Ғалымдар ChatGPT-ді қалай қолданады: OpenAI 580 мың сұранысты зерттеді

Ғалымдар ChatGPT-ді қалай қолданады: OpenAI 580 мың сұранысты зерттеді

Қысқаша. OpenAI 1 819 зерттеушіден түскен 580 186 ғылыми хабарламаны талдап, өзінің академиялық бағдарламасына қатысушы 251 ғалым арасында сауалнама жүргізді. ChatGPT көбінесе ғалымдарға ғылыми әдебиетті зерделеуге, мақала жазуға, нәтижелерді талдауға және код жазуға көмектеседі. Сауалнамаға қатысушылар уақытты шамамен 1,9 есе үнемдейтінін айтса, 98%-ы ЖИ ғылыми жаңалықтарды жеделдетеді деп күтеді. Дегенмен толықтай дербес зерттеулер үлесі бар болғаны 0,4%-ды құрайды, ал жаңалықтардың ашылу жылдамдығына нақты әсері әзірге өлшенбеген.

2026 жылғы 16 қарашада OpenAI Science at the Frontier: How Scientists Use ChatGPT атты зерттеуін жариялады. Нейрожелілерге алдын ала дайындалған сынақ тапсырмаларын беретін тестілерден айырмашылығы — мұнда нақты ғалымдардың ЖИ-ді күнделікті қалай қолданатыны зерттелді. Авторлар тілдік модельдердің әсерінен ғылыми жұмыстың қандай кезеңдері өзгеріп жатқанын, зерттеу идеяларын кім ұсынатынын және пайдаланушылар қанша уақыт үнемдейтінін анықтауға тырысты.

Нәтижесінде қызықты көрініс пайда болды. ChatGPT ғылыми жұмыс процесіне, соның ішінде гипотезалар құру мен математикалық талдауға айтарлықтай кірігіп үлгерген. Сонымен қатар, ең жиі кездесетін сценарийлер білімді өңдеу және баяндаумен байланысты, ал толыққанды ғылыми нәтижені дайындау мен тексеру әлі де адамның қатысуын талап етеді.

Зерттеу қалай жүргізілді

Деректер 2026 жылдың шілдесінде басталған ChatGPT for Academic Researchers пилоттық бағдарламасы аясында жиналды. Зерттеушілер ChatGPT, Work режимі және Codex-ті, соның ішінде командалық жол интерфейсін қолданды. Таңдамаға биология, химия, материалтану, информатика, математика, физика, инженерлік және геологиялық ғылымдар бойынша ғалымдар енді.

Не өлшендіДеректер
Қолданысты талдауға қатысушылар1 819 ғалым
Талданған ғылыми хабарламалар580 186
Бақылау кезеңі2026 жылғы 20 тамыз – 22 қыркүйек
Сауалнамаға қатысқандар251 ғалым
Сауалнама кезеңі2026 жылғы 30 қыркүйек – 7 қазан
Тапсырмаларды бөлу10 бағыт және ғылыми қызметтің 40 түрі

Бақылау кезеңінде қатысушылар барлығы шамамен 1,26 миллион хабарлама жіберген, оның 580 мыңы ғылыми жұмысқа жатқызылды. Талдау үшін OpenAI автоматты жіктегіштерді пайдаланды: олар хабарламаларға тиісті санаттар берді, ал зерттеу тобы түпнұсқа жазысуларды оқымай, тек алынған белгілермен жұмыс істеді. Компания мәліметінше, осы бағдарламаға қатысушылардың деректері әдепкі бойынша модельдерді оқытуға жіберілмейді.

Әдістеменің маңызды ерекшелігі: тапсырмалардың үлесі әрбір ғалым үшін жеке есептеліп, содан кейін орташаланды. Сондықтан бір белсенді пайдаланушы бүкіл таңдаманың нәтижесіне шешуші әсер ете алмады. Сонымен бірге зерттеу бүкіл ғылыми қауымдастықтың кездейсоқ таңдамасын емес, OpenAI-дың арнайы бағдарламасына қатысушыларды қамтитынын ескеру қажет.

