OpenAI បានប្រកាសនៅថ្ងៃទី 21 ខែតុលាថា 1,946 នៃភ្នាក់ងារ GPT-Rosalind របស់ខ្លួនដែលកំពុងដំណើរការស្របគ្នា បានវិភាគទិន្នន័យដែលមានស្រាប់ពីកោសិកាខួរក្បាលកណ្ដុររាប់លានក្នុងរយៈពេល 32 នាទី - ការងារដែលក្រុមប៉ាន់ស្មាននឹងចំណាយពេលពីក្រុមស្រាវជ្រាវមនុស្សរាប់ខែទៅមួយឆ្នាំដើម្បីបញ្ចប់តាមរយៈការវិភាគដោយដៃ និងការពិនិត្យមើលអក្សរសិល្ប៍។
ការបង្ហាញដែលធ្វើឡើងជាមួយក្រុមហ៊ុនស្រាវជ្រាវឱសថ PerturbAI និង Scripps Research ត្រូវបានពិពណ៌នានៅក្នុង bioRxiv preprint និងអនុវត្តនូវអ្វីដែលក្រុមហៅថា "ការចែកចាយហេតុផលជីវសាស្រ្ត" ទៅកាន់ខួរក្បាលទាំងមូលនៃ CRISPR atlas ដែលជាសំណុំទិន្នន័យដែលធ្វើកាតាឡុកពីរបៀបដែលរំខានដល់ហ្សែនបុគ្គលផ្លាស់ប្តូរការបញ្ចេញហ្សែននៅទូទាំងកោសិកាខួរក្បាល។ For more context on this story, see our ongoing AI trends.
របៀបដែលការចែកចាយហេតុផលជីវសាស្រ្តដំណើរការ
ការពិសោធន៍ដែលមានការរំខាន CRISPR អនុញ្ញាតឱ្យអ្នកស្រាវជ្រាវបិទហ្សែន និងវាស់ស្ទង់លទ្ធផលនៃការផ្លាស់ប្តូរកោសិកា ប៉ុន្តែពួកគេអាចបង្កើតការសង្កេតច្រើនជាងមន្ទីរពិសោធន៍តែមួយអាចស៊ើបអង្កេតយ៉ាងស៊ីជម្រៅ។ ភាពជាប់គាំងនោះ គឺជាមូលហេតុដែលក្រុមអ្នកស្រាវជ្រាវចែករំលែកកោសិកាកោសិកាជាសាធារណៈ។ PerturbAI ដែលជាក្រុមហ៊ុនស្វែងរកថ្នាំដែលសហការបង្កើតវិធីសាស្រ្ត ហើយ Scripps Research បានផ្គត់ផ្គង់នូវស៊ុមវិទ្យាសាស្ត្រ និងការត្រួតពិនិត្យដែនសម្រាប់ការសហការនេះ។
កម្មវិធីដែលបានពិពណ៌នានៅក្នុងការបោះពុម្ពជាមុនផ្តល់ការរំខានហ្សែននីមួយៗដល់ភ្នាក់ងារ AI ឯករាជ្យ។ ភ្នាក់ងារនីមួយៗពិនិត្យមើលការផ្លាស់ប្តូរកោសិកាដែលទាក់ទងនឹងហ្សែនដែលបានកំណត់របស់វា ស្វែងរកអក្សរសិល្ប៍វិទ្យាសាស្ត្រ និងស្នើការពន្យល់សម្រាប់អ្វីដែលវារកឃើញ។ បន្ទាប់មកស្រទាប់សំរបសំរួលរួមបញ្ចូលគ្នានូវរបាយការណ៍របស់ភ្នាក់ងារ កំណត់ការតភ្ជាប់ទូទាំងសំណុំទិន្នន័យពេញលេញ និងចាត់ចំណាត់ថ្នាក់គំនិតដែលជោគជ័យបំផុតសម្រាប់ការតាមដានរបស់មនុស្ស។
Sarah Teichmann ប្រធានផ្នែកវេជ្ជសាស្ត្រកោសិកានៅសាកលវិទ្យាល័យ Cambridge និងជាសហប្រធាននៃ Human Cell Atlas បាននិយាយនៅក្នុងសេចក្តីប្រកាសរបស់ OpenAI ថា "យើងបង្កើតកោសិកា atlases ដើម្បីឱ្យអ្នកវិទ្យាសាស្ត្រផ្សេងទៀតអាចបង្កើតការរកឃើញដែលយើងមិននឹកស្មានដល់។ "AI អាចជួយអ្នកស្រាវជ្រាវកាន់តែច្រើនស្វែងរកធនធានទាំងនេះ និងបង្វែរការសង្កេតដែលមិននឹកស្មានដល់ទៅជាសំណួរថ្មីដើម្បីសាកល្បង។"
