OpenAI, la creadora de ChatGPT, reveló cómo su modelo de frontera, GPT-5, está transformando el flujo de trabajo en diversos campos, ayudando a los investigadores a formular hipótesis, generar pruebas y realizar búsquedas conceptuales profundas en minutos, reduciendo esfuerzos que antes tomaban meses.
Por Antonio Manco
jmanco@editoraperu.com.peEn un
paper difundido esta semana detalló cómo la ciencia moldea aspectos fundamentales, desde la salud humana y la producción de energía hasta la seguridad nacional y nuestra comprensión del universo. Sin embargo, la velocidad de la innovación sigue siendo una limitación, donde el proceso de una idea a un resultado probado puede tomar años.
La misión de la iniciativa
OpenAI for Science es acelerar el descubrimiento científico, permitiendo a los investigadores explorar más ideas, probar hipótesis más rápido y descubrir insights (dato relevante) que de otro modo requerirían un tiempo significativo. Esta aceleración es crucial: una encuesta reciente en EE. UU. mostró que el 73 % de las personas cree que se necesitan mejores formas de acelerar el descubrimiento.
OpenAI ha publicado experimentos tempranos de aceleración científica con GPT-5, un paper que recopila estudios de caso de colaboradores en instituciones como
Vanderbilt, UC Berkeley, Columbia, Oxford y Cambridge. 
Dicho informe busca dar a la comunidad una visión clara de lo que estos sistemas pueden y no pueden hacer actualmente en entornos de investigación.
Un científico debe liderar
El progreso más significativo proviene de los equipos humano-IA. Los científicos mantienen la agenda: definen las preguntas, eligen los métodos, critican las ideas y validan los resultados. GPT-5, por su parte, contribuye con amplitud, velocidad y la capacidad de explorar múltiples direcciones en paralelo.
GPT-5 está logrando acortar ciertas partes del flujo de trabajo de investigación cuando es utilizado por expertos. El modelo no resuelve problemas científicos de forma autónoma, pero expande la superficie de exploración.
El paper detalla que las capacidades emergentes incluyen:
Búsqueda conceptual profunda de literatura: GPT-5 puede identificar relaciones más profundas entre ideas y recuperar material relevante a través de diferentes idiomas y fuentes menos accesibles, encontrando referencias y tesis desconocidas previamente por los investigadores.
Generación de esquemas de prueba: En matemáticas y ciencias de la computación teórica, GPT-5 ha sido utilizado por matemáticos para generar esquemas de prueba viables en minutos, transformando un trabajo que de otro modo podría haber tomado días o semanas.
Ejemplos de aceleración científica con GPT-5
Biología (inmunología): En un estudio liderado por Derya Unutmaz, científicos pasaron meses tratando de explicar un cambio desconcertante en las células inmunes humanas. GPT-5 identificó el mecanismo probable en minutos a partir de un gráfico no publicado y sugirió un experimento que lo comprobó.
Matemáticas: Los investigadores Mehtaab Sawhney y Mark Sellke estaban estancados en el paso final de un problema abierto propuesto hace décadas por Paul Erdos. GPT-5 contribuyó con una nueva idea que ayudó a completar la prueba y confirmó la conjetura original.
Física (agujeros negros): A Alex Lupsasca, GPT-5 Pro lo ayudó a reconstruir la álgebra de simetría SL(2,R) oculta en la ecuación de onda de un agujero negro de Kerr, reduciendo el tiempo de la idea al resultado publicable de meses a días.
Limitaciones: la vigilancia humana es esencial
A pesar de las contribuciones, la supervisión de expertos sigue siendo indispensable (Ver infografía). Los estudios de caso no capturan la gama completa de posibles fallos del modelo.
GPT-5 puede alucinar citaciones (resultado de la IA que aparenta ser real), mecanismos o pruebas que parecen plausibles. Por ejemplo, en un experimento sobre códigos GPT-5 reprodujo un argumento correcto publicado por Noga Alon sin citar la fuente.
Según Brian Keith Spears, el modelo puede introducir simplificaciones excesivas o declarar resultados prematuramente. Sin embargo, los usuarios deben ser capaces de identificar estos errores y validar con rigurosidad.
Estos estudios tempranos muestran que GPT-5 está comenzando a ayudar con nuevos tipos de trabajo científico. Se espera que, a medida que nuevos modelos se integren en los sistemas operativos de laboratorio, haya descubrimientos más rápidos, experimentación más eficiente y una ciencia más reproducible.
(FIN) AMC
JRA
Publicado: 25/11/2025