新智元報道

編輯：peter東

【新智元導(dǎo)讀】2026年，AI成了科學(xué)家的新戰(zhàn)友：從三個晚上破解40年優(yōu)化難題，到18分鐘重現(xiàn)黑洞隱藏對稱性，ChatGPT正把前沿發(fā)現(xiàn)速度提升數(shù)倍乃至數(shù)十倍，科學(xué)加速的時代已然來臨！

超級人工智能ASI的「S」可能是「Science」的「S」。

AI在科學(xué)研究領(lǐng)域，已開始大展拳腳。

OpenAI科學(xué)副總裁Kevin Weil預(yù)測，2026年AI將在科學(xué)領(lǐng)域如2025年在軟件工程般普及。

從量子世界到黑洞邊緣。從蛋白質(zhì)設(shè)計到新藥研發(fā)。ChatGPT正在全領(lǐng)域加速科學(xué)發(fā)現(xiàn)。

用ChatGPT

三個晚上數(shù)學(xué)家完成證明

數(shù)學(xué)?？茖W(xué)的皇后。也是最考驗智力的領(lǐng)域。

兩年前，大模型還在基礎(chǔ)算術(shù)上跌跌撞撞。如今，GPT-5.2已在國際數(shù)學(xué)奧林匹克競賽中斬獲金牌。

就如一年前，AI編程還只能補(bǔ)全代碼，如今已能獨立開發(fā)app了。

在2023年的時候，數(shù)學(xué)家Ernest Ryu嘗試讓ChatGPT安排一個完整的棒球賽季賽程。

這需要精確處理硬約束（如避免賽程沖突）和軟約束（如旅行休息日）。

當(dāng)時的模型在處理復(fù)雜的約束條件時仍顯稚嫩，時常遺漏關(guān)鍵條件，在更實際的復(fù)雜日程安排上敗下陣來。

2025年，OpenAI在國際數(shù)學(xué)奧林匹克競賽中斬獲金牌，Ryu看到了AI能力的飛躍。

他之前測試過的同類調(diào)度問題，如今能被可靠地解決了。

這一成功給了他極大信心，他開始將ChatGPT融入日常學(xué)術(shù)工作，比如在編寫講義時，向AI詢問那些他確信為真但一時想不起證明過程的教學(xué)結(jié)論。

在看到AI的回答效果不錯后，Ryu決定將AI用于真正的學(xué)術(shù)研究。他選擇了一個與「Nesterov加速」相關(guān)的開放性問題。

連續(xù)三個晚上，Ryu與AI展開了密集的協(xié)作攻關(guān)。AI首先給出了一個包含計算錯誤的初始證明。

Ryu糾正錯誤，在不斷增長的對話提示中保留正確的中間步驟，果斷放棄死胡同，并將模型引導(dǎo)向新的思路。

Ryu將這個過程形象地比喻為「走迷宮」——在迷宮中轉(zhuǎn)彎、開門，有時發(fā)現(xiàn)是死路，但同時在心里繪制著哪些路徑失敗、哪些有希望的地圖。

他感到，ChatGPT將他「走迷宮」的速度提升了3到10倍。

在第三個晚上，AI實現(xiàn)了一個微小但關(guān)鍵的思維躍遷，其產(chǎn)生的論證「看起來不同」，正是這個不同之處，成功解鎖了整個證明。

Ryu異常謹(jǐn)慎，他「反復(fù)檢查了不止三遍」，并請學(xué)生再次驗證。

隨后，他將這一成果分享給優(yōu)化領(lǐng)域的學(xué)術(shù)社區(qū)，引起了同行們的驚訝和興奮。

最終，他們通過一個提示就將連續(xù)時間下的結(jié)果轉(zhuǎn)化為了離散時間的算法陳述，核心創(chuàng)新部分凝練成一頁紙的新穎內(nèi)容，達(dá)到了可發(fā)表的水平。

這場成功的合作，也改變了Ryu的職業(yè)軌跡。此后，他加入了OpenAI的合成數(shù)據(jù)團(tuán)隊，核心使命正是繼續(xù)提升模型的數(shù)學(xué)能力。

