OpenAI 发布 GPT-5 加速科学研究

OpenAI 发布的《Early science acceleration experiments with GPT-5》是与 Vanderbilt、UC Berkeley、Columbia、Oxford、Cambridge、Lawrence Livermore National Laboratory、The Jackson Laboratory 等机构合著的报告，汇集 GPT-5 在数学、物理、生物、计算机科学、天文与材料科学中的早期使用案例。报告同时披露能力上限与失败模式，目的是给科研社区一个清晰的现状参照，而非定性宣称模型已具备独立科研能力。

几个被作为代表的案例值得关注。生物学方向，Derya Unutmaz 团队此前花数月解释一组人类免疫细胞的异常变化，GPT-5 在数分钟内从一张未发表的图表中识别出可能机制并建议了验证实验，实验最终证实模型给出的方向。数学方向，Mehtaab Sawhney 与 Mark Sellke 在求解 Paul Erdős 提出的一个长期开放问题时被卡在收尾环节，GPT-5 提出了一个关于奇数如何打破规律的新观察，帮助他们完成证明。算法与优化方向，Sébastien Bubeck 与 Christian Coester 在审视一种常用于 robotics 与 routing 的决策方法时，依靠 GPT-5 给出了一个明确的失败反例，并改进了一项经典最优化结果。

报告强调当前的有效使用模式是 human–AI 团队协作：研究者定义问题、选择方法、批评思路与验证结论，GPT-5 提供广度、速度与并行探索能力。OpenAI 同时把这一方向打包为 OpenAI for Science 计划，主张前沿模型与 simulation engines、protein databases、computer algebra systems 等专业工具并行使用。对读者的实际含义是，把 GPT-5 当作有学习曲线的协作者，而非全自动求解器，提问、回推与独立验证仍是科研者的核心工序。