsítása hozzájárulhat ahhoz a céljához, hogy az általános mesterséges intelligencia (AGI) az egész emberiség javát szolgálja.
A blog több tudományterületet kíván lefedni. Beszámol majd az OpenAI, együttműködő partnerei és a tágabb tudományos közösség új eredményeiről és folyamatban lévő kutatásairól. Gyakorlati példákat is közöl arra, hogyan használhatók a vállalat modelljei tudományos számításokhoz, adatelemzéshez, szakirodalom feltérképezéséhez és kísérletek tervezéséhez. Ezekben a módszerek ellenőrzésére és korlátaira is kitérnek.
A tervek között szerepelnek kutatói beszámolók arról, hogyan hat a mesterséges intelligencia az egyes szakterületekre, valamint írások a tudományos gyakorlat nyitott kérdéseiről és az eszközök szélesebb körű hozzáférhetőségéről. Az OpenAI hangsúlyozza, hogy a tudományos előrelépések – például a gyógyszerek vagy az energiaforrások terén – gyakran olyan alapvető kérdések vizsgálatából erednek, amelyek gyakorlati jelentősége csak évekkel később válik világossá.
Matematikai és biológiai példák
A vállalat szerint modelljei az elmúlt hónapokban egyre többféle tudományos problémával foglalkoztak. Szeptemberben egy belső OpenAI-rendszer a folyadékok mozgását leíró egyenletekhez kapcsolódó Navier–Stokes-egzisztencia- és simasági problémára vonatkozó bizonyítást állított elő. Október elején a vállalat több matematikai eredményt tett közzé; ezek között szerepelt a kvázi-Riemann-hipotézissel kapcsolatos eredmény, amely pontosítja a becsléseket arra, hány prímszám kisebb egy adott számnál.
Október későbbi részében az OpenAI matematikai, számítástudományi és fizikai eredményekről is beszámolt. Ezek a hullámok koncentrálódásával, a hatékony számítás korlátaival és az interlacing kvantumtérelmélet matematikai alapjaival foglalkoztak.
A biológiában a kutatók összetett adathalmazok elemzésére, különböző területek eredményeinek összekapcsolására és laboratóriumban tesztelhető hipotézisek kidolgozására használják a mesterséges intelligenciát. Az OpenAI a PerturbAI és a Scripps Research közreműködésével olyan munkáról számolt be, amelyben több ezer, GPT-Rosalind által működtetett ágens 32 perc alatt elemezte több millió egér-agysejtből származó, meglévő kísérleti adatokat. A génműködés megzavarásának hatásait a tudományos szakirodalommal összekapcsolva lehetséges biológiai mechanizmusokat azonosítottak, amelyeket a kutatók tesztelhetnek.
Más kutatók saját módszereket fejlesztenek. César de la Fuente csapata a ChatGPT-t és a Codexet használja olyan algoritmusok készítéséhez, amelyek lehetséges antibiotikus hatású molekulákat azonosítanak. A csapat ezután előállítja és laboratóriumban teszteli a molekulákat.
Változó tudományos gyakorlat
Az új lehetőségek a kutatás menetét is érintik. A matematikában a bizonyításokat előállító rendszerek felvetik, hogyan ellenőrizhetők és magyarázhatók az új érvek, illetve miként épülhetnek be a szakterület eredményei közé. A kísérleti tudományokban több hipotézis vizsgálata új lehetőségeket teremt, de nehezebbé is teheti annak eldöntését, mely kísérleteket érdemes elvégezni.
Az OpenAI szerint a különböző tudományterületeken a képzés, a munka megfelelő elismerése és a szükséges készségek kérdéseit is mérlegelni kell. A hatások szakterületenként eltérnek, ezért a tudományos közösségeknek is szerepet kell kapniuk az eszközök használatának alakításában.



