21 października OpenAI ogłosiło, że 1946 agentów GPT-Rosalind, działających równolegle, przeanalizowało istniejące dane z milionów mysich komórek mózgowych w 32 minuty — według szacunków zespołu ukończenie tej pracy ludzkiej grupie badawczej zajęłoby miesiące lub rok, poprzez ręczną analizę i przegląd literatury.
Demonstracja przeprowadzona wspólnie z firmą PerturbAI zajmującą się odkrywaniem leków i Scripps Research została opisana w preprintie bioRxiv i stosuje to, co zespół nazywa „rozproszonym rozumowaniem biologicznym”, w atlasie CRISPR całego mózgu – zbiorze danych katalogującym, w jaki sposób zakłócanie poszczególnych genów zmienia ekspresję genów w komórkach mózgowych. Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.
Jak działa rozproszone rozumowanie biologiczne
Eksperymenty z zaburzeniami CRISPR pozwalają badaczom wyłączać geny i mierzyć wynikające z nich zmiany komórkowe, ale mogą wygenerować więcej obserwacji, niż jest w stanie dogłębnie zbadać jakiekolwiek pojedyncze laboratorium. To wąskie gardło jest właśnie powodem, dla którego badacze udostępniają publicznie atlasy komórkowe. PerturbAI, firma zajmująca się odkrywaniem leków, która współtworzyła to podejście, oraz Scripps Research zapewniły ramy naukowe i przegląd dziedzin na potrzeby współpracy.
Oprogramowanie opisane w druku wstępnym przypisuje każde zaburzenie genu niezależnemu agentowi AI. Każdy agent bada zmiany komórkowe związane z przypisanym mu genem, przeszukuje literaturę naukową i proponuje wyjaśnienia tego, co znajdzie. Warstwa koordynacyjna łączy następnie raporty agentów, identyfikuje powiązania w całym zbiorze danych i klasyfikuje najbardziej obiecujące pomysły do dalszych działań.
„Budujemy atlasy komórkowe, aby inni naukowcy mogli dokonywać odkryć, których jeszcze nie wyobrażaliśmy sobie” – powiedziała w ogłoszeniu OpenAI Sarah Teichmann, kierownik katedry medycyny komórek macierzystych na Uniwersytecie w Cambridge i współzałożycielka Human Cell Atlas. „Sztuczna inteligencja może pomóc większej liczbie badaczy zbadać te zasoby i przekształcić nieoczekiwane obserwacje w nowe pytania do przetestowania”.
Liczby: 711 razy więcej niż źródła, 48 z 55 ustaleń odzyskanych
Różnica skali pomiędzy jednym agentem a prawie 2000 jest wyraźna. W porównaniu z wykorzystaniem tego samego modelu, podpowiedzi, narzędzi i dostępu do danych, w przypadku jednego agenta przy największym obciążeniu pracą pojedynczy agent wygenerował średnio około 11 odniesień do literatury, podczas gdy w systemie rozproszonym zachowało się 7586 odniesień — czyli według publicznych danych projektu około 711 razy więcej.
Agenci również dobrze radzili sobie z pierwotną nauką. Pracując bez dostępu do manuskryptu badania atlasowego, dopasowali lub udoskonalili 48 z 55 ustaleń pierwotnego badania, które można było wyciągnąć z danych otrzymanych przez agentów.
Aby ocenić jakość, zespół zrekrutował 30 biologów ze stopniem doktora do ślepego przeglądu. Ich oceny zasadniczo potwierdziły rankingi agentów dotyczące najbardziej obiecujących potencjalnych klientów badawczych.
Przewód cholesterolowy DCTN1
Jedno z odkryć ilustruje rodzaj hipotezy, którą system ma ujawnić. Zakłócenie DCTN1 – genu powiązanego z neurodegeneracją – zwiększyło aktywność genów zaangażowanych w produkcję cholesterolu. W badaniu podstawowym dotyczącym jednego środka sugerowano, że problemy z transportem cholesterolu w neuronach mogą skłonić komórki do kompensacji poprzez produkcję jego większej ilości.
Trzech zaślepionych recenzentów przyznało temu tropowi średni wynik w zakresie priorytetu dalszych działań na poziomie 4,3 z 5. Tomasz Nowakowski, profesor nadzwyczajny chirurgii neurologicznej na Uniwersytecie Kalifornijskim w San Francisco, który nie był autorem przeddruku, powiedział w oświadczeniu OpenAI, że odkrycie pokazuje, dlaczego łączenie obserwacji z różnych dyscyplin ma znaczenie: „Czasami wskazówki już tam są, rozproszone w różnych dziedzinach – po prostu ich nie połączyliśmy”.
Obietnice i zastrzeżenia
Ogłoszenie następuje w obliczu szybkiego tempa rozwoju OpenAI w dziedzinie nauk przyrodniczych. GPT-Rosalind, wprowadzony na początku tego roku, to model wyspecjalizowany w badaniach w zakresie nauk przyrodniczych, który łączy rozumowanie biologiczne z wykorzystaniem narzędzi naukowych, z udokumentowanymi zastosowaniami obejmującymi genomikę, analizę białek, badania docelowe, chemię medyczną i planowanie eksperymentów. Firma wdrożyła także Rosalind Workbench do procesów naukowych oraz wtyczkę Life Sciences Research do Codexu, a w czerwcu wprowadziła LifeSciBench – narzędzie ewaluacyjne, które według firmy mierzy pomoc w badaniach, a nie udowadnia, że system może niezależnie weryfikować odkrycia lub zastępować weryfikację eksperymentalną – to rozróżnienie przenosi się do obecnego ogłoszenia.
Ważne zastrzeżenia pozostają. Porównanie 32 minut w ciągu roku jest ilustracyjnym oszacowaniem opartym na założeniach – 15 minut na zaburzenie genu i 10 minut na przeczytanie artykułu – a nie na zmierzonym odpowiedniku. Praca stanowi dowód słuszności koncepcji: sztuczna inteligencja przedstawiła hipotezy do przetestowania przez ludzi, a nie potwierdzone odkrycia, a żaden z tropów nie został potwierdzony eksperymentalnie. Porównanie szybkości z analitykami ludzkimi również opiera się na ilustracyjnych założeniach zespołu dotyczących czasu, a nie na bezpośredniej próbie, a recenzenci-eksperci ocenili raporty agentów, a nie ścigali je z ludzkim zespołem badawczym. Nie doszło jeszcze do niezależnej replikacji porównań wzorowanych na wzorcach porównawczych.
Mimo to demonstracja szkicuje prawdopodobny przyszły przepływ pracy w biologii: publiczne zbiory danych są nieustannie przeglądane przez roje wyspecjalizowanych agentów, a naukowcy spędzają czas na testowaniu i udoskonalaniu tego, co maszyny zajmują najwyższe pozycje. To, czy te rankingi będą się utrzymywały w laboratorium, zadecyduje o tym, czy rozproszone rozumowanie AI stanie się standardowym wyposażeniem w naukach przyrodniczych.
Nota źródłowa: Szczegóły w tym artykule zaczerpnięto z ogłoszenia OpenAI z 21 października 2026 r. i relacji R&D World, w tym z przeddruku bioRxiv (Sun i in., 2026).---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