លេខ៖ 711 ដងនៃឯកសារយោង, 48 នៃ 55 ការរកឃើញត្រូវបានរកឃើញឡើងវិញ
ភាពខុសគ្នានៃមាត្រដ្ឋានរវាងភ្នាក់ងារមួយ និងជិត 2,000 គឺស្រឡះ។ នៅក្នុងការប្រៀបធៀបដោយប្រើគំរូដូចគ្នា ប្រអប់បញ្ចូល ឧបករណ៍ និងការចូលប្រើទិន្នន័យ ភ្នាក់ងារតែមួយដំណើរការជាមធ្យមប្រហែល 11 ឯកសារយោងក្នុងបន្ទុកការងារធំបំផុត ខណៈដែលប្រព័ន្ធចែកចាយរក្សាបាន 7,586 ឯកសារយោង - ប្រហែល 711 ដងច្រើនជាងនេះបើយោងតាមទិន្នន័យសាធារណៈរបស់គម្រោង។
ភ្នាក់ងារក៏ប្រកាន់យ៉ាងល្អប្រឆាំងនឹងវិទ្យាសាស្ត្រដើម។ ដោយធ្វើការដោយគ្មានការចូលទៅកាន់សាត្រាស្លឹករឹតរបស់ការសិក្សា atlas ពួកគេបានផ្គូផ្គង ឬចម្រាញ់ 48 នៃការរកឃើញ 55 របស់ការសិក្សាដើម ដែលអាចទាញចេញពីទិន្នន័យដែលភ្នាក់ងារទទួលបាន។
ដើម្បីវាយតម្លៃគុណភាព ក្រុមការងារបានជ្រើសរើសអ្នកជីវវិទូកម្រិតបណ្ឌិតចំនួន 30 នាក់សម្រាប់ការពិនិត្យដោយងងឹតងងុល។ ការវាយតម្លៃរបស់ពួកគេបានគាំទ្រយ៉ាងទូលំទូលាយនូវចំណាត់ថ្នាក់របស់ភ្នាក់ងារនៃការនាំមុខនៃការស្រាវជ្រាវដ៏ជោគជ័យបំផុត។
កូលេស្តេរ៉ុល DCTN1
របកគំហើញមួយបង្ហាញពីប្រភេទនៃសម្មតិកម្មដែលប្រព័ន្ធនេះចង់បង្ហាញ។ ការរំខាន DCTN1 - ហ្សែនដែលភ្ជាប់ទៅនឹងការវិវត្តនៃសរសៃប្រសាទ - បង្កើនសកម្មភាពនៃហ្សែនដែលពាក់ព័ន្ធនឹងការផលិតកូលេស្តេរ៉ុល។ ភ្នាក់ងារមូលដ្ឋានតែមួយបានស្នើថាបញ្ហាដឹកជញ្ជូនកូឡេស្តេរ៉ុលនៅក្នុងកោសិកាសរសៃប្រសាទអាចជំរុញឱ្យកោសិកាទូទាត់សងដោយការផលិតកាន់តែច្រើន។
អ្នកត្រួតពិនិត្យពិការភ្នែកបីនាក់បានផ្តល់ពិន្ទុអាទិភាពតាមដានជាមធ្យម 4.3 ក្នុងចំណោម 5។ Tomasz Nowakowski សាស្ត្រាចារ្យរងផ្នែកវះកាត់សរសៃប្រសាទនៅ UC San Francisco ដែលមិនមែនជាអ្នកនិពន្ធនៃការបោះពុម្ពមុន បាននិយាយនៅក្នុងសេចក្តីប្រកាសរបស់ OpenAI ថាការរកឃើញនេះបង្ហាញពីមូលហេតុដែលភ្ជាប់ការសង្កេតលើវិញ្ញាសានានា៖ "ពេលខ្លះតម្រុយគឺខុសគ្នាត្រង់កន្លែងនោះ"។
ការសន្យា និងការព្រមាន
ការប្រកាសនេះបានមកដល់ចំពេលមានសន្ទុះយ៉ាងលឿននៅក្នុងការជំរុញវិទ្យាសាស្ត្រជីវិតរបស់ OpenAI ។ GPT-Rosalind ដែលត្រូវបានណែនាំកាលពីដើមឆ្នាំនេះ គឺជាគំរូឯកទេសសម្រាប់ការស្រាវជ្រាវវិទ្យាសាស្ត្រជីវិត ដែលរួមបញ្ចូលគ្នានូវហេតុផលជីវសាស្រ្តជាមួយនឹងការប្រើប្រាស់ឧបករណ៍វិទ្យាសាស្ត្រ ជាមួយនឹងកម្មវិធីដែលបានចងក្រងជាឯកសារដែលរួមមានពន្ធុវិទ្យា ការវិភាគប្រូតេអ៊ីន ការស្រាវជ្រាវគោលដៅ គីមីសាស្ត្រឱសថ និងការធ្វើផែនការពិសោធន៍។ ក្រុមហ៊ុនក៏បានដាក់ចេញនូវ Rosalind Workbench សម្រាប់ដំណើរការការងារបែបវិទ្យាសាស្ត្រ និងកម្មវិធីជំនួយស្រាវជ្រាវវិទ្យាសាស្ត្រជីវិតនៅក្នុង Codex ហើយនៅក្នុងខែមិថុនា វាបានណែនាំ LifeSciBench ដែលជាការវាយតម្លៃដែលក្រុមហ៊ុននិយាយថាវាស់ស្ទង់ជំនួយស្រាវជ្រាវជាជាងការបង្ហាញថាប្រព័ន្ធមួយអាចធ្វើសុពលភាពការរកឃើញដោយឯករាជ្យ ឬជំនួសការផ្ទៀងផ្ទាត់ដោយពិសោធន៍ ដែលជាភាពខុសគ្នាដែលទាក់ទងនឹងការប្រកាសបច្ចុប្បន្ន។
ការព្រមានសំខាន់ៗនៅតែមាន។ ការប្រៀបធៀប 32 នាទីធៀបនឹងមួយឆ្នាំគឺជាការប៉ាន់ប្រមាណដែលបង្កើតឡើងដោយការសន្មត់ - 15 នាទីក្នុងមួយការរំខានហ្សែននិង 10 នាទីក្នុងមួយក្រដាសអាន - ជាជាងការវាស់វែងសមមូល។ ការងារនេះគឺជាភស្តុតាងនៃគំនិត៖ AI បានបង្ហាញសម្មតិកម្មសម្រាប់មនុស្សដើម្បីសាកល្បង មិនមែនជាការរកឃើញដែលមានសុពលភាព ហើយគ្មានការនាំមុខណាមួយត្រូវបានបញ្ជាក់ដោយពិសោធន៍នោះទេ។ ការប្រៀបធៀបល្បឿនជាមួយអ្នកវិភាគរបស់មនុស្សក៏អាស្រ័យទៅលើការសន្មត់ពេលវេលាជាឧទាហរណ៍របស់ក្រុមជាជាងការសាកល្បងផ្ទាល់ ហើយអ្នកត្រួតពិនិត្យអ្នកជំនាញបានវាយតម្លៃរបាយការណ៍របស់ភ្នាក់ងារជាជាងប្រកួតប្រជែងជាមួយក្រុមស្រាវជ្រាវមនុស្ស។ ការចម្លងដោយឯករាជ្យនៃការប្រៀបធៀបរចនាប័ទ្មគោលមិនទាន់បានកើតឡើងនៅឡើយទេ។
ទោះជាយ៉ាងណាក៏ដោយ ការបង្ហាញបង្ហាញអំពីដំណើរការការងារនាពេលអនាគតដែលអាចជឿជាក់បានសម្រាប់ជីវវិទ្យា៖ សំណុំទិន្នន័យសាធារណៈត្រូវបានជីកយករ៉ែឡើងវិញដោយគ្មានទីបញ្ចប់ដោយភ្នាក់ងារឯកទេស ដោយក្រុមអ្នកវិទ្យាសាស្ត្របានចំណាយពេលវេលារបស់ពួកគេដើម្បីសាកល្បង និងកែលម្អអ្វីដែលម៉ាស៊ីនមានចំណាត់ថ្នាក់ខ្ពស់បំផុត។ ថាតើចំណាត់ថ្នាក់ទាំងនោះជាប់ជាប្រចាំនៅក្នុងមន្ទីរពិសោធន៍នឹងកំណត់ថាតើការចែកចាយ AI ហេតុផលក្លាយជាឧបករណ៍ស្តង់ដារនៅក្នុងវិទ្យាសាស្ត្រជីវិតដែរឬទេ។
ចំណាំប្រភព៖ ព័ត៌មានលម្អិតនៅក្នុងអត្ថបទនេះត្រូវបានដកស្រង់ចេញពីសេចក្តីប្រកាសថ្ងៃទី 21 ខែតុលា ឆ្នាំ 2026 របស់ OpenAI និងការគ្របដណ្តប់ដោយ R&D World រួមទាំងការបោះពុម្ពមុន bioRxiv (Sun et al., 2026)។---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
