OpenAI опубликовала кейс, который быстро разошёлся по научному сообществу: иммунолог Дерья Унутмаз (Derya Unutmaz) из Лаборатории Джексона рассказал, что GPT-5 за несколько минут предложил рабочую гипотезу для задачи, над которой его команда билась около трёх лет. Модель не «придумала» ответ из воздуха — она связала разрозненные иммунологические данные в логичную цепочку, которую исследователь затем проверил. Это означает простую, но важную вещь: современные рассуждающие модели уже способны выступать полноценным научным соавтором, а не просто текстовым помощником. В этой статье разбираем, что именно произошло, почему это важно для науки и что это меняет для пользователей ИИ-инструментов в России и СНГ.
Что произошло?
Дерья Унутмаз — известный иммунолог, профессор Лаборатории Джексона (The Jackson Laboratory), один из активных популяризаторов применения ИИ в биомедицине. По его словам, у команды накопился набор экспериментальных наблюдений, которые не складывались в единую картину: данные были, а внятного механизма, объясняющего их, — не было. Именно такие «висящие» вопросы и тормозят исследования месяцами и годами.
Унутмаз описал свой опыт работы с GPT-5 так: он сформулировал задачу со всем накопленным контекстом и попросил модель предложить возможное объяснение. GPT-5 не ограничилась общими словами — она выстроила правдоподобную биологическую гипотезу, увязав механизмы, которые исследователь рассматривал по отдельности, но не соединял вместе.
По описанию в материале OpenAI, ключевым было не то, что модель «знала ответ», а то, что она быстро перебрала и связала десятки взаимосвязей, на ручную проверку которых у человека уходят недели.
Важная деталь, на которой настаивает и сам исследователь, и OpenAI: финальное слово осталось за учёным. ИИ выдал гипотезу — человек оценил её правдоподобность, сверил с литературой и спланировал проверку. Это не «ИИ сделал открытие», а «ИИ резко ускорил путь к нему».
- Задача: необъяснённый набор иммунологических данных, копившийся около трёх лет.
- Инструмент: GPT-5 в режиме развёрнутого рассуждения.
- Результат: связная гипотеза о механизме, выданная за минуты.
- Роль человека: постановка задачи, критическая оценка, экспериментальная проверка.
Почему это важно?
Главная ценность кейса — не в одной конкретной гипотезе, а в смене роли ИИ. Ещё год-два назад языковые модели в науке использовали в основном для черновиков статей, перевода и поиска по литературе. Теперь речь идёт о генерации научных идей — самой творческой и трудозатратной части исследования.
Унутмаз — не случайный энтузиаст. Он давно и публично экспериментирует с ИИ в иммунологии, поэтому его оценка веса не лишена: когда специалист с многолетним опытом говорит, что модель сэкономила годы, к этому стоит прислушаться. По данным OpenAI, именно рассуждающие способности GPT-5 — пошаговый разбор сложных связей — отличают её от прошлых поколений в задачах такого рода.
Есть и более широкий контекст. Биомедицина — одна из тех областей, где «узким местом» давно стал не сбор данных, а их интерпретация. Геномных, протеомных и клинических данных сегодня в избытке; не хватает скорости осмысления. Если модели уровня GPT-5 умеют надёжно подсказывать механизмы и связи, это потенциально ускоряет разработку лекарств, понимание аутоиммунных заболеваний и онкологии.
При этом важно сохранять трезвость: одна успешная гипотеза — это сигнал, а не доказательство революции. Любая идея, выданная ИИ, требует строгой экспериментальной верификации. Ценность модели здесь — в сокращении пространства поиска, а не в отмене научного метода.
Как это связано с пользователями в России и СНГ?
На первый взгляд история про лабораторию в США далека от рядового пользователя из Москвы, Алматы или Минска. Но вывод из неё универсален: сильнее всего выигрывает не тот, у кого есть доступ к ИИ, а тот, кто умеет правильно ставить задачу. Унутмаз получил результат не магией, а грамотным промптом с богатым контекстом — этот навык применим в любой профессии.
Для пользователей из России и СНГ ключевой барьер часто не в самой модели, а в доступе: оплата зарубежных подписок, региональные ограничения, нестабильный вход. Поэтому возможность работать с актуальными моделями через локальный сервис критична. В WebGPT (ask.gptweb.ru) уже доступны актуальные версии ChatGPT, включая флагманские модели OpenAI, без зарубежной карты и танцев с VPN — можно повторить подход Унутмаза на своих рабочих задачах.
- Исследователям и аспирантам: разбор данных, генерация гипотез, поиск пробелов в логике эксперимента.
- Врачам и аналитикам: структурирование сложных случаев и проверка альтернативных объяснений.
- Студентам: разбор сложных тем «по косточкам» с пошаговым рассуждением.
- Бизнесу: та же логика — связать разрозненные данные в гипотезу — работает в маркетинге, финансах и продукте.
Почему сработали именно рассуждающие модели?