Ғалымдар ChatGPT-ге қандай сұраныстар жолдайды

Төрт бағыт ғылыми хабарламалардың орташа бөлінісінің 85,1%-ын құрайды: қолданыстағы ғылыми деректерді зерттеу, мақалалар мен жарияланымдар дайындау, ғылыми талдау және бағдарламалау.

Ғалымдардың ChatGPT-ге жүгіну себептері

1-диаграмма. Жұмыс бағыты бойынша ғылыми хабарламалардың орташа үлесі. Дөңгелектелген мәндер қосындысы 100%-дан өзгеше болуы мүмкін. Дереккөз: OpenAI, Science at the Frontier, 2026 жылғы қараша.

Ең үлкен санат — оқу және білім алу (27,7%). Бұған ғылыми ұғымдарды түсіндіру, ақпарат іздеу және жарияланымдарды қорытындылау кіреді. Тағы 26,9% мақалалар, гранттық өтінімдер, иллюстрациялар мен басқа да материалдарды дайындауға тиесілі. Ғылыми талдау (16,7%) мен зерттеу кодына (13,8%) жалпы алғанда сұраныстардың шамамен үштен бірі келеді.

Толығырақ жіктеу ғалымдардың нақты қандай әрекеттерді орындайтынын көрсетеді:

Нақты міндетҒылыми хабарламалар үлесі
Ғылыми түсініктерді түсіндіру18,8%
Мақалалар қолжазбасын дайындау13,9%
Ғылыми ақпаратты іздеу5,3%
Зерттеу бағдарламалық жасақтамасын жазу4,7%
Гранттық өтінімдерді дайындау4,7%
Графиктер мен иллюстрациялар жасау4,2%
Дәлелдемелерді әзірлеу және тексеру4,2%
Есептерді, модельдерді және тәсілдерді тұжырымдау3,9%

Мұнда міндеттің таралу кеңдігі мен сұраныстар саны арасындағы айырмашылық ерекше маңызды. Мысалы, ғылыми визуализацияларды дайындауға зерттеушілердің 55,4%-ы кемінде үш рет жүгінген, ал дәлелдемелерді әзірлеуге немесе тексеруге — 26,2%-ы. Бұл ретте екі міндет те ғылыми хабарламалардың орташа көлемінің 4,2%-ын құрайды. Техникалық жағынан күрделі сұраныстар анағұрлым тар салалы болып шығады.

Бөлініс ғылым саласына да байланысты. Математикада ғылыми талдауға хабарламалардың 33,7%-ы, ал биологияда — 9,3%-ы тиесілі. Биологтар үшін бұрыннан бар ғылыми білімді зерделеу әлдеқайда маңыздырақ: математиктердегі 25,5%-ға қарсы 32,8%. Осылайша, бір ғана ЖИ құралы бір салада әдебиет бойынша көмекші, ал басқа салада формалды талдау құралы бола алады.

Ғалымдардың 68%-ы зерттеу идеяларын жасау үшін ЖИ-ді пайдаланады

Ең мазмұнды нәтиже ғылыми сұрақтарды таңдаудағы ЖИ рөліне қатысты. Бақылау кезеңінде қатысушылардың 67,6%-ы «идеялар мен гипотезалар» санаты бойынша кемінде үш хабарлама жіберген. Дөңгелектелген 68% көрсеткіші осы санатқа жүгінген зерттеушілердің үлесін білдіреді, ал бірінші диаграммадағы 5,3% — мұндай хабарламалардың барлық ғылыми қарым-қатынастағы үлесі. Бұл екі көрсеткіш екі түрлі нәрсені сипаттайды.

Авторлар зерттеу идеялары туралы хабарламаларда жұмыс бағытын кім анықтайтынын бөлек бағалады:

  • 35% — ғалым нақты сұрақ ұсынып, ЖИ-ден онымен жұмыс істеуді сұрайды.
  • 36% — ғалым бастапқы идеяны әкеледі, ал модель оны нақтылауға немесе қайта тұжырымдауға көмектеседі.
  • 23% — зерттеуші ChatGPT-ден сұрақ немесе бағытты өз бетінше ұсынуды сұрайды.
  • 6% — модельдің рөлін анықтау мүмкін болмады.

