OpenAI ने 21 ऑक्टोबर रोजी जाहीर केले की त्यांच्या GPT-Rosalind एजंटांपैकी 1,946, समांतरपणे चालत, 32 मिनिटांत लक्षावधी माउस मेंदूच्या पेशींमधून अस्तित्वात असलेल्या डेटाचे विश्लेषण केले - कार्य मॅन्युअल विश्लेषण आणि साहित्य पुनरावलोकनाद्वारे पूर्ण होण्यासाठी मानवी संशोधन गटाला महिना ते एक वर्ष लागतील असा टीमचा अंदाज आहे.

ड्रग-डिस्कव्हरी कंपनी PerturbAI आणि Scripps Research सोबत आयोजित केलेल्या प्रात्यक्षिकाचे वर्णन bioRxiv प्रीप्रिंटमध्ये केले आहे आणि संपूर्ण मेंदूच्या CRISPR ऍटलसवर टीम "डिस्ट्रिब्युटेड बायोलॉजिकल रिझनिंग" म्हणते - एक डेटासेट जो मेंदूच्या पेशींमध्ये जनुकांच्या अभिव्यक्तीमध्ये व्यत्यय आणून वैयक्तिक जनुक कसे बदलतात हे कॅटलॉग करतो. For more context on this story, see our ongoing AI news.

वितरित जैविक तर्क कसे कार्य करते

CRISPR गोंधळ प्रयोग संशोधकांना जीन्स बंद करू देतात आणि परिणामी सेल्युलर बदलांचे मोजमाप करू शकतात, परंतु ते कोणत्याही एका प्रयोगशाळेने सखोल तपास करू शकतील त्यापेक्षा अधिक निरीक्षणे निर्माण करू शकतात. ही अडचण तंतोतंत का आहे की संशोधक सेल ऍटलसेस सार्वजनिकपणे शेअर करतात. PerturbAI, औषध-शोध कंपनी ज्याने हा दृष्टिकोन सह-विकसित केला आणि स्क्रिप्स रिसर्चने सहकार्यासाठी वैज्ञानिक फ्रेमिंग आणि डोमेन पुनरावलोकन पुरवले.

प्रीप्रिंटमध्ये वर्णन केलेले सॉफ्टवेअर प्रत्येक जनुकातील व्यत्यय स्वतंत्र AI एजंटला नियुक्त करते. प्रत्येक एजंट त्याच्या नियुक्त जनुकाशी संबंधित सेल्युलर बदलांचे परीक्षण करतो, वैज्ञानिक साहित्य शोधतो आणि त्याला काय सापडते याचे स्पष्टीकरण प्रस्तावित करतो. एक समन्वय स्तर नंतर एजंट्सचे अहवाल एकत्र करतो, संपूर्ण डेटासेटवर कनेक्शन ओळखतो आणि मानवी फॉलो-अपसाठी सर्वात आशादायक कल्पनांना स्थान देतो.

केंब्रिज विद्यापीठातील स्टेम सेल मेडिसिनच्या चेअर आणि ह्युमन सेल ॲटलसच्या संस्थापक सह-अध्यक्ष, OpenAI च्या घोषणेमध्ये सारा टेचमन म्हणाल्या, "आम्ही सेल ॲटलसेस तयार करतो जेणेकरून इतर शास्त्रज्ञ असे शोध लावू शकतील ज्याची आम्ही कल्पना केली नसेल." "एआय अधिक संशोधकांना ही संसाधने शोधण्यात आणि अनपेक्षित निरीक्षणांना चाचणीसाठी नवीन प्रश्नांमध्ये बदलण्यात मदत करू शकते."

संख्या: 711 वेळा संदर्भ, 55 पैकी 48 निष्कर्ष पुनर्प्राप्त

एक एजंट आणि सुमारे 2,000 मधील स्केल फरक पूर्णपणे आहे. समान मॉडेल, प्रॉम्प्ट, टूल्स आणि डेटा ऍक्सेस वापरून तुलना करता, सिंगल-एजंटने सर्वात मोठ्या वर्कलोडवर सरासरी 11 साहित्य संदर्भ रन केले, तर वितरित सिस्टमने 7,586 संदर्भ राखून ठेवले - प्रकल्पाच्या सार्वजनिक डेटानुसार, अंदाजे 711 पट जास्त.

एजंटांनी मूळ विज्ञानालाही चांगलेच धरून ठेवले. एटलस अभ्यासाच्या हस्तलिखितात प्रवेश न करता काम करून, त्यांनी मूळ अभ्यासाच्या 55 निष्कर्षांपैकी 48 जुळले किंवा परिष्कृत केले जे एजंट्सना मिळालेल्या डेटावरून काढले जाऊ शकतात.

गुणवत्तेचे मूल्यांकन करण्यासाठी, टीमने 30 डॉक्टरेट स्तरावरील जीवशास्त्रज्ञांची एका अंध पुनरावलोकनासाठी नियुक्ती केली. त्यांच्या मूल्यांकनांनी एजंट्सच्या सर्वात आशादायक संशोधन लीड्सच्या रँकिंगला व्यापकपणे समर्थन दिले.