Отдельно стоит разобрать техническую сторону. Прорыв здесь обеспечила не «эрудиция» модели, а способность к развёрнутому рассуждению — когда модель не сразу выдаёт ответ, а сначала строит длинную цепочку логических шагов. В сложных научных задачах это принципиально: правильный ответ редко лежит на поверхности, к нему ведёт многоступенчатый вывод.
GPT-5 в таком режиме фактически имитирует то, что делает исследователь, перебирая варианты: «если механизм A, то мы должны видеть B; мы видим C; значит, вероятнее механизм D». Разница в том, что модель проходит десятки таких ветвлений за минуты и не устаёт, не теряет нить и не игнорирует «неудобные» данные.
Именно поэтому для подобных задач так важен выбор модели. Быстрая «болталка» здесь проиграет: нужна модель, которой не жалко «подумать» подольше. Хорошая новость в том, что протестировать разные модели на одной задаче стало проще — через WebGPT можно сравнить ответы нескольких ИИ (ChatGPT, Claude, Gemini, DeepSeek) и выбрать ту, что лучше справляется с вашим типом задач.
Как повторить подход Унутмаза на своих задачах?
Кейс полезен ещё и тем, что его метод воспроизводим. Чтобы получить от модели не банальность, а рабочую гипотезу, важно соблюсти несколько принципов.
- Дайте максимум контекста. Не «почему так происходит?», а полное описание данных, наблюдений и того, что вы уже пробовали и отвергли.
- Попросите рассуждение вслух. Прямо укажите: «разбери пошагово», «перечисли альтернативные объяснения и оцени каждое».
- Не принимайте первый ответ за истину. Просите модель саму найти слабые места своей гипотезы.
- Проверяйте. Любую идею — через источники, расчёты или эксперимент. ИИ ускоряет поиск, но не отменяет верификацию.
- Итерируйте. Уточняйте промпт по мере того, как модель сужает пространство гипотез.
Этот алгоритм работает не только в иммунологии. Тот же приём «дай контекст → попроси перебрать гипотезы → проверь» одинаково полезен инженеру, отлаживающему сложный баг, и аналитику, ищущему причину просадки метрик.
Что это меняет в долгосрочной перспективе?
Если подобные кейсы перестанут быть единичными, изменится сам ритм науки. Гипотезы, на формулирование которых уходили месяцы, можно будет генерировать пачками и быстро отсеивать слабые. Это не заменит экспериментаторов — наоборот, повысит спрос на тех, кто умеет проектировать и проводить проверки.
Одновременно вырастет ценность критического мышления. Когда идей становится много и они дешёвые, главным навыком становится умение отличить правдоподобную гипотезу от красиво звучащей чепухи. ИИ может выдать и блестящую догадку, и убедительную галлюцинацию — отличать их предстоит человеку.
Подробнее о том, как меняются повседневные и профессиональные сценарии работы с ИИ, мы писали в материале о применении ИИ в науке и работе, а практические приёмы промптинга разбирали в гайде по составлению эффективных промптов.
Часто задаваемые вопросы
GPT-5 действительно сделал научное открытие?
Не совсем. По описанию OpenAI, модель предложила правдоподобную гипотезу, которую исследователь затем проверил и оценил. Открытие — это результат научного метода с экспериментальной проверкой, а ИИ здесь резко ускорил этап генерации идей. Финальная ответственность и верификация остались за учёным.
Кто такой Дерья Унутмаз?
Дерья Унутмаз — иммунолог, профессор Лаборатории Джексона (The Jackson Laboratory) в США и активный сторонник применения ИИ в биомедицине. Он регулярно делится опытом использования языковых моделей в исследованиях, что добавляет веса его оценке.
Можно ли пользоваться GPT-5 из России и СНГ?
Прямой доступ к сервисам OpenAI из России затруднён ограничениями и проблемами с оплатой. Через WebGPT (ask.gptweb.ru) актуальные модели OpenAI доступны на русском языке без зарубежной карты и VPN, так что повторить подход с генерацией гипотез можно уже сейчас.
Подойдёт ли этот метод для не-научных задач?
Да. Принцип «дай полный контекст → попроси модель пошагово перебрать гипотезы → проверь результат» универсален. Он одинаково полезен в программировании, аналитике, маркетинге и учёбе — везде, где нужно объяснить сложное наблюдение или найти неочевидную причину.
Какую модель выбрать для сложных аналитических задач?
Для задач с многоступенчатым выводом лучше подходят рассуждающие модели, которым позволено «думать» дольше, а не быстрые чат-модели. Оптимально протестировать несколько вариантов на своей задаче — в WebGPT можно сравнить ответы ChatGPT, Claude, Gemini и DeepSeek и выбрать лучший.
Источники
- Кейс OpenAI о том, как GPT-5 помог иммунологу Дерье Унутмазу — первоисточник истории и описание методики.
- Сайт Лаборатории Джексона (The Jackson Laboratory) — научное учреждение, где работает исследователь.