Нәтижесінде, осы санаттағы хабарламалардың 71%-ында бастапқы нүктені адамның өзі белгілейді, дегенмен кейбір жағдайларда ЖИ міндеттің қойылымын едәуір өзгертеді. Қатысушылар нейрожеліні миға шабуыл жасау үшін де пайдаланады, бірақ көбінесе ол бастапқы ойды нақты зерттеу мәселесіне айналдыруға көмектеседі.

Бұл ғылыми процестің түбегейлі өзгеруіне әкелуі мүмкін. Зерттеу сұрағын таңдауға қандай эксперименттерге уақыт жұмсалатыны және қандай бағыттар дамитыны тікелей байланысты. Сонымен қатар, идеялардың жиі туындауы олардың түпнұсқалығы, ғылыми құндылығы немесе сәтті болу ықтималдығы туралы әзірге ештеңе білдірмейді.

Ғылыми жұмыс қаншалықты жылдамдайды

Бөлек сауалнамада зерттеушілерден егер ЖИ қолжетімсіз болса, дәл осындай сападағы жұмысқа қанша уақыт кететінін бағалау сұралды. Қызметтің сегіз түрі бойынша респонденттер бұл қатынасты орташа есеппен 1,9-ға 1 деп бағалады. Басқаша айтқанда, ЖИ-мен бір сағат алатын міндетті, респонденттердің пікірінше, онсыз шамамен 1,9 сағат орындауға тура келер еді.

Ең үлкен пайда зерттеу құралдарын бағдарламалаумен байланысты — шамамен 2,8 есе. Ғылыми ақпаратты зерделеу үшін бағалау 2,2 есеге, ғылыми талдау үшін — 2,05 есеге, ал идеяларды әзірлеу үшін — 1,9 есеге жақын.

Бұл көрсеткіштерді дұрыс түсіну маңызды. 1,9 есе — ғылыми жаңалықтардың 1,9 есе артқанының эксперименттік дәлелі емес, жекелеген міндеттердегі уақыт үнемдеудің субъективті өзін-өзі бағалауы. Зерттеушілер ChatGPT бар және онсыз топтарды кездейсоқ салыстырған жоқ, жұмыстардың сапасына тәуелсіз тексеру жүргізген жоқ және жаңа расталған жаңалықтардың санын өлшеген жоқ. Әдебиетке шолу дайындауды жеделдеткенімен, ғалым кейін жабдықты, эксперимент нәтижелерін немесе қаржыландыруды айлап күтуі мүмкін.

Сондықтан зерттеудің ең сенімді қорытындысы — қатысушылардың уақыттың айтарлықтай үнемделуін сезінуінде. Оның жаңалықтарға қалай әсер ететінін әлі де жеке зерттеу қажет.

Сауалнамаға қатысқандардың 98%-ы жаңалықтардың жеделдеуін күтеді. Қаншалықты күшті?

OpenAI ғалымдарға ойша эксперимент ұсынды: ЖИ-сіз 10 жыл қажет болатын маңызды ғылыми жаңалықты елестетіңіз. ЖИ арқасында ол қанша уақытқа ертерек орын алуы мүмкін? Бұл сұраққа 250 адам жауап берді.

Ғалымдар ғылыми жаңалықтардың жеделдеуін қалай елестетеді

2-диаграмма. Болжамды онжылдық ашылу мерзімінің қысқаруы. Бұл өлшенген нәтижелер емес, сауалнамаға қатысушылардың жеке болжамдары. Дереккөз: OpenAI.

Сауалнамаға қатысқандардың 97,6%-ы ЖИ мерзімді тым болмаса аздап қысқартады деп санайды (OpenAI баспасөз материалдарында бұл көрсеткіш 98%-ға дейін дөңгелектелген). 72%-ы мерзімнің кемінде үш жылға қысқаруын болжаса, 21,6%-ы онжылдық міндет үш жыл ішінде немесе одан да тез шешіледі деп күтеді.

