GPT-6-Astra თეორიულ ფიზიკაში ექსპერტების დონეზე მუშაობს
ხელოვნური ინტელექტი თეორიული ფიზიკის სამსახურში
თეორიული ფიზიკის სფეროში მნიშვნელოვანი გარდატეხა მოხდა: ახალმა კვლევამ, რომელშიც 35 სხვადასხვა სამეცნიერო დაწესებულების, მათ შორის Harvard University-სა და Google DeepMind-ის მკვლევრები მონაწილეობდნენ, აჩვენა, რომ თანამედროვე ხელოვნური ინტელექტის აგენტებს ფიზიკის ურთულესი ამოცანების ამოხსნა ისეთივე სიზუსტით შეუძლიათ, როგორც დარგის წამყვან სპეციალისტებს. პროექტის ფარგლებში შექმნილმა ბენჩმარკმა, სახელწოდებით TheoPhysEval, შეამოწმა ხელოვნური ინტელექტის შესაძლებლობები 50 აქამდე გამოუქვეყნებელ სამეცნიერო პრობლემაზე, რომლებიც მოიცავს კოსმოლოგიას, ნაწილაკების ფიზიკას, ბიოლოგიურ პროცესებსა და სითხეების დინამიკას.
ტესტირებაში საუკეთესო შედეგი OpenAI-ის GPT-6-Astra-მ აჩვენა, რომელმაც 50-დან 49 ამოცანა სწორად ამოხსნა. ეს მიღწევა განსაკუთრებით შთამბეჭდავია მისი დაბალი ღირებულების გათვალისწინებით — თითოეული ამოცანის ამოხსნა საშუალოდ 2.40 დოლარი დაჯდა, ხოლო მთლიანი ბენჩმარკის შესრულება 116 დოლარზე ნაკლები დაჯდა. კონკურენტებს შორის Anthropic-ის Opus 5.5-მა 92%-იანი შედეგი აჩვენა, ხოლო Google-ის Gemini 3.8 Flash-მა — 68%.
მეხსიერება თუ გააზრებული ანალიზი?
საინტერესოა, რომ ინტერნეტთან წვდომა საბოლოო შედეგებზე მცირე გავლენას ახდენდა. მკვლევრები ვარაუდობენ, რომ წამყვანი ენობრივი მოდელები უკვე ფლობენ თეორიული ფიზიკის ლიტერატურის დიდ ნაწილს, რაც მათ საშუალებას აძლევს, ამოცანები „მეხსიერების“ საფუძველზე შეასრულონ. ზოგიერთ შემთხვევაში, ხელოვნურმა ინტელექტმა დაუშვა შეცდომები, რომლებიც გამოცდილ ფიზიკოსს ადვილად შეეძლო შეემჩნია, თუმცა Astra-ს შემთხვევაში, მას შემდეგ რაც ექსპერტებმა საცნობარო გადაწყვეტილებებში მცირე ხარვეზები გაასწორეს, მოდელმა აბსოლუტური სიზუსტე აჩვენა.
რატომ არ გვაქვს ჯერ კიდევ დიდი აღმოჩენები?
მიუხედავად იმისა, რომ ხელოვნურ ინტელექტს რთული გამოთვლების შესრულება შეუძლია, მეცნიერები აღნიშნავენ, რომ ფიზიკაში ნამდვილი გარღვევისთვის მხოლოდ „გამოთვლა“ საკმარისი არ არის. ადამიანური მკვლევრებისგან განსხვავებით, ხელოვნურ ინტელექტს აკლია ე.წ. „გემოვნება“ (taste) — უნარი, განასხვავოს საინტერესო და მნიშვნელოვანი პრობლემა მოსაწყენი დეტალებისგან. როდესაც აგენტებს სთხოვენ ახალი კვლევითი მიმართულებების შექმნას, ისინი ხშირად იკარგებიან მეორეხარისხოვან დეტალებში.
ეს აღმოჩენა აჩენს კითხვებს სამეცნიერო კვლევების მომავალზე. თუკი ხელოვნური ინტელექტი უკვე ასრულებს იმ ამოცანებს, რომლებიც ადრე დოქტორანტების პირველ ნაბიჯებად ითვლებოდა, განათლების სისტემასა და კვლევითი დაფინანსების მოდელებს ადაპტირება დასჭირდებათ. ფიზიკოსები, რომლებიც ტრადიციულად „მხოლოდ გამოთვლებით“ იყვნენ დაკავებულნი, შესაძლოა ახალი რეალობის წინაშე აღმოჩნდნენ, სადაც მთავარი აქცენტი „გაჩერებასა და ფიქრზე“ გადავა. საქართველოში, სადაც ტექნოლოგიური სექტორი და სამეცნიერო საზოგადოება აქტიურად ვითარდება, ამგვარი ხელსაწყოების ხელმისაწვდომობა შესაძლოა კვლევითი პროცესების აჩქარების შესაძლებლობად იქცეს, თუმცა ის ასევე აჩენს სერიოზულ დისკუსიას აკადემიური თანასწორობისა და რესურსებზე წვდომის შესახებ.