OpenAI 披露 GPT-5 科研实验：攻克数学难题、数分钟揪出免疫机制

科学家卡在一个未解难题的最后一步几个月甚至几年，这种痛苦搞科研的人都懂。OpenAI 最近联手牛津、剑桥、伯克利和劳伦斯利弗莫尔等顶尖高校与国家实验室，发了一篇论文，专门讲他们怎么用 GPT-5 帮科学家搬开这些绊脚石。

这篇论文整理了数学、生物、物理和计算机等多个学科的一线案例。这不是给论文润色文字，而是实打实参与到了前沿科研的核心推演中。

帮数学家攻坚，替免疫学家猜机制

最显眼的一个成果在纯数学领域。研究员 Mehtaab Sawhney 和 Mark Sellke 当时正在啃数学家保罗·埃尔德什几十年前留下的一道未解难题。两人卡在最后一步动弹不得，结果 GPT-5 提出了一个新思路，指出了某个奇数是如何打破原有规律的，顺着这个提示，他们最终把整个证明补全了。

在生物学上也是类似的故事。Derya Unutmaz 的团队困惑于人类免疫细胞里的一种奇怪变化，苦思冥想了几个月都没头绪。他们把一张还没发表的图表丢给 GPT-5，模型几分钟内就猜出了可能的生物机制，甚至直接设计了一个实验方案，后来实验还真做成了。

另外在算法与优化领域，研究人员 Sébastien Bubeck 和 Christian Coester 想测试机器人和路径规划里常用的某种决策方法到底靠不靠谱。GPT-5 直接构造出一个全新的具体反例，证明这套方法在某些情况下会失效，顺手还改进了一个经典的优化理论结果。

除了硬核解题，研究人员发现它在文献检索上也变聪明了。它不再只是对关键词做全文匹配，而是能在不同语言和冷门文献之间做概念层面的跳跃关联，帮学者翻出之前完全不知道的相关论文。

还没到放手让它自跑的时候

不过 OpenAI 自己也把话说得很克制。论文里展示的案例全都是精挑细选的成功样本，根本算不上系统性评测，更没把模型踩坑翻车的全貌呈现出来。

现在的 GPT-5 离独立搞科研差得还很远。它经常会煞有介事地捏造论文引用，胡编看似合理但完全错误的生物机制或数学证明；如果一开始没有给它做好问题铺垫，它还会顺着错误的逻辑一路跑偏。

说白了，它现在必须绑着顶级专家一起用。专家负责定方向、提要求、挑刺和下地做湿实验验证，模型负责提供发散的脑洞和高速并行推演，谁也离不开谁。

为什么重要

我们认为，OpenAI 这次展示的思路挺聪明。过去几年做 AI for Science 的团队大多扎堆在专用模型里，比如预测蛋白质结构的 AlphaFold 或是专门做流体仿真的小模型。OpenAI 换了一条路，用通用大模型的跨领域概念联想能力，去填补专家思维里的盲区，再结合专用的代数系统或仿真工具。

对一线科研人员来说，如果你平时深陷在复杂的推导或者冷门文献里，现在完全值得把大模型拉进工作流，当成一个不知疲倦的讨论搭子。但它的门槛极高，使用者必须具备一眼识破模型胡说八道的能力，否则就会被幻觉带进沟里。

隐患也恰恰在这里。科学研究容不得半点虚假，模型这种看起来头头是道但暗藏漏洞的生成能力，很可能会生产出大量看似严谨实则有毒的低劣科研垃圾。未来学术界可能不得不把大量精力花在防范 AI 制造的假证明和假机制上。

看起来，只要把推演时间和算力拉长，未来模型能做的事情还会更多。但至少在当下，它依然只是一把极其锋利、却随时可能划伤自己的快刀。