Күтулер ғылыми пәндер арасында ерекшеленеді. Математиктер мен статистиктер арасында 31%-ы 7-10 жылға жеделдеуге үміттенеді. Ал инженерлік ғылымдар мен материалтану өкілдері арасында бұлай ойлайтындар небәрі 9,8%-ды құрайды. Ықтимал түсініктеме — бағдарламалық түрде жылдам қайталауға және тексеруге болатын цифрлық міндеттер мен физикалық инфрақұрылымды қажет ететін эксперименттік зерттеулер арасындағы айырмашылықта.

«ЖИ жаңалықтарды неге жеделдетеді» деген сұраққа ғалымдар 224 еркін жауап берген. Авторлар олардан 367 жеке уәжді бөліп алды. Осы дәйектердің 52%-ы зерттеу міндеттерін жеделдетуге, 23%-ы перспективалы идеяларды неғұрлым тиімді іздеуге, 14%-ы мәселелердің кең ауқымымен жұмыс істеу мүмкіндігіне қатысты болды. Қалған 11%-ы басқа себептерге тиесілі.

Ғалымдар жауаптарды тексеруді және өңдеуді жалғастыруда

OpenAI сондай-ақ зерттеушінің ЖИ жауабынан кейін бірдеңені түсіндіруді, тексеруді немесе өзгертуді сұрайтын хабарламаларының жиілігін өлшеді. Орташа алғанда, мұндай жүгінулер ғылыми сұраныстардың 32%-ынан кейін орын алған. Мәтіндерді дайындауда бұл көрсеткіш 38%-ға, ғылыми талдауда — 34,4%-ға, код әзірлеуде — 33,7%-ға жетті.

Әрі қарайғы жүгінулердің жиілігі модель қателерінің жиілігіне тең емес. Пайдаланушы дұрыс нобайды жақсартуды немесе сәтті талдауды кеңейтуді сұрауы мүмкін; сонымен бірге келесі хабарламаның болмауы нәтиженің мінсіз болғанын дәлелдемейді. Сонымен қатар, әдістеме диалогтың жеті күн ішіндегі белгілі бір жалғасу түрлерін ғана есепке алды, сондықтан бұл көрсеткіш зертханалық эксперимент немесе есептеулерді қолмен тексеру сияқты сыртқы тексеруді толық қамтымайды.

Айта кетерлігі, толықтай дербес зерттеу санатына ғылыми хабарламалардың орта есеппен 0,4%-ы ғана тиесілі. Бұл тиісті тапсырмасы бар сұраныстардың үлесі ғана, автономды агенттердің сапасы мен сәттілігінің бағасы емес. Деректер қарастырылып отырған бағдарламада зерттеуші мен модельдің бірлескен жұмысы басым екенін көрсетеді.

Неліктен уақытты үнемдеу ғылымның пропорционалды жеделдеуін білдірмейді

Мінсіз жазылған бағдарламалық код та микроскоп астындағы үлгіні талдауды, қаржыландыру іздеуді немесе клиникалық зерттеуді алмастыра алмайды. OpenAI қазіргі заманғы ЖИ құралдары болған кезде қандай кедергілер сақталатынын ғалымдардан сұрады.

Ғылыми жұмыстың негізгі шектеулері

3-диаграмма. Сауалнамаға қатысушылар атаған негізгі кедергілер. Бірнеше нұсқаны таңдауға рұқсат етілді. Дереккөз: OpenAI.

Зерттеушілер көбінесе уақыттың немесе қызметкерлердің жетіспеушілігін (51,8%) және қаражат тапшылығын (43,8%) атады. 25,5%-ы нәтижелерді тексеру мен қайта жаңғыртудың қиындығын, 24,3%-ы жабдықтарға, зертханаларға немесе есептеулерге қолжетімділікті, 20,3%-ы деректер жинау мен эксперименттер жүргізуді көрсетті.

