Эдгар Добрибан, доцент статистики в Уортонской школе бизнеса при Пенсильванском университете, использовал модель OpenAI GPT-5.6 Sol Pro, чтобы решить одну из ключевых открытых задач в своей области. Заняло это около 90 минут.
Речь о методе Бенджамини-Хохберга — способе отсеивать ложные срабатывания, когда учёные проверяют сразу тысячи гипотез. Например, при поиске генов, связанных с болезнью, среди всего генома. Метод придумали в 1995 году, и с тех пор на статью о нём сослались более 130 000 раз.
Авторы метода доказали, что он работает для независимых данных. Но в реальности данные часто взаимосвязаны — например, соседние участки генома наследуются вместе. Три десятилетия статистики считали, что метод остаётся надёжным и для таких, коррелированных данных. Это никто не доказал и не опроверг.
GPT-5.6 Sol Pro построила статистическую модель, в которой реальная доля ложных срабатываний превышает заявленный уровень: 0,104 против целевых 0,1. Разница небольшая, поэтому на практике метод по-прежнему можно использовать — результат важен скорее для теории. Добрибан опубликовал препринт и код, подтвердивший расчёты симуляциями.
Предыдущая модель, GPT-5.5, с задачей не справилась — несколько агентов работали над ней около 20 часов впустую. «Скачок в возможностях вполне реальный. Захватывающее время», — написал Добрибан.
Статистик из Беркли Уилл Фитиан назвал опровергнутую гипотезу «самой интересной открытой проблемой» в своей области. Сам Добрибан отмечает: найденное решение — это не изобретение чего-то нового, а неожиданная комбинация уже известных методов, и в этом смысле результат не особо удивителен. Сложность была в том, чтобы правильно связать между собой уже известные приёмы — и новая модель с этим справилась.
Даже если ИИ способен лишь пересобирать то, чему его научили на человеческих данных, а не порождать по-настоящему новое знание, это уже делает его полезным инструментом в работе учёных: результат Добрибана пополнил растущий список подобных примеров.
