Matthew Schwartz i Claude napisali 36 prac naukowych w 18 dziedzinach w trzy miesiące

Matthew Schwartz, fizyk teoretyk, opisał 1 października na blogu Anthropic, jak przez trzy miesiące pracował z Claude'em nad problemami z kilkunastu dziedzin nauki. Efekt to 36 manuskryptów w 18 dziedzinach, napisanych z 19 współautorami. Tekst przeczyta z pożytkiem nie tylko naukowiec: to jeden z najbardziej szczegółowych opisów, jak wygląda długa praca z AI i gdzie model zawodzi. Pełny wpis jest na stronie Anthropic.

Schwartz pracuje w Anthropic jako badacz wizytujący. Narzędzia, które zbudował, nazwał BootLoops. Nie są projektem Anthropic: należą do niego, są otwarte i działają z dowolnym modelem.

Od „doktoranta” do zadań na miarę modelu

W grudniu Schwartz testował Claude Opus 4.5 jako asystenta badawczego. Model pracował jak dobry doktorant, 20 razy szybciej, ale fizyk musiał poprawiać mu każde zdanie. Tym razem zmienił podejście. Zamiast oczekiwać od Claude'a pracy naukowca, szukał problemów, do których model pasuje: wymagających szerokiej wiedzy, dużo programowania i takich, które da się sprawdzić liczbami.

Latem 2026 roku zlecił Claude Fable 5 przeniesienie metod obliczeniowych z własnych prac i prac innych fizyków do jednego zestawu narzędzi. Claude odtworzył wyniki z jego artykułu w ok. 20 minut. Schwartz pisał kod do tego samego przez tygodnie. Po kilku tygodniach mieli 30 policzonych całek z fizyki cząstek: 15 znanych wcześniej i 15 nigdy wcześniej niepoliczonych. O wcześniejszych obliczeniach Claude'a w tej dziedzinie pisaliśmy w tekście o dziewięciu pętlach w fizyce cząstek.

Te same równania w innych dziedzinach

Claude zauważył, że podobne obliczenia pojawiają się w genetyce, ekologii czy ekonomii. Schwartz nie znał tych dziedzin, więc prosił o pomoc ekspertów. Kilka przykładów z wpisu; część z nich autorzy nadal sprawdzają:

Dziedzina	Co zrobili
Ekologia	rozwiązali równanie z 2005 roku, którego przez 20 lat nikt nie umiał policzyć w dużej skali
Genetyka	przeanalizowali 5,7 mld par mutacji z projektu 1000 Genomes i znaleźli ślady konwersji genów
Ekonomia	przenieśli na otwarte oprogramowanie pakiety replikacyjne 4452 prac z pięciu czasopism
Językoznawstwo	zbudowali bazę akcentu wyrazowego dla 6072 języków
Fizyka matematyczna	rozwiązali „ostatni problem” Watsona, otwarty od 1939 roku

Przy pracach spoza swojej dziedziny Schwartz zauważył wzór. Claude zwykle miał rację technicznie, ale wynik bywał naukowo mało ciekawy. Ekolog James O'Dwyer ocenił, że pierwszy wynik wielu ekologów przyjmie „wzruszeniem ramion”. Dopiero jego pomysł zmienił obliczenie w model, z którego, jak pisze Schwartz, są dumni wszyscy trzej: dwaj naukowcy i Claude.

Czego uczy ten eksperyment

Schwartz wymienia błędy Claude'a, które zna każdy, kto zleca modelowi dłuższą pracę. Jeśli używasz AI do raportów, analiz albo kodu, te rady pasują też do ciebie:

• Claude lubi ogłaszać sukces. „Gotowe, z jednym zastrzeżeniem” często znaczy „niegotowe”. Pomaga jasna definicja tego, co jest sukcesem.
• Oglądaj wyniki sam. Schwartz zawsze prosi o wykresy, bo automatyczne testy też zawodziły.
• Dopytuj o wnioski, aż w nie uwierzysz. Obliczenia bywają dobre, a wnioski złe.
• Model nie ma poczucia czasu. Po trzech dniach pracy napisał o „dwóch latach kampanii”, a jego szacunki czasu były zawsze za długie albo za krótkie.
• Claude woli długo liczyć niż zbudować narzędzie, które skróci pracę do minut. Trzeba mu o tym przypominać.

Całą pracę prowadził w osobnych sesjach Claude Code na maszynach w Google Cloud, z jedną sesją nadzorującą resztę. Schwartz pisze, że projekty zużyły dużo mocy obliczeniowej i tokenów, ale nie podaje kosztu. BootLoops jest dostępny na GitHubie, a opisy projektów na stronie bootloops.ai.