Бұл интеллектуалдық жұмыс құнының күрт төмендеуі де іс жүзінде неліктен шектеулі нәтиже беретінін түсіндіреді. ЖИ ондаған гипотезаны тез дайындауға көмектеседі, бірақ олардың қайсысы тексеруге тұрарлық екенін таңдап, қажетті тәжірибелерді адамдар жүргізуі керек. Егер жаңа идеялар ағыны эксперименттік қуаттарға қарағанда тезірек өссе, негізгі кедергі гипотезаларды тудырудан оларды растауға қарай ауысады.

Anthropic, Google және Nature зерттеулері нені көрсетеді

OpenAI жұмысы ЖИ-дің ғылымда қолданылуы туралы басқа да бірнеше ірі зерттеулер аясында шықты. Олар қай тұжырымдардың нақты ChatGPT-ге тән екенін, ал қайсысы басқа жүйелерде де кездесетінін жақсырақ түсінуге мүмкіндік береді.

Anthropic: Claude деректерді талдау үшін жиі қолданылады

5 қарашада Anthropic компаниясы Claude және Claude Code-тың 207 049 ғылыми сессиясын зерттеуін ұсынды. Оның деректеріне сәйкес, деректерді талдауға Claude сессияларының 33,7%-ы және Claude Code сессияларының 48,1%-ы тиесілі болды. Ал оқу және білім алуға — тиісінше 7,6% және 3,7%. Салыстыру үшін, OpenAI-да оқу санаты ғылыми хабарламалардың орташа бөлінісінің 27,7%-ын құрайды.

Айырмашылық айтарлықтай, бірақ оны нақты бір саладағы өнімнің басымдығы деп санауға болмайды. Anthropic ғылыми деп танылған сессияларды (тұтынушылық тарифтерді қоса алғанда), ал OpenAI — академиялық зерттеушілердің хабарламаларын талдады. Әдістемелер мен өлшем бірліктері әртүрлі. Дегенмен екі зерттеу де басты мәселеде тоғысады: кодпен, ғылыми әдебиетпен және деректермен жұмыс LLM нақты қолданысының үлкен бөлігін алады.

Google және MIT: аптасына шамамен жеті сағат, бірақ гипотезалар кезегі өсуде

2026 жылдың қыркүйегінде жарияланған AI in Science: Early Insights жұмысында авторлар Gemini-мен 15 млн өзара әрекеттесуді, 2 600-ден астам мамандандырылған ғылыми модельді зерттеп, 600-ден астам ғалымнан сауалнама алды. Респонденттер аптасына жеті сағатқа жуық уақыт үнемдейтінін айтты; олардың айтуынша, босаған уақыттың көп бөлігі қайтадан зерттеуге бағытталады.

Авторлар сонымен бірге туындайтын шектеулерді тіркеді: тексерілмеген гипотезалардың өсіп келе жатқан кезегі және нәтижелерді верификациялау қажеттілігі. Зерттеуде әмбебап LLM модельдері мен деректермен және болжамдармен жұмыс істейтін арнайы жүйелердің бір-бірін толықтыратын сипаты баса айтылады.

Nature: мақалалар санының артуы ғылымның сан алуандығына кепілдік бермейді

2026 жылдың қаңтарында Nature журналында Artificial intelligence tools expand scientists’ impact but contract science’s focus атты зерттеу жарияланды. 41,3 млн ғылыми жарияланымдар массивіне сүйене отырып, авторлар ЖИ қолданудың жекелеген зерттеушілерге тиімділік әкелгенімен, тұтас ғылымның тақырыптық әртүрлілігінің тарылуымен байланысты екенін анықтады.

Бұл нәтиже оптимистік болжамдарға маңызды ескерту жасайды: ЖИ сапалы деректер мен жинақталған білімі мол бағыттарда жұмысты тиімдірек ете алады, ал күрделі және аз зерттелген салалар тиісті назарсыз қалуы мүмкін.

Анағұрлым автономды тәсілдер бойынша да зерттеулер бар. Nature басылымында сипатталған The AI Scientist жобасы ICLR конференциясының мамандандырылған воркшопында рецензиялаудан өткен жұмысты өз бетінше дайындай алды. Бірақ бұл ұсынылған үш жұмыстың біреуіне ғана бұйырды. Авторлардың өздері де жекелеген идеялардың әлсіздігін, қателерді және дәйексөздердің сенімсіздігін атап өтеді.

