OpenAI объявила 21 октября, что 1946 ее агентов GPT-Rosalind, работая параллельно, проанализировали существующие данные миллионов клеток мозга мышей за 32 минуты — работа, по оценкам команды, с помощью ручного анализа и обзора литературы займет у исследовательской группы людей от месяцев до года.

Демонстрация, проведенная совместно с компанией PerturbAI и Scripps Research, занимающейся разработкой лекарств, описана в препринте bioRxiv и применяет то, что команда называет «распределенным биологическим мышлением», к атласу CRISPR всего мозга — набору данных, каталогизирующему, как нарушение отдельных генов меняет экспрессию генов в клетках мозга. Подробнее об этой истории — в нашем новости об ИИ.

Как работает распределенное биологическое мышление

Эксперименты по возмущению CRISPR позволяют исследователям отключать гены и измерять возникающие в результате клеточные изменения, но они могут генерировать больше наблюдений, чем любая отдельная лаборатория может провести углубленное исследование. Именно из-за этого узкого места исследователи публикуют атласы клеток публично. PerturbAI, компания по поиску лекарств, которая совместно разработала этот подход, и Scripps Research предоставили научную основу и обзор предметной области для сотрудничества.

Программное обеспечение, описанное в препринте, назначает каждое нарушение гена независимому агенту ИИ. Каждый агент исследует клеточные изменения, связанные с назначенным ему геном, ищет в научной литературе и предлагает объяснения тому, что он находит. Затем уровень координации объединяет отчеты агентов, определяет связи во всем наборе данных и ранжирует наиболее многообещающие идеи для дальнейшего наблюдения.

«Мы создаем атласы клеток, чтобы другие ученые могли делать открытия, о которых мы еще не мечтали», — сказала Сара Тейхманн, заведующая кафедрой медицины стволовых клеток в Кембриджском университете и сопредседатель-основатель Атласа клеток человека, в заявлении OpenAI. «ИИ может помочь большему количеству исследователей изучить эти ресурсы и превратить неожиданные наблюдения в новые вопросы для проверки».

Цифры: 711 раз больше ссылок, 48 из 55 находок найдено

Разница в масштабах между одним агентом и почти 2000 человек огромна. При сравнении с использованием той же модели, подсказок, инструментов и доступа к данным, при работе с одним агентом в среднем было получено около 11 ссылок на литературу при самой большой рабочей нагрузке, в то время как распределенная система сохранила 7586 ссылок — примерно в 711 раз больше, согласно общедоступным данным проекта.

Агенты также хорошо противостояли оригинальной науке. Работая без доступа к рукописи исследования атласа, они сопоставили или уточнили 48 из 55 результатов оригинального исследования, которые можно было извлечь из данных, полученных агентами.

Чтобы оценить качество, команда наняла 30 биологов с докторской степенью для слепого обзора. Их оценки в целом поддержали рейтинги агентов наиболее многообещающих исследовательских направлений.

Ведущий уровень холестерина DCTN1

Одно открытие иллюстрирует тип гипотезы, которую призвана выдвинуть система. Нарушение DCTN1 — гена, связанного с нейродегенерацией, — увеличило активность генов, участвующих в выработке холестерина. Исходный уровень одного препарата показал, что проблемы с транспортировкой холестерина внутри нейронов могут побудить клетки компенсировать это, производя больше холестерина.

Трое слепых рецензентов дали этому лидерству среднюю оценку приоритетности последующего наблюдения 4,3 из 5. Томаш Новаковски, доцент кафедры неврологической хирургии Калифорнийского университета в Сан-Франциско, который не был автором препринта, заявил в заявлении OpenAI, что открытие показывает, почему объединение наблюдений между дисциплинами имеет значение: «Иногда подсказки уже есть, разбросаны по разным областям — мы просто не связали их».

Обещания и предостережения

Это объявление прозвучало на фоне стремительного развития OpenAI в области медико-биологических наук. GPT-Rosalind, представленная ранее в этом году, представляет собой модель, специализированную для исследований в области биологических наук, которая сочетает в себе биологические рассуждения с использованием научных инструментов и документально подтвержденными приложениями, охватывающими геномику, анализ белков, целевые исследования, медицинскую химию и планирование экспериментов. Компания также внедрила Rosalind Workbench для научных рабочих процессов и плагин Life Sciences Research в Кодексе, а в июне она представила LifeSciBench — оценку, которая, по словам компании, измеряет помощь в исследованиях, а не доказывает, что система может независимо проверять открытия или заменять экспериментальную проверку — отличие, которое перенесено и в текущее объявление.

Важные предостережения остаются. Сравнение 32 минут с прошлым годом — это показательная оценка, построенная на предположениях — 15 минут на одно нарушение гена и 10 минут на чтение статьи — а не измеренный эквивалент. Эта работа является доказательством концепции: ИИ выдвинул гипотезы, которые людям предстоит проверить, а не подтвердил открытия, и ни одна из версий не была подтверждена экспериментально. Сравнение скорости с людьми-аналитиками также основано на иллюстративных предположениях команды о времени, а не на личных испытаниях, и эксперты-рецензенты оценивали отчеты агентов, а не сравнивали их с исследовательской группой людей. Независимого повторения эталонных сравнений еще не произошло.

Тем не менее, демонстрация демонстрирует правдоподобный будущий рабочий процесс биологии: общедоступные наборы данных бесконечно перерабатываются стаями специализированных агентов, а ученые-люди тратят свое время на тестирование и уточнение того, что машины оценивают выше всего. От того, будут ли эти рейтинги стабильно сохраняться в лаборатории, будет зависеть, станут ли распределенные рассуждения ИИ стандартным оборудованием в науках о жизни.

Примечание к источнику: Подробности в этой статье взяты из объявления OpenAI от 21 октября 2026 года и репортажа R&D World, включая базовый препринт bioRxiv (Sun et al., 2026).

---

Будьте в курсе ИИ

Последние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.

Читать больше новостей об ИИ →