FrontierScience adalah tolok ukur baru yang dirancang untuk mengevaluasi kemampuan penalaran ilmiah kecerdasan buatan di bidang fisika, kimia, dan biologi. Tolok ukur ini bertujuan untuk menilai kemampuan AI dalam mencapai kinerja tingkat ahli, menantangnya untuk menghasilkan dan menguji hipotesis, serta mengingat fakta, dan mengintegrasikan ide-ide di berbagai disiplin ilmu.

Kemajuan terbaru dalam AI telah memungkinkan model seperti GPT-5 untuk membuat kemajuan signifikan, memenangkan medali emas dalam kompetisi akademik internasional. Para peneliti sekarang memanfaatkan model-model ini untuk mengurangi tugas-tugas yang sebelumnya memakan waktu berhari-hari atau berminggu-minggu menjadi hanya beberapa jam. Kemajuan ini disoroti dalam sebuah makalah yang merinci eksperimen awal dengan GPT-5, yang menunjukkan bahwa model tersebut dapat secara signifikan mempercepat alur kerja ilmiah.

FrontierScience terdiri dari dua segmen: "Jalur Olimpiade," yang berfokus pada penalaran ilmiah ala Olimpiade, dan "Jalur Penelitian," yang berfokus pada kemampuan penelitian ilmiah dunia nyata. Tolok ukur ini dirancang dengan cermat oleh para ahli dan mencakup ratusan masalah yang menantang. Evaluasi awal menunjukkan bahwa GPT-5.2 menduduki peringkat teratas sebagai model terbaik di kedua bidang tersebut, menunjukkan kemajuan signifikan dalam memecahkan masalah ilmiah yang kompleks, sekaligus mengindikasikan ruang untuk perbaikan dalam pertanyaan penelitian terbuka.

Para pencipta tolok ukur ini menyadari bahwa meskipun FrontierScience menyediakan metrik yang lebih menantang dan bermakna untuk mengukur kemampuan ilmiah AI, tolok ukur ini tidak mencakup semua aspek pekerjaan sehari-hari seorang ilmuwan. Mereka melihat ini sebagai langkah menuju tolok ukur ilmiah yang lebih ketat yang lebih jelas menggambarkan di mana model AI unggul dan di mana pengembangan lebih lanjut diperlukan. Seiring evolusi AI, FrontierScience akan terus disempurnakan, dengan tujuan membangun sistem AI yang menjadi kolaborator tepercaya dalam upaya penemuan ilmiah.