Штучний інтелект усе частіше використовують не лише для написання текстів або програмного коду, а як інструмент повноцінної наукової роботи. OpenAI запускає програму ChatGPT for Academic Researchers, яка має надати безкоштовний доступ до передових моделей ученим, математикам та інженерам у вибраних академічних установах.
Програма стартує влітку 2026 року з приблизно 10 тисяч дослідників і має розширитися до 100 тисяч учасників протягом 2027 року. Тобто йдеться не про одночасну видачу 100 тисяч акаунтів уже зараз, а про масштабування нової моделі доступу до дорогих frontier-систем.
Що саме отримають дослідники
Учасникам обіцяють доступ до найсильніших моделей у ChatGPT, ChatGPT Work і Codex, включно з сімейством GPT-5.6. На старті серед них буде GPT-5.6 Sol Pro, орієнтована на найскладніші наукові та математичні задачі.
Дослідники також отримають вищі ліміти використання, більші контекстні вікна, розширений Deep Research та інструменти для агентного виконання завдань. Один учасник зможе запросити до чотирьох колег зі своєї установи для спільної роботи.
ШІ вже входить у повсякденну наукову практику
За даними OpenAI, приблизно 1,3 мільйона людей щотижня використовують ChatGPT для складних задач у науці та математиці, генеруючи близько 8,4 мільйона повідомлень. Це вже не нішевий сценарій.
Моделі використовують для пошуку гіпотез, літературних оглядів, аналізу даних, програмування, підготовки грантів і пояснення результатів. Codex може допомагати модернізувати наукове програмне забезпечення, автоматизувати обчислення та перевіряти код експериментів.
Найцікавіший напрям — не продуктивність, а нові результати
Справжня межа починається там, де ШІ не просто економить час, а бере участь у створенні нового знання. OpenAI вже опублікувала добірку математичних результатів, отриманих внутрішньою версією Astra: система вирішила або суттєво просунула десять складних відкритих задач у геометрії, теорії кодів, груп, квантовій складності, криптографії та комбінаториці.
У цих роботах математичні аргументи генерувала модель, люди готували рукописи разом із нею, а докази додатково формалізувалися в Lean. Це важлива зміна: AI-система поступово переходить від ролі калькулятора до ролі учасника інтелектуального пошуку.
Людська перевірка залишається критичною
Навіть дуже сильна модель може побудувати переконливий, але неправильний доказ, неправильно інтерпретувати експеримент або послатися на неіснуючу працю. У науці така помилка особливо небезпечна, бо результат може стати основою для наступних досліджень.
Тому головний принцип залишається незмінним: модель може пропонувати гіпотези, аргументи й обчислення, але відповідальність за перевірку лежить на досліднику. У математиці допомагає формальна верифікація, в експериментальних науках — відтворення результатів і незалежні вимірювання.
Що програма змінює для невеликих університетів
Frontier-моделі коштують дорого, особливо коли потрібно виконувати довгі агентні задачі, аналізувати великі набори даних або багаторазово перевіряти гіпотези. Великі технологічні компанії та провідні лабораторії можуть оплачувати такі ресурси, але для звичайної академічної групи це часто значний бар’єр.
Безкоштовний доступ потенційно вирівнює можливості. Дослідник із сильною ідеєю, але невеликим бюджетом, отримує інструменти, які раніше були доступні лише найкраще фінансованим центрам. Водночас програма охоплює вибрані установи, тому питання рівного глобального доступу не зникає.
Окрема увага — конфіденційності даних
Науковці часто працюють із неопублікованими результатами, інтелектуальною власністю, клінічними даними або матеріалами, які не можна передавати у відкриті системи. OpenAI заявляє, що робочі простори програми матимуть захист рівня бізнес-продуктів, а дані за замовчуванням не використовуватимуться для тренування моделей.
Це важлива умова для реального академічного використання. Навіть найсильніша модель не стане стандартним науковим інструментом, якщо лабораторії не будуть впевнені в правилах зберігання та обробки своїх даних.
Наука може змінити й самі моделі
Програма передбачає навчання, технічну підтримку й зворотний зв’язок від дослідників. Це означає двосторонній процес: учені отримують нові інструменти, а розробники бачать, де frontier-моделі справді корисні, де вони помиляються і яких можливостей бракує.
Складні наукові задачі є одним із найкращих тестів для ШІ, тому що тут недостатньо створити правдоподібну відповідь. Потрібні точність, послідовність, перевірка і здатність працювати з невизначеністю.
Від «помічника» до співдослідника
Найцікавіше питання полягає не в тому, чи замінить ШІ учених. Наука складається не лише з розв’язання задач, а й із вибору важливих питань, дизайну експериментів, інтерпретації результатів і відповідальності за висновки.
Але якщо моделі зможуть швидко перевіряти тисячі гіпотез, формалізувати складні докази, писати й тестувати науковий код та знаходити зв’язки у величезних масивах літератури, темп досліджень може суттєво зрости. Саме тому програма на 100 тисяч дослідників є не просто освітньою акцією — це великий експеримент із тим, якою може стати наука в епоху AI-співдослідників.