DCTN1 कोलेस्ट्रॉल लीड

एक शोध प्रणाली कोणत्या प्रकारचे गृहीतक आहे हे स्पष्ट करते. DCTN1 मध्ये व्यत्यय आणणे — न्यूरोडीजनरेशनशी जोडलेले जनुक — कोलेस्टेरॉलच्या उत्पादनात गुंतलेल्या जनुकांची क्रिया वाढवते. सिंगल-एजंट बेसलाइनने प्रस्तावित केले की न्यूरॉन्समध्ये कोलेस्टेरॉलची वाहतूक करताना समस्या पेशींना अधिक उत्पादन करून भरपाई करण्यास प्रवृत्त करू शकतात.

तीन अंध समीक्षकांनी 5 पैकी 4.3 चा सरासरी फॉलो-अप प्राधान्य स्कोअर दिला. Tomasz Nowakowski, UC San Francisco मधील न्यूरोलॉजिकल सर्जरीचे सहयोगी प्राध्यापक जे प्रीप्रिंटचे लेखक नव्हते, OpenAI च्या घोषणेमध्ये म्हणाले की शोध दर्शवितो की लिंकिंग निरिक्षण का आहे, "clipslues." वेगवेगळ्या क्षेत्रात विखुरलेले - आम्ही त्यांना जोडलेले नाही."

वचन आणि सावध

OpenAI च्या लाइफ सायन्सेस पुशमध्ये वेगवान गती असताना ही घोषणा आली आहे. GPT-Rosalind, या वर्षाच्या सुरुवातीला सादर करण्यात आलेले, हे जीवन विज्ञान संशोधनासाठी खास मॉडेल आहे जे वैज्ञानिक साधनांच्या वापरासह जैविक तर्काला एकत्रित करते, जीनोमिक्स, प्रोटीन विश्लेषण, लक्ष्य संशोधन, औषधी रसायनशास्त्र आणि प्रयोग नियोजन यासह दस्तऐवजीकरण केलेले अनुप्रयोग. कंपनीने वैज्ञानिक वर्कफ्लोसाठी Rosalind Workbench आणि Codex मध्ये LifeSciBench ला लाइफ सायन्सेस रिसर्च प्लगइन देखील आणले आहे आणि जूनमध्ये LifeSciBench सादर केले आहे, कंपनी म्हणते की प्रणाली स्वतंत्रपणे शोध प्रमाणित करू शकते किंवा प्रायोगिक पडताळणी बदलू शकते हे सिद्ध करण्याऐवजी संशोधन सहाय्य मोजते - एक वेगळेपण जे वर्तमान घोषित करण्यासाठी आहे.

महत्त्वाचे सावध राहतील. 32-मिनिटे-विरुद्ध-वर्ष-तुलना हा गृहितकांवरून तयार केलेला एक उदाहरणात्मक अंदाज आहे — 15 मिनिटे प्रति जनुक व्यत्यय आणि 10 मिनिटे प्रति पेपर वाचन — मोजलेल्या समतुल्य ऐवजी. हे काम संकल्पनेचा पुरावा आहे: मानवांसाठी चाचणी करण्यासाठी AI ने गृहितके मांडली, शोध प्रमाणित नाहीत आणि कोणत्याही लीडची प्रायोगिकरित्या पुष्टी झालेली नाही. मानवी विश्लेषकांसोबतची वेगाची तुलना त्याचप्रमाणे हेड-टू-हेड ट्रायल ऐवजी टीमच्या स्पष्टीकरणात्मक वेळेच्या गृहितकांवर अवलंबून असते आणि तज्ञ समीक्षकांनी एजंट्सच्या अहवालांना मानवी संशोधन संघाविरुद्ध लढण्याऐवजी श्रेणीबद्ध केले. बेंचमार्क-शैलीच्या तुलनेची स्वतंत्र प्रतिकृती अद्याप झालेली नाही.

तरीही, प्रात्यक्षिक जीवशास्त्रासाठी भविष्यातील एक प्रशंसनीय कार्यप्रवाह रेखाटते: सार्वजनिक डेटासेट विशिष्ट एजंट्सच्या थवांद्वारे अविरतपणे पुन्हा उत्खनन केले जातात, ज्यामध्ये मानवी शास्त्रज्ञ त्यांचा वेळ चाचणी आणि यंत्रांना सर्वोच्च स्थानावर सुधारण्यात घालवतात. ती रँकिंग प्रयोगशाळेत सातत्याने टिकून राहते की नाही हे निर्धारित करेल की वितरित एआय तर्क जीवन विज्ञानातील मानक उपकरणे बनतात.

स्रोत टीप: या लेखातील तपशील OpenAI च्या 21 ऑक्टोबर 2026 च्या घोषणेवरून आणि R&D World द्वारे अंतर्निहित बायोआरक्सिव प्रीप्रिंट (सन एट अल., 2026) सह कव्हरेजमधून काढलेले आहेत.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →