我们启动 OpenAI 科学博客,是为了给科学家和学术研究者提供一个场所,分享他们借助 AI 所发现的东西以及他们开展工作的方式。我们的使命是确保 AGI 惠及全人类,而加速科学发现是我们朝着这一目标努力的最有影响力的方式之一。

我们将发布涵盖广泛科学学科的工作,包括:

  • 研究与发现:来自 OpenAI、我们的合作者以及更广泛科学界的新科学成果和正在进行的研究进展。

  • 方法与实践指导:科学家如何使用我们的模型完成科学计算、数据分析、文献探索和实验规划等任务的示例。我们将分享其他人可以借鉴的方法,包括如何核查工作以及方法在哪些方面存在不足。

  • 来自科学界的观点:使用 AI 的研究者的第一手叙述,他们正在学到什么,以及这些能力如何影响他们的学科。我们还将讨论关于科学实践的开放性问题,以及如何让这些工具对更多人有用。

科学拓展了我们对世界的理解,并使进步成为可能,从更好的药物到新的能源来源。许多这样的进步始于基础性问题,其实际意义往往在多年之后才变得清晰。

近几个月来,我们看到我们的模型能够处理的科学问题范围不断扩大。9 月,一个 OpenAI 内部系统产生了一个证明,解决了 Navier–Stokes 存在性与光滑性问题⁠,这是一个关于描述流体运动的方程的长期悬而未决的问题。10 月初,我们发布了一系列广泛的数学成果⁠。其中包括一项关于准黎曼假设⁠(在新窗口中打开),其结果改进了对给定数值以下有多少素数的估计。当月晚些时候,我们分享了横跨数学、计算机科学和物理学的成果⁠,涉及波如何集中、高效计算的极限,以及交错量子场论的数学基础。

在生物学领域,研究人员正在使用 AI 分析复杂数据集、连接跨领域的发现,并提出新的假设以便在实验室中验证。与 PerturbAI 和 Scripps Research 合作⁠,由 GPT‑Rosalind 驱动的数千个智能体在 32 分钟内分析了来自数百万个小鼠脑细胞的现有实验数据。通过将基因干扰的影响与科学文献联系起来,它们识别出了可供科学家验证的潜在生物学机制。研究人员也在开发自己的方法:César de la Fuente 的团队使用 ChatGPT 和 Codex⁠来构建能够识别潜在抗生素分子的算法,随后他们在实验室中合成并测试这些分子。

这些能力为科学实践带来了新的可能性和变化。在数学领域,能够生成证明的系统引发了关于如何检查、解释新论证并将其纳入该领域的问题。在实验科学中,探索更多假设在决定开展哪些实验方面既创造了机会,也带来了挑战。在各学科中,研究人员正在思考这些工具对培训、署名归属以及其工作所需技能意味着什么。其影响将因领域而异,科学界应帮助塑造这些工具的使用方式。

我们希望这篇博客能帮助更多人理解 AI 正在如何改变科学,以及他们如何利用 AI 探索新问题并做出自己的发现。