AI在各學(xué)科百花齊放

不止是數(shù)學(xué)，理論物理學(xué)者Alex Lupsasca也驚訝于當(dāng)下AI的強(qiáng)力。

他花了數(shù)年培養(yǎng)相關(guān)技能，又投入了數(shù)月時間進(jìn)行攻關(guān)才推出的黑洞潮汐響應(yīng)方程。之后他試著將這個方程交給了GPT-5 Pro，只給予最少的指導(dǎo)。

模型進(jìn)入了「思考」模式。大約18分鐘后，它返回了完全相同的對稱性生成元。

AI在短短18分鐘內(nèi)，再現(xiàn)了他以深厚積累和長期努力才獲得的關(guān)鍵發(fā)現(xiàn)。這一經(jīng)歷促使Lupsasca加入了OpenAI。

他現(xiàn)在的使命，是推動AI在科研中的應(yīng)用超越一次性的成功案例，邁向可重復(fù)、系統(tǒng)化的科學(xué)加速。

他的目標(biāo)是開發(fā)更好的工具來閱讀和解釋論文，構(gòu)建比單一聊天窗口更強(qiáng)大的工作流，將前沿物理學(xué)更深地嵌入模型能力。

最終，讓研究人員花更少的時間卡在復(fù)雜的代數(shù)推導(dǎo)中，更多的時間去識別和攻克那些困擾物理學(xué)界的最大謎團(tuán)。

至于生物領(lǐng)域，OpenAI與RetroBioSciences的合作案例生動地展示了AI如何攻克生物學(xué)難題的。

RetroBio致力于解決使細(xì)胞重編程變得實用和可擴(kuò)展，從而延長人的壽命。

細(xì)胞重編程使用四種「OSKM」因子重置細(xì)胞年齡特征，但在老年細(xì)胞中，重編程的過程變慢，Retro的目的是引入新蛋白來加速這一過程。

為此，OpenAI構(gòu)建了蛋白質(zhì)專用基礎(chǔ)模型GPT-4B Micro。

與通用模型不同，該模型在多模態(tài)生物數(shù)據(jù)上進(jìn)行了進(jìn)一步訓(xùn)練。

GPT-4B Micro生成了數(shù)千個候選序列，經(jīng)過篩選后，RetroBio 合成了對應(yīng)序列，通過慢病毒構(gòu)建體將其遞送到人成纖維細(xì)胞中。

后續(xù)研究表明，AI生成的蛋白性能與先前最佳工程因子相當(dāng)，在某些情況下甚至超過當(dāng)前最優(yōu)水平。

科學(xué)家使用AI有何不同？

2026年1月，OpenAI發(fā)布《AI作為科學(xué)合作者》的白皮書，用鮮活的案例說明，2026對于科學(xué)家來說，AI已可以成為并肩作戰(zhàn)的科研伙伴。

每周，ChatGPT上產(chǎn)生840萬條高級科學(xué)和數(shù)學(xué)話題的對話，這些對話來自全球130萬活躍用戶。2025年，與高級科學(xué)相關(guān)的消息數(shù)暴漲50%。

這些科學(xué)家使用AI的方式和普通人相比，更專注、更深入。消息量是普通用戶的3.5倍，編程相關(guān)消息頻率高出12倍。他們的工作流高度集中在代碼生成與調(diào)試、數(shù)據(jù)分析、數(shù)學(xué)推導(dǎo)、文獻(xiàn)綜述。

科研人員主要使用ChatGPT的用途

OpenAI科學(xué)部門副總裁Kevin Weil斷言：AI正越來越多地被用作科學(xué)合作者。在真實研究環(huán)境中，AI的影響力越來越多。科學(xué)正在進(jìn)入一個新的加速階段。

而OpenAI的目標(biāo)，是為每位科學(xué)家提供AI超能力，實現(xiàn)2030年完成2050年科學(xué)水平。未來十年?？茖W(xué)發(fā)現(xiàn)的速度或?qū)⒊竭^去百年，讓我們拭目以待。

參考資料：

https://x.com/kevinweil/status/2015819346568745076

https://cdn.openai.com/pdf/f4b4a5da-b2de-418d-9fcd-6b293e9dc157/oai_ai-as-a-scientific-collaborator_jan-2026.pdf