🔬 GPT-6-Astra-მ თეორიული ფიზიკის 50 კვლევითი ამოცანიდან 49 წარმატებით გადაჭრა
თეორიული მეცნიერებების საერთაშორისო ცენტრის, ჰარვარდის უნივერსიტეტისა და Google DeepMind-ის 35 მკვლევრისგან შემდგარმა ჯგუფმა ახალი ბენჩმარკი TheoPhysEval წარადგინა. ტესტი თეორიულ ფიზიკაში ადრე გამოუქვეყნებელ 50 კომპლექსურ კვლევით ამოცანას აერთიანებს, რომელთაგან თითოეულის გადასაჭრელად წამყვან მეცნიერს მთელი დღე სჭირდება. ამოცანები შედგა ისე, რომ მზა პასუხები ინტერნეტში არ მოიძებნებოდა და ალგორითმს საკუთარი ლოგიკა უნდა გამოეყენებინა. კვლევის ფარგლებში კომერციული ხელოვნური ინტელექტის აგენტები ადამიანის ჩარევის გარეშე გამოსცადეს. პირველ ადგილზე OpenAI-ის მოდელი GPT-6-Astra გავიდა, რომელიც Codex-ის გარემოში მუშაობდა. სისტემამ 50 ამოცანიდან 49 სწორად ამოხსნა, რაც 98-პროცენტიან სიზუსტეს შეადგენს და ადამიანური გამოთვლების შესაძლებლობებს უტოლდება. ამ შედეგმა დაადასტურა, რომ ალგორითმებს რთული სამეცნიერო ფორმულების მართვა მაღალ დონეზე შეუძლია. ავტორების განცხადებით, თითოეული ამოცანის გადაჭრის საშუალო ღირებულებამ 2.40 დოლარი შეადგინა, ხოლო მთელი სატესტო პაკეტის შესრულება სულ რაღაც 116 დოლარი დაჯდა. გამოთვლები მოიცავდა თეორიული ფიზიკის 11 ქვედარგს, მათ შორის ჰიდროდინამიკას, ბიოლოგიურ პროცესებს, ელემენტარულ ნაწილაკებსა და კოსმოლოგიას, სადაც მაღალი მათემატიკური აპარატი გამოიყენება და თითოეული შეცდომა გამოთვლების ჩაშლას იწვევს. ტესტირებაში მონაწილეობდა სხვა წამყვანი გადაწყვეტებიც. Anthropic-ის მოდელმა Opus 5.5-მა Claude Code-ის გარემოში 92 პროცენტი აჩვენა, Google-ის Gemini 3.8 Flash-მა 68 პროცენტი დააგროვა, ხოლო ღია მოდელებმა DeepSeek-V4.1-Flash-მა და GLM 5.3-მა შესაბამისად 54 და 42 პროცენტი დააფიქსირა, რაც კომერციული მოდელების უპირატესობას ადასტურებს. ღია სისტემებს შედარებით გაუჭირდა მრავალსაფეხურიანი გამოთვლების ბოლომდე მიყვანა. მკვლევარებმა აღნიშნა, რომ ინტერნეტთან წვდომამ შედეგებზე მცირე გავლენა მოახდინა. ვებძიების გარეშეც Astra-მ და Opus-მა 92 პროცენტი დააგროვა. ეს მიუთითებს, რომ მოწინავე ენობრივ მოდელებს თეორიული ფიზიკის სამეცნიერო ლიტერატურის უზარმაზარი ნაწილი ზედმიწევნით აქვს დამახსოვრებული და შიდა ლოგიკურ კავშირებს თავისუფლად იყენებს, რაც ინფორმაციის სწრაფ სინთეზს განაპირობებს. კოორდინატორმა სუვრატ რაჯუმ განმარტა, რომ შავი ხვრელების ერთ-ერთი რთული ამოცანა ფორმულების 5-განზომილებიანი სივრციდან 4-განზომილებიანში გადატანასა და პროგრამული კოდის დაწერას მოითხოვდა. ადამიან ექსპერტს ამისთვის მთელი დღე დასჭირდა, მაშინ როდესაც Astra-მ სწორი პასუხი უმოკლეს დროში გამოითვალა და რთული ალგორითმული ჯაჭვი შეცდომის გარეშე დახურა, რაც პროგრამირების მაღალ ხარისხზე მიუთითებს. რამდენიმე ამოცანაში ავტორთა თავდაპირველ ეტალონურ პასუხებში მცირე უზუსტობები აღმოჩნდა. შეცდომების გასწორების შემდეგ დადასტურდა, რომ Astra-ს გამოთვლები სრულად შეესაბამებოდა ჭეშმარიტ ფიზიკურ კანონზომიერებებს. სისტემის მიერ აღმოჩენილმა კორექტირებებმა მეცნიერებს დაანახა, რომ ალგორითმი ფორმულების მექანიკურ კოპირებას სცდება და ამოცანის ღრმა ანალიზს აკეთებს. მეცნიერებმა ხაზი გაუსვა, რომ რთული გამოთვლების შესრულება კვლევის მხოლოდ დასკვნითი ნაწილია. ავტორების თქმით: „მოდელებს ჯერ კიდევ აკლია ის სამეცნიერო გემოვნება, რომელიც ნამდვილად საჭირო ამოცანებს მეორეხარისხოვანი დეტალებისგან განასხვავებს. თეორიის შექმნა სწორი შეკითხვების დასმასა და ინტუიციურ ანალიზს მოითხოვს.“ ხელოვნური ინტელექტი ჯერ ვერ განსაზღვრავს კვლევის ფუნდამენტურ მიმართულებებს. ექსპერტების შეფასებით, მიღწეული პროგრესი ახალგაზრდა მკვლევრების მომზადების პროცესსაც ცვლის. სადოქტორო ნაშრომების საწყისი ამოცანები, რომლებიც ადრე თვეობით შრომას მოითხოვდა, დღეს ალგორითმების მიერ რამდენიმე წუთში და მიზერული დანახარჯით სრულდება, რაც აკადემიური პროგრამების მოდერნიზების აუცილებლობას ქმნის და უნივერსიტეტებს სწავლების მეთოდების გადახედვას აიძულებს. სპეციალისტებმა დაადასტურა, რომ გამოთვლითი სიმძლავრეების გაიაფება სამეცნიერო ლაბორატორიებს შორის თანასწორობას ცვლის. თუ ადრე თეორიული ფიზიკა მინიმალურ ბიუჯეტს მოითხოვდა, მომავალში ძლიერი AI აგენტების ქირაობა კვლევითი ჯგუფების ფინანსურ შესაძლებლობებზე გახდება დამოკიდებული, რაც დამატებით ინსტიტუციურ გამოწვევებს შექმნის. TheoPhysEval-ის სრული მონაცემთა ბაზა უკვე განთავსდა Hugging Face-ის პლატფორმაზე და ნებისმიერი დაინტერესებული პირისთვის ხელმისაწვდომია. კვლევა ნათლად ადასტურებს, რომ ზუსტი მეცნიერებების სფეროში ხელოვნური ინტელექტი რუტინული გამოთვლების მთავარ შემსრულებლად ყალიბდება და მეცნიერებს ფუნდამენტურ იდეებზე კონცენტრირების საშუალებას აძლევს, რაც სამეცნიერო პროგრესს საგრძნობლად აჩქარებს.
GPT-6-Astra-მ თეორიული ფიზიკის 50 კვლევითი ამოცანიდან 49 წარმატებით გადაჭრა