OpenAI не үшін мұндай зерттеу жүргізеді

Есеп OpenAI-ға ChatGPT-дің ғылыми жұмыстың қай бөліктерінде сұранысқа ие екенін және қандай мүмкіндіктерді дамыту керектігін анықтауға көмектеседі. Компания сонымен қатар академиялық ортадағы қатысуын күшейтуде: 16 қарашада ол дүние жүзі бойынша 200 мыңға дейін зерттеушіні тегін қолжетімділікпен қамтамасыз ету мақсатында ChatGPT for Academic Researchers бағдарламасының кеңейтілгенін жариялады. Келесі кезеңде компания зерттеушілер мен олардың әріптестеріне ChatGPT Plus-қа 50 мың грант бөлуді жоспарлап отыр.

Оның қарсаңында OpenAI жеке ғылыми блогын іске қосты, онда ғалымдардың модельдермен жұмыс нәтижелерін, практикалық әдістерді және шектеулерді талдауды жариялауға уәде береді. Мұндай бастамалар ғылыми қауымдастықты компанияның маңызды аудиториясына, ал оның зерттеу құралдарын Anthropic және Google DeepMind-пен бәсекелестіктің бөлігіне айналдырады.

Сондықтан нәтижелерге мән-жайды түсіне отырып қараған жөн. Зерттеуді өнімнің өзіндік әзірлеушісі дайындады, ал сауалнамаға ЖИ-ге кеңейтілген қолжетімділікке мүдделі адамдар қатысты. Бұл нақты сұраныстардың үлкен массивінің құндылығын жоққа шығармайды, бірақ қанағаттану мен өнімділік бағалауларын бүкіл ғылымға тікелей көшіру мүмкіндігін шектейді.

Қорытынды: ЖИ ғалымдардың жұмысын жеделдетеді, бірақ жаңалықтар жылдамдығын әлі де өлшеу керек

Science at the Frontier жұмысының басты нәтижесі — зерттеушілердің ChatGPT-ден нақты қай жерде практикалық пайда тапқанының толық картасы. Қолданудың негізгі көлемі оқу, мәтіндер дайындау, талдау және код төңірегінде шоғырланған. ЖИ зерттеу бағыттарын таңдауға да қатысады: бақыланған ғалымдардың үштен екісі идеялар мен гипотезалар бойынша оған жүгінген.

Сауалнамаға қатысушылар уақытты екі есеге жуық үнемдеуді бағалайды және ЖИ-мен жаңа ашылуларға үлкен үміт артады. Әзірге бұл пайдаланушылардың өзіндік бағалауы. 98% оптимистік жауаптар да, жеке міндеттерді орындаудың жеделдеуі де ғылыми жаңалықтардың қазірдің өзінде екі есе жылдам ашылып жатқанын дәлелдей алмайды.

Келесі кезең үшін гипотезадан бастап тексеруге, нәтижені қайталауға және практикалық қорытындыға дейінгі барлық тізбекті қадағалайтын өлшеулер қажет. Шамасы, LLM модельдерінің ғылымды қаншалықты өзгертетіні дәл сонда шешілетін болады: идеяны тез ұсыну мүмкіндігі пайда болды, бірақ оны сенімді түрде растау қабілеті негізгі шектеу болып қала береді.


Дереккөздер

  1. OpenAI — Science at the Frontier: How Scientists Use ChatGPT, 2026 жылғы 16 қараша. Толық ғылыми есеп (PDF).
  2. OpenAI — Broadening access to AI for scientists, 2026 жылғы 16 қараша.
  3. Anthropic — AI for scientific discovery: How researchers use Claude, 2026 жылғы 5 қараша.
  4. Codreanu et al. — AI in Science: Early Insights, 2026 жылғы 16 қыркүйек.
  5. Hao et al. — Artificial intelligence tools expand scientists’ impact but contract science’s focus, Nature, 2026.
  6. Towards end-to-end automation of AI research, Nature, 2026.