Масштабирование исследований в области социальных наук13.02.2026 09:00

Главная задача нашей работы в OpenAI — помогать ученым быстрее двигаться вперед и решать более сложные задачи. Сегодня наша команда по экономическим исследованиям выпускает GABRIEL — инструментарий с открытым исходным кодом, который использует GPT для превращения неструктурированных текстов и изображений в количественные измерения. Он разработан для экономистов, социологов и специалистов по работе с данными, чтобы исследовать качественные данные в больших масштабах.

Качественные данные рассказывают самые подробные истории о мире — о том, что люди говорят, пишут, преподают, обсуждают и переживают. Они охватывают всё: от учебных программ и интервью до социальных сетей и фотографий. Таких данных невероятно много. Но превращение их в строго научные свидетельства требует колоссального времени. Зачастую это вообще неосуществимо. Слишком часто ученым-обществоведам приходится отказываться от важных направлений исследований не потому, что данных не существует, а потому, что их невозможно проанализировать.

GABRIEL создан для того, чтобы сделать качественные данные гораздо более доступными. Он позволяет исследователям описывать то, что они хотят измерить, обычными словами — например, «насколько эта вакансия дружелюбна к семье?» —, а затем применять один и тот же вопрос последовательно к тысячам (или миллионам) документов, выдавая оценку для каждого из них. Это позволяет исследователям тратить меньше времени на рутинную разметку данных и больше времени на работу, которая действительно требует экспертизы: выбор того, что измерять, проверку результатов и формулирование аккуратных выводов.

Например, GABRIEL может проанализировать большую коллекцию научных статей, чтобы выяснить, какие конкретно методы используются и как они развиваются со временем. Он может изучать учебные программы, чтобы оценить, сколько внимания уделяется различным предметам или навыкам. Он может извлекать структурированные исторические детали для каждого маленького городка по всей Европе или исследовать массив отзывов клиентов и находить закономерности в том, что люди ценят больше всего. В нашей научной работе⁠ мы оцениваем эффективность GPT при разметке качественных данных для самых разных сценариев использования и приходим к выводу, что модель обладает высокой точностью.

Помимо такого рода измерений, GABRIEL также предоставляет практические инструменты, которые часто необходимы исследователям. К ним относятся объединение наборов данных, даже если их столбцы не совпадают, умная дедупликация, кодирование фрагментов текста, генерация новых научных теорий и деидентификация персональных данных в тексте в целях соблюдения конфиденциальности.

GABRIEL теперь доступен в виде Python-библиотеки с открытым исходным кодом⁠, а для быстрого старта предусмотрен блокнот с туториалом⁠. Инструмент спроектирован так, чтобы требовать минимальной технической подготовки. Мы продолжим совершенствовать GABRIEL с течением времени на основе отзывов академического сообщества. Мы надеемся, что этот инструмент поможет большему количеству исследователей привнести богатство качественных данных и человеческих историй в свои работы.

Автор