В конце 2025 года иммунолог Дерья Унутмаз — профессор Jackson Laboratory и Университета Коннектикута — взял результаты эксперимента трёхлетней давности, загрузил их в GPT-5 Pro и получил объяснение, которое его лаборатория не могла найти самостоятельно. Это не фантастика и не рекламный кейс. Это реальная история о том, как GPT-5 в научных исследованиях начинает работать иначе, чем всё, что было раньше.
И пусть большинство из нас не занимается иммунологией — урок из этой истории касается каждого, кто работает с экспертными знаниями и данными.
Что за эксперимент провалялся три года
В 2022 году Унутмаз изучал, как глюкоза влияет на развитие Т-клеток. Т-клетки — это иммунные клетки, которые борются с вирусами, уничтожают раковые клетки и отличают здоровые ткани от угроз. То, в какую именно специализацию «уйдёт» Т-клетка в процессе развития, напрямую влияет на течение рака, аутоиммунных заболеваний и инфекций.
Команда поставила эксперимент: одну группу Т-клеток поместили в среду с низким содержанием глюкозы, другую — в среду с дезоксиглюкозой (молекулой, которая блокирует способность клеток использовать глюкозу). Логика была простая: в обоих случаях клетки получают меньше энергии — результаты должны быть похожими.
Но они оказались разными. Причём разительно.
Т-клетки, выращенные с дезоксиглюкозой, массово превращались в воспалительные клетки типа Th17. Клетки из низкоглюкозной среды тоже частично становились Th17, но в несколько раз меньше. И этот эффект сохранялся даже после того, как дезоксиглюкозу убирали из среды.
Что-то в этом механизме было важным. Но что именно — лаборатория не могла понять. Эксперимент отложили и занялись другими задачами.
Как GPT-5 нашёл то, что пропустили эксперты
Когда в конце 2025 года вышел GPT-5 Pro, Унутмаз вернулся к старым данным. Он просто загрузил результаты эксперимента и попросил модель проанализировать их.
GPT-5 предложил конкретную гипотезу: дезоксиглюкоза мешает синтезу белка IL-2. Этот белок действует как своеобразный «стоп-сигнал» — он не даёт Т-клеткам превращаться в Th17. Когда дезоксиглюкоза блокирует производство IL-2, барьер исчезает, и клетки массово уходят в воспалительный путь развития.
«GPT-5 выдал по-настоящему замечательное объяснение, которое задним числом кажется очевидным», — сказал Унутмаз.
По его словам, связь находилась чуть за пределами его основной специализации. Именно поэтому ни он, ни его коллеги её не увидели. Модель увидела — потому что одновременно держит в «голове» огромный массив знаний из смежных областей.
Тут есть нюанс: Унутмаз подчёркивает, что без его экспертизы он просто не смог бы оценить, насколько эта гипотеза правдоподобна и важна. Ответ модели сам по себе ничего не значит — значение ему придаёт человек, который умеет задавать правильные вопросы и интерпретировать ответы.
Модель предсказала результат неопубликованного эксперимента
После первого успеха Унутмаз решил проверить GPT-5 на задаче другого рода: сможет ли модель предсказать результат эксперимента, который ещё нигде не опубликован?
Он описал модели другой свой эксперимент — с Т-клетками, которые атакуют определённый тип лимфомы. Спросил: что, по мнению модели, произойдёт с их способностью уничтожать опухолевые клетки?
GPT-5 правильно предсказал усиление активности CD8+ Т-клеток против лимфомы. Данных в открытом доступе не было — Унутмаз их ещё не публиковал.
«Вот тогда я понял: эти модели действительно начали понимать», — сказал он.
Смотрите, в чём тут дело. Это не поиск по базе данных и не пересказ чужих статей. Это рассуждение по аналогии и механизму — то, что раньше было исключительно человеческой территорией.
Что изменилось в роли ИИ для экспертной работы
Унутмаз описывает GPT-5 не как «инструмент», а как коллаборатора. Это различие важнее, чем кажется.
