21 жовтня OpenAI оголосила, що 1946 агентів GPT-Rosalind, які працюють паралельно, проаналізували наявні дані з мільйонів клітин мозку мишей за 32 хвилини — робота, за оцінками команди, займе у дослідницької групи людей від місяців до року, щоб завершити її шляхом ручного аналізу та перегляду літератури.
Демонстрація, проведена спільно з компанією з розробки ліків PerturbAI і Scripps Research, описана в препринті bioRxiv і застосовує те, що команда називає «розподіленим біологічним міркуванням» до атласу CRISPR для всього мозку — набору даних, у якому каталогізовано, як руйнування окремих генів змінює експресію генів у клітинах мозку. For more context on this story, see our ongoing AI industry coverage.
Як працює розподілене біологічне міркування
Експерименти зі збуреннями CRISPR дозволяють дослідникам вимикати гени та вимірювати клітинні зміни, але вони можуть створити більше спостережень, ніж будь-яка окрема лабораторія може глибоко дослідити. Саме через це вузьке місце дослідники публічно діляться атласами клітин. PerturbAI, компанія з розробки ліків, яка спільно розробила підхід, і Scripps Research надали наукову структуру та перевірку домену для співпраці.
Програмне забезпечення, описане в препринті, призначає кожне порушення гена незалежному агенту ШІ. Кожен агент вивчає клітинні зміни, пов’язані з приписаним йому геном, шукає наукову літературу та пропонує пояснення того, що він знаходить. Рівень координації потім об’єднує звіти агентів, визначає зв’язки в повному наборі даних і ранжує найперспективніші ідеї для подальшої роботи.
«Ми створюємо атласи клітин, щоб інші вчені могли робити відкриття, про які ми ще не уявляли», — сказала Сара Тейхманн, кафедра медицини стовбурових клітин Кембриджського університету та співголова-засновник Атласу людських клітин, в повідомленні OpenAI. «Штучний інтелект може допомогти більшій кількості дослідників вивчити ці ресурси та перетворити несподівані спостереження на нові запитання для перевірки».
Цифри: 711 разів більше посилань, 48 із 55 знайдених знахідок
Різниