Przez wiele lat naukowcy zakładali, że w konkretnych konfiguracjach cząstek elementarnych nic ciekawego się nie dzieje, a wynik równań wynosi po prostu zero. Tymczasem najnowszy model OpenAI, a konkretnie GPT-5.2, właśnie udowodnił że tak nie jest. We współpracy z fizykami z Harvardu i Cambridge, sztuczna inteligencja znalazła lukę w dotychczasowej wiedzy, wyprowadzając wzór na zjawiska, które teoretycznie nie miały prawa bytu.
Maszyna często widzi to, co przeoczyli ludzie
Najnowsze doniesienia dotyczą tak zwanych amplitud gluonowych. Brzmi skomplikowanie, ale mechanizm odkrycia można przyrównać do klasycznego problemu szkolnego. Wyobraź sobie, że analizujesz ruch klocka, którego torem jest równia pochyła. Rozrysowujesz wektory sił, liczysz tarcie i grawitację. Wszystko wydaje się przewidywalne – wiesz, kiedy klocek zjedzie, a kiedy stanie w miejscu.
W świecie cząstek elementarnych, takich jak gluony (nośniki oddziaływań silnych w jądrze atomowym), fizycy też mieli swoje „pewniki”. Zakładano, że w specyficznym ustawieniu skrętności tych cząstek (tzw. helikalności), prawdopodobieństwo ich oddziaływania wynosi zero.
Model GPT-5.2, analizując te skomplikowane struktury matematyczne, zauważył jednak coś, co umykało ludzkiej intuicji. Znalazł on „szczelinę” w teorii, specyficzny stan (nazywany reżimem pół-współliniowym), w którym wynik wcale nie jest zerowy. Co więcej, AI nie tylko wskazała błąd, ale też zaproponowała elegancki, prosty wzór opisujący to zjawisko. Jak zauważają badacze z OpenAI, model potrafił uprościć gigantyczne równania, które zajmowały całe strony, do jednej, zwięzłej formuły.
Partnerstwo zamiast automatyzacji
To odkrycie pokazuje istotną zmianę w sposobie, w jaki sztuczna inteligencja w fizyce jest wykorzystywana. Do tej pory modele językowe czy algorytmy uczenia maszynowego służyły głównie do „przemielania” ogromnych ilości danych z eksperymentów, na przykład w Wielkim Zderzaczu Hadronów. Szukały igły w stogu siana. W przypadku Modelu 5.2 mamy do czynienia z czymś innym: z pracą koncepcyjną na poziomie matematyki symbolicznej.
Andrew Strominger z Uniwersytetu Harvarda, współautor pracy, stwierdził:
„Ten preprint to spojrzenie w przyszłość nauki wspomaganej przez AI, gdzie fizycy pracują ramię w ramię z modelami, by generować i weryfikować nowe spostrzeżenia.”
Warto zaznaczyć, że była to ścisła symbioza. Ludzie dostarczyli problem i ramy teoretyczne, AI zaproponowała rozwiązanie, a następnie fizycy musieli je zweryfikować tradycyjnymi metodami, by mieć pewność, że to nie cyfrowa halucynacja.
Autorzy piszą wprost, że wzór został najpierw „odgadnięty” przez GPT-5.2 Pro, a później formalnie potwierdzony przez inny wewnętrzny model z OpenAI, po czym zweryfikowany ręcznie metodami standardowej teorii amplitud. To ważne rozróżnienie: AI nie ustanowiło prawdy matematycznej, lecz zaproponowało kandydacką formułę, którą fizycy następnie sprawdzili przy pomocy rekursji Berendsa Giele’a oraz testów takich jak soft theorem czy relacje Kleiss Kuijf.
Dlaczego to jest ważne dla nauki?
Mogłoby się wydawać, że wzór na zachowanie gluonów to tylko akademicka ciekawostka. Jednak w fizyce teoretycznej upraszczanie skomplikowanych obliczeń często prowadzi do głębszego zrozumienia struktury wszechświata. Nowy wzór może pomóc w precyzyjniejszych obliczeniach tła dla eksperymentów w akceleratorach cząstek, co z kolei jest kluczowe dla szukania nowej fizyki wykraczającej poza Model Standardowy.
Model 5.2 udowodnił, że potrafi operować na symbolach matematycznych z precyzją, o którą wcześniej go nie podejrzewano. To otwiera drogę do wykorzystania AI w innych dziedzinach. Jeśli narzędzia te staną się powszechne, tempo odkryć naukowych może drastycznie wzrosnąć. Nie musimy już czekać na przebłysk geniuszu jednego naukowca.
Dla osób śledzących rozwój technologii to jasny sygnał: wchodzimy w etap, gdzie AI przestaje tylko generować teksty czy obrazy, a zaczyna generować nową, twardą wiedzę.
