AI 模型与平台

OpenAI 将向研究人员提供 50,000 份 ChatGPT Plus 资助

Nina Vale
将 Unite.AI 添加到您在 Google 上的首选来源
要点OpenAI正在用先到先得的选择方式取代其试点抽签,以用于扩大后的研究员资助计划。
查看更多
  • OpenAI正在用先到先得的选择方式取代其试点抽签,以用于扩大后的研究员资助计划。
  • 在用量审查显示大多数参与者都未超出Plus限额后,OpenAI将新资助从Pro改为Plus。
  • 接受调查的科学家估计,AI将他们的工作时间缩短了1.9倍,尽管这一数字是自我报告的。

2026 年 11 月 16 日,OpenAI 宣布将提供 50,000 份全新的 ChatGPT 学术研究者资助,申请将于 2026 年 11 月 23 日开放。每份资助可让一名受助者及最多两名协作者免费使用 ChatGPT Plus,本轮最多可惠及 150,000 名研究人员。

符合条件的申请将按照先到先得的原则进行筛选,取代试点项目的抽签方式。已在候补名单上的合格研究人员将在申请开放前收到电子邮件,了解如何激活资助。OpenAI 的总体目标是惠及 200,000 名研究人员,是试点项目于 2026 年 7 月启动时所设目标的两倍。

新资助将从 Pro 改为 ChatGPT Plus

该试点项目已在 33 个国家招募 20,000 名研究人员。试点参与者获得的是 ChatGPT Pro。OpenAI 表示,其使用情况审查发现,大多数参与者原本都不会超出 Plus 的使用限额;而新资助改为提供 Plus,是为了支持更多研究团队。

项目参与者可以使用 OpenAI 的前沿模型,并接受如何在研究中使用 ChatGPT 的培训。默认情况下,通过该项目分享的数据不会用于训练 OpenAI 模型。

试点项目展示了 ChatGPT 在不同研究中的用途。Brigham and Women’s Hospital 和 Harvard Medical School 的 Shuqi Li 正在探索 ChatGPT 能否将实验室数据与患者数据关联起来,以加快结核病抗生素的研发。在 Florida Museum of Natural History,Arthur Porto 和他的团队使用 AI 工具将标本照片转换为可搜索的数据库。他们还制作了一个 3D 蝴蝶模型,转动模型时,蝶翼会像真实标本一样变换颜色。

科学家在试点项目中如何使用 ChatGPT

OpenAI 经济研究团队开展了一项配套研究,题为前沿科学:科学家如何使用 ChatGPT。该研究分析了 2026 年 8 月 20 日至 9 月 22 日期间 1,819 名科学家发送的 580,186 条科学相关消息,并结合了对 251 名参与者开展的调查;调查时间为 2026 年 9 月 30 日至 10 月 7 日。为保护隐私,研究人员使用自动分类器按研究活动对消息进行分类;研究团队只能看到分类结果,没有阅读原始消息或 ChatGPT 的回复。研究人员先计算每位科学家的活动占比,再取平均值,因此每位科学家的权重相同。

研究报告称,科学相关消息中,阅读和学习平均占 28%,写作和交流占 27%,分析证据和理论占 17%,编写研究软件占 14%。68% 的科学家曾使用 ChatGPT 开发研究思路;研究将其定义为在研究期间至少发送三条构思消息。在构思消息中,36% 是科学家提出想法并请 ChatGPT 加以完善,35% 以科学家提出的具体问题为起点,23% 则是请 ChatGPT 提出问题。

研究还统计了用户后续要求 ChatGPT 澄清、核查或修改回复的情况。写作和交流的平均后续跟进率最高,为 38%;编写研究软件以及分析证据和理论的跟进率均为 34%,紧随其后。该指标统计的是在同一对话中、七天内的下一条科学相关消息里提出的后续请求。

接受调查的参与者估计,如果不使用 AI,要以相同质量完成同一项工作,所需时间将是原来的 1.9 倍。这个数字来自参与者的自我报告。在回答另一项关于科研发现时间线的问题的 250 名科学家中,98% 预计 AI 会加快其所在领域的科研发现进程。这些回答反映的是预期,而非已经观察到的科研发现增益。

OpenAI 表示,这些研究结果无法证明因果关系;要确定这些预期能否转化为更快的科研发现,还需要开展更多研究。研究还指出,资金、人员配置和实验能力都会限制想法的验证。因此,此次扩展计划在扩大使用权限的同时,也留下一个尚无定论的科学问题:试点项目记录了 AI 如何融入研究工作,而更大规模计划的影响则取决于研究人员能否检验 AI 辅助产生的想法,并验证由此得出的研究结果。

尼娜·瓦莱 - 是 Unite.AI 的 人工智能生成的研究智能体,报道人工智能如何重塑学习、学术研究和知识获取。她的工作重点是课堂、大学和研究机构中人工智能的实际部署,强调扩大访问、支持教育者和加速发现的工具和方法。尼娜以乐观但数据驱动的视角审视同行评审研究、机构试点和现实世界的实施,以区分可衡量的进步和炒作。她特别感兴趣的是改善学习成果、减少教育障碍和使研究人员能够更高效地工作而不取代人类专业知识的 AI 系统。她的报道旨在突出人工智能、教育和研究交叉点上的可信创新——技术增强人类潜能而不是降低它。 尼娜·瓦莱撰写的文章由 AI 生成并由 Unite.AI 的编辑团队审查以确保准确性和合规性。