A OpenAI anunciou em 21 de outubro que 1.946 de seus agentes GPT-Rosalind, rodando em paralelo, analisaram dados existentes de milhões de células cerebrais de camundongos em 32 minutos – trabalho que a equipe estima que um grupo de pesquisa humana levaria de meses a um ano para ser concluído por meio de análise manual e revisão da literatura.
A demonstração, conduzida pela empresa de descoberta de medicamentos PerturbAI e Scripps Research, é descrita em uma pré-impressão do bioRxiv e aplica o que a equipe chama de “raciocínio biológico distribuído” a um atlas CRISPR de todo o cérebro – um conjunto de dados que cataloga como a interrupção de genes individuais altera a expressão genética nas células cerebrais. Para mais contexto sobre esta história, confira nossa cobertura da indústria de IA.
Como funciona o raciocínio biológico distribuído
Os experimentos de perturbação CRISPR permitem que os pesquisadores desliguem os genes e meçam as mudanças celulares resultantes, mas podem gerar mais observações do que qualquer laboratório pode investigar em profundidade. Esse gargalo é precisamente o motivo pelo qual os pesquisadores compartilham publicamente atlas de células. A PerturbAI, a empresa de descoberta de medicamentos que co-desenvolveu a abordagem, e a Scripps Research forneceram o enquadramento científico e a revisão de domínio para a colaboração.
O software descrito na pré-impressão atribui cada interrupção genética a um agente de IA independente. Cada agente examina as alterações celulares associadas ao gene atribuído, pesquisa a literatura científica e propõe explicações para o que encontra. Uma camada de coordenação combina então os relatórios dos agentes, identifica conexões em todo o conjunto de dados e classifica as ideias mais promissoras para acompanhamento humano.
“Construímos atlas de células para que outros cientistas possam fazer descobertas que ainda não imaginamos”, disse Sarah Teichmann, presidente de medicina de células-tronco da Universidade de Cambridge e co-presidente fundadora do Atlas de Células Humanas, no anúncio da OpenAI. “A IA poderia ajudar mais pesquisadores a explorar esses recursos e transformar observações inesperadas em novas questões a serem testadas”.
Os números: 711 vezes as referências, 48 de 55 descobertas recuperadas
A diferença de escala entre um agente e quase 2.000 é gritante. Em uma comparação usando o mesmo modelo, prompt, ferramentas e acesso a dados, as execuções de agente único tiveram em média cerca de 11 referências de literatura na maior carga de trabalho, enquanto o sistema distribuído reteve 7.586 referências – aproximadamente 711 vezes mais, de acordo com os dados públicos do projeto.
Os agentes também resistiram bem à ciência original. Trabalhando sem acesso ao manuscrito do estudo do atlas, eles combinaram ou refinaram 48 das 55 descobertas do estudo original que poderiam ser extraídas dos dados recebidos pelos agentes.
Para avaliar a qualidade, a equipe recrutou 30 biólogos com nível de doutorado para uma revisão cega. As suas avaliações apoiaram amplamente as classificações dos agentes relativamente às pistas de investigação mais promissoras.
O chumbo do colesterol DCTN1
Uma descoberta ilustra o tipo de hipótese que o sistema pretende apresentar. A interrupção do DCTN1 – um gene ligado à neurodegeneração – aumentou a atividade dos genes envolvidos na produção de colesterol. A linha de base do agente único propôs que os problemas no transporte do colesterol dentro dos neurônios poderiam levar as células a compensar produzindo mais.
Três revisores cegos deram a esse lead uma pontuação média de prioridade de acompanhamento de 4,3 em 5. Tomasz Nowakowski, professor associado de cirurgia neurológica na UC San Francisco que não foi autor do preprint, disse no anúncio da OpenAI que a descoberta mostra por que vincular observações entre disciplinas é importante: "Às vezes, as pistas já estão lá, espalhadas por diferentes campos - nós simplesmente não as conectamos."
Promessa e advertências
O anúncio chega em meio ao rápido impulso no impulso das ciências biológicas da OpenAI. O GPT-Rosalind, lançado no início deste ano, é um modelo especializado para pesquisa em ciências biológicas que combina raciocínio biológico com uso de ferramentas científicas, com aplicações documentadas que abrangem genômica, análise de proteínas, pesquisa de alvos, química medicinal e planejamento de experimentos. A empresa também lançou um Rosalind Workbench para fluxos de trabalho científicos e um plug-in de pesquisa em ciências biológicas no Codex, e em junho introduziu o LifeSciBench, uma avaliação que a empresa diz que mede a assistência à pesquisa em vez de provar que um sistema pode validar descobertas de forma independente ou substituir a verificação experimental – uma distinção que é transportada para o anúncio atual.
Permanecem advertências importantes. A comparação de 32 minutos versus um ano é uma estimativa ilustrativa construída a partir de suposições – 15 minutos por interrupção genética e 10 minutos por leitura de artigo – em vez de um equivalente medido. O trabalho é uma prova de conceito: a IA apresentou hipóteses para humanos testarem, não descobertas validadas, e nenhuma das pistas foi confirmada experimentalmente. A comparação de velocidade com analistas humanos também se baseia nas suposições de tempo ilustrativas da equipe, e não em um teste frente a frente, e os revisores especializados avaliaram os relatórios dos agentes, em vez de competi-los contra uma equipe de pesquisa humana. A replicação independente das comparações do tipo benchmark ainda não ocorreu.
Ainda assim, a demonstração esboça um fluxo de trabalho futuro plausível para a biologia: conjuntos de dados públicos infinitamente reminerados por enxames de agentes especializados, com cientistas humanos gastando o seu tempo testando e refinando o que as máquinas classificam mais alto. A consistência dessas classificações no laboratório determinará se o raciocínio de IA distribuída se tornará um equipamento padrão nas ciências da vida.
Nota da fonte: os detalhes neste artigo foram extraídos do anúncio da OpenAI de 21 de outubro de 2026 e da cobertura da R&D World, incluindo a pré-impressão bioRxiv subjacente (Sun et al., 2026).---
Fique à Frente da IAAs últimas notícias, análises e avanços em inteligência artificial — tudo em um só lugar.
Ler mais notícias de IA →
