OpenAI pokrenuo blog posvećen primeni AI u nauci

OpenAI je 15. novembra 2026. pokrenuo naučni blog namenjen naučnicima i akademskim istraživačima, na kojem će objavljivati rezultate, metode i iskustva o primeni AI. Među primerima koje kompanija ističe su dokaz internog sistema za problem postojanja i glatkosti Navje–Stoksovih jednačina, kao i analiza podataka iz miliona ćelija mišjeg mozga koju su agenti zasnovani na GPT‑Rosalind završili za 32 minuta.
Prostor za rezultate, metode i iskustva istraživača
Novi kanal treba da okuplja rad OpenAI-ja, saradnika i šire naučne zajednice kroz različite discipline. Planirani sadržaj obuhvata nova istraživanja i tekuće projekte, ali i praktična uputstva za naučno računarstvo, analizu podataka, istraživanje literature i planiranje eksperimenata.
Važan deo najavljenog pristupa jeste opis načina na koji se rezultati proveravaju, kao i granica pojedinih metoda. OpenAI najavljuje i prikaze iz prve ruke od istraživača koji koriste AI, uz pitanja o tome kako alati menjaju naučnu praksu i kako ih učiniti dostupnijim većem broju ljudi.
Primeri iz matematike i biologije
OpenAI navodi da je interni sistem u septembru proizveo dokaz koji se odnosi na dugotrajni problem Navje–Stoksovih jednačina, koje opisuju kretanje fluida. Početkom oktobra kompanija je objavila više matematičkih rezultata, uključujući rezultat o kvazi-Rimanovoj hipotezi koji precizira procene broja prostih brojeva ispod zadate vrednosti.
Kasnije tokom oktobra objavljeni su rezultati iz matematike, računarstva i fizike, povezani sa koncentrisanjem talasa, granicama efikasnog računanja i matematičkim osnovama preplitanja u kvantnoj teoriji polja.
U biologiji su PerturbAI, Scripps Research i hiljade agenata zasnovanih na GPT‑Rosalind analizirali postojeće eksperimentalne podatke iz miliona ćelija mišjeg mozga. Povezivanjem efekata poremećaja gena sa naučnom literaturom izdvojeni su mogući biološki mehanizmi za dalju laboratorijsku proveru. Tim Césara de la Fuentea koristi ChatGPT i Codex za izradu algoritama koji pronalaze potencijalne molekule antibiotika, a zatim ih sintetizuje i ispituje u laboratoriji.
Provera ostaje sastavni deo naučnog rada
OpenAI ukazuje da sistemi koji generišu dokaze u matematici otvaraju pitanja o proveri, objašnjavanju i prihvatanju novih argumenata. U eksperimentalnim disciplinama veći broj istraživačkih hipoteza istovremeno povećava mogućnosti i otežava izbor eksperimenata koje treba sprovesti.
Za organizacije koje primenjuju AI u istraživanju praktičan zaključak je da modele treba uključiti u radne tokove zajedno sa jasnom proverom nalaza, stručnom procenom i laboratorijskom ili drugom odgovarajućom validacijom. Naučne zajednice, kako navodi OpenAI, treba da učestvuju u oblikovanju načina na koji se ti alati koriste.