Инструмент выполняет задачу, которую вы ему дали. Коллаборатор замечает то, что вы сами пропустили. Предлагает направление, о котором вы не думали. Помогает сузить выбор из «бесконечного числа возможных подходов» до нескольких наиболее перспективных.
Конкретно в работе Унутмаза GPT-5 помогает:
- Просматривать сотни новых научных статей в неделю и выделять незакрытые вопросы.
- Симулировать эксперименты до того, как их ставить в лаборатории — это экономит недели и месяцы работы.
- Видеть связи между областями знаний, которые эксперт в одной дисциплине легко упускает.
Это похоже на то, как AI-агенты убирают рутину в маркетинге — но на уровне сложной интеллектуальной работы, а не просто автоматизации шаблонных задач.
Почему это важно не только для учёных
Давайте по шагам — что из этой истории применимо к эксперту в любой области.
Во-первых: у вас тоже есть «отложенные задачи». Разборы клиентских данных, которые ни к чему не привели. Гипотезы, которые не получили объяснения. Паттерны в поведении аудитории, которые вы видели, но не смогли интерпретировать. Попробуйте загрузить это в современную модель — с контекстом и конкретным вопросом.
Во-вторых: ценность ИИ растёт пропорционально вашей экспертизе. Унутмаз не был бы способен использовать ответ GPT-5, если бы не понимал иммунологию. Чем глубже вы знаете свою область — тем точнее вопросы, которые вы задаёте, и тем полезнее ответы.
В-третьих: «симуляция перед действием» — это рабочий подход. Прежде чем запускать новый формат контента, продукт или механику — можно описать ситуацию модели и попросить предсказать результат. Не как оракула, а как способ проверить собственную логику и найти слабые места.
Если вам интересно, как именно меняется граница между человеком и ИИ в экспертной работе, посмотрите разбор о том, что нельзя отдавать ИИ — там об обратной стороне этой медали.
Честный разговор о рисках
Было бы нечестно обойти стороной один момент. Унутмаз и сам OpenAI признают: ускорение в биологии и медицине — это и возможность, и риск. Инструменты, которые помогают учёным двигаться быстрее, в теории могут снизить барьеры для тех, кто захочет использовать их во вред.
Это не повод отказываться от технологий. Но это повод думать о том, как они применяются. Тема AI и биобезопасности — не абстракция, и серьёзные компании уже выстраивают соответствующие протоколы.
Для большинства из нас практический вывод проще: ИИ-инструменты — это не магия и не угроза сами по себе. Это умножители. Они умножают то, что уже есть: вашу экспертизу, вашу методологию, ваше понимание задачи. Если фундамент крепкий — результат будет хорошим. Если нет — модель просто быстрее приведёт вас не туда.
Унутмаз говорит, что сегодня не может представить себе научную работу без ИИ. «Это как убрать обе руки или половину мозга», — его слова. Это не преувеличение человека, который продаёт курсы. Это признание учёного, который видит разницу между «до» и «после» изнутри.
Если вам откликается такой подход к работе с ИИ — без ажиотажа, но с реальной практикой — приходите в мой Telegram-канал. Там разбираю, как эксперты применяют такие инструменты в своей работе, и делюсь тем, что реально работает.
По мотивам материала OpenAI News «How GPT-5 helped immunologist Derya Unutmaz solve a 3-year-old mystery».
Частые вопросы
Что умеет GPT-5 в научных исследованиях?
Может ли ИИ предсказать результат научного эксперимента?
Заменит ли GPT-5 учёных и экспертов?
Как использовать GPT-5 для анализа данных в своей работе?
100 нейросетей
для экспертов
Подборка, которой реально пользуются — пришлю на почту. Без спама, отписка в один клик.
любых задач
и эффективности
и карьеры
Комментарии
Будьте первым — поделитесь мыслями или задайте вопрос.
Чтобы оставить комментарий — войдите
Это пара кликов. Чтобы избежать спама — только зарегистрированные пользователи. Никакой рассылки, только если вы сами захотите.