OpenAI kupuje naukowcom nawyki obliczeniowe, zanim pojawią się wyniki

OpenAI ogłosiło wsparcie dla Genesis Mission amerykańskiego Department of Energy, programu łączącego DOE, 17 laboratoriów narodowych, uczelnie i przemysł. Firma obiecuje około 2 000 badaczom 4 miliony dolarów dostępu do Codexu, 3 miliony dolarów wsparcia API dla dwóch kampanii naukowych i do 10 milionów dolarów dodatkowego użycia API za 2,5 miliona dolarów wydatków.

OpenAI wchodzi do laboratoriów przez Codex, API i wybrane modele

W zobowiązaniu jest też dostęp do GPT-Rosalind dla wybranych badaczy pracujących przy kwalifikujących się projektach biologicznych, wcześniejszy dostęp do wybranych modeli i funkcji dla zaufanych liderów laboratoriów narodowych oraz rozszerzony dostęp do zaawansowanych możliwości cyber dla badań defensywnych.

OpenAI odwołuje się do wcześniejszej AI Jam Session z udziałem ponad 1 000 naukowców z dziewięciu laboratoriów narodowych oraz do wdrożenia zaawansowanych modeli reasoning na superkomputerze Venado w Los Alamos. Strona źródłowa była zablokowana przy bezpośrednim sprawdzeniu, więc tekst opiera się na publicznej kopii markdown i powiązanych linkach OpenAI.

Workflow badawcze jest ważniejsze niż jednorazowy grant

Największa wartość nie leży w samych kredytach. Chodzi o to, że naukowcy zaczną stawiać hipotezy, pisać kod, projektować eksperymenty i oceniać wyniki w środowisku, w którym OpenAI jest domyślnym asystentem.

Dla laboratoriów to praktyczne: szybsze prototypy, lepsza praca z kodem i możliwość połączenia modeli z symulacjami. Dla OpenAI to jeszcze praktyczniejsze. Jeśli modele wejdą do codziennej rutyny naukowej, przyszłe budżety i evals będą pisane wokół ich śladów w praktyce.

Nauka narodowa nie może zamienić się w vendor lock-in

OpenAI słusznie podkreśla, że badacze muszą pozostać w centrum procesu: definiować pytania, wybierać metody, podważać wyniki i je walidować. Bez tego program byłby drogim autocomplete dla laboratoriów grantowych.

Ryzyko leży w mierzeniu sukcesu. Jeśli program będzie chwalił się liczbą promptów i zużytych kredytów, niewiele udowodni. Nauka potrzebuje reprodukowalnych wyników, audytu danych, bezpiecznych granic w biologii i cyber oraz możliwości porównania modeli wielu dostawców.

Publikacje, replikacje i otwarte evals pokażą wartość

Trzeba obserwować dwie planowane kampanie: wysokotemperaturowe nadprzewodniki i Atlas of the Machine-Accessible Frontier. Mocny sygnał pojawi się dopiero wtedy, gdy program da zweryfikowane wyniki poza prezentacją OpenAI. Słaby sygnał to warsztaty, kredyty i ładne dashboardy bez replikacji naukowej.

Werdykt Lilith

OpenAI nie stoi pod laboratorium tylko jako sponsor z czekiem. Wygląda raczej jak ochroniarz z kartą do serwerowni. Kto przyzwyczai się do tych drzwi, później może według nich rysować cały budynek.