跳到文章正文
openai-gpt 编辑推荐

OpenAI 免费送 20 万个 ChatGPT 席位:科研人员 11 月 23 日开抢

OpenAI 把科研人员计划从 2 万人扩到 20 万人,11 月 23 日开放申请,首批 5 …

OpenAI 周二宣布,把「ChatGPT for Academic Researchers」科研人员计划从试点扩到全球,目标是让最多 20 万名研究者免费用上 ChatGPT。下一轮申请将在 11 月 23 日(周一)开放,首批 5 万个名额先到先得。

OpenAI 免费送 20 万个 ChatGPT 席位:科研人员 11 月 23 日开抢
OpenAI 免费送 20 万个 ChatGPT 席位:科研人员 11 月 23 日开抢

核心看点

  • 覆盖目标从 2 万人直接拉到 20 万人,是项目启动时公布目标的两倍。
  • 11 月 23 日开放申请,首批 5 万份符合条件的申请直接通过,不再抽签。
  • 每份名额包含申请人本人,外加最多 2 位合作者,本轮最多可覆盖 15 万名研究者。
  • 新名额发的是 ChatGPT Plus。试点期给的是 Pro,但官方复盘发现大多数人根本用不到那么高的额度。
  • 项目内共享的数据默认不用于训练模型。

四个月,从 2 万人到 20 万人

这个项目今年 7 月以试点形式启动,当时只向 33 个国家的约 2 万名研究者开放。四个月后,OpenAI 把盘子直接扩大了十倍,同时改掉了两处被吐槽最多的设计。

第一处是抽签。试点采用的是类似彩票的随机筛选,申请者不知道自己什么时候能中。新规则改成排队制:符合资格、提交得早,就能拿到名额。对赶项目的科研团队来说,可预期性比运气重要得多。

第二处是额度。试点期发的是 ChatGPT Pro,但 OpenAI 复盘使用数据后发现,绝大多数参与者的用量其实在 Plus 的限额之内。既然如此,把同样的预算摊到更多人身上更划算——这也是从 Pro 降到 Plus 却能覆盖十倍的直接原因。

研究者到底拿它干什么

OpenAI 同时发布了一份研究报告《Science at the Frontier: How Scientists Use ChatGPT》,基于试点期间 1800 多名研究者的使用数据。最直观的一个数字是:受访者估计,如果没有 AI,以同样质量完成同样的研究工作,耗时接近两倍。

官方举了两个具体例子。布莱根妇女医院与哈佛医学院的研究员 Shuqi Li 在寻找新的药物靶点,希望能缩短结核病的治疗周期,他正在试验能否用 ChatGPT 把实验室数据和患者数据串起来,加快抗生素研发。佛罗里达自然历史博物馆的 Arthur Porto 则带着团队把馆藏标本的照片转成可检索的数据库,还做出了一只蝴蝶的 3D 模型,转动时翅膀颜色会像真标本一样变化。

这些案例的共同点不是「让 AI 写论文」,而是把 AI 用在数据整理、跨系统信息拼接、建模这类最耗人力的环节。换句话说,省下来的时间是研究者的时间,不是审稿人的时间。

为什么科研机构特别在意「不训练」

公告里有一句容易被忽略但很关键的话:项目内共享的数据默认不用于训练模型。对高校和医院的研究者来说,未发表的数据、患者相关信息、实验中间结果都属于不能外流的东西,能否保证这些内容不进入训练集,往往决定一个机构敢不敢批准使用。

这也解释了为什么 OpenAI 要单独做一个项目,而不是简单给学生和研究者发折扣码。教育版和企业版解决的是账号和合规问题,科研计划解决的是信任问题。

想申请的话注意这几点

申请在 11 月 23 日开放,首批 5 万个名额按提交顺序发放,符合资格即通过。已经在候选名单上的申请者,会在开放前收到邮件,里面包含激活账号的具体步骤。每份名额可以带两位合作者,所以团队负责人申请比每个人各自申请更划算。

需要提醒的是,这个项目面向的是学术机构的研究人员,不是所有自称在做研究的人。资格审核的具体细则以官方申请页面为准,先到先得也意味着晚几天可能就要等下一轮。

写在最后

把 20 万个免费席位砸向学术界,OpenAI 的算盘并不难看懂:科研是最容易产生高价值使用场景、也最容易形成长期依赖的领域。一个博士生用惯了某个工具,等他进了实验室、带了团队、写了基金申请,选择往往就延续下去了。

但对研究者来说,这件事的现实意义更简单:过去要自掏腰包 20 美元一个月才能用的东西,现在可以名正言顺地写进项目预算之外。真正的门槛不再是钱,而是你知不知道自己该让它干什么。

本文地址:https://www.163264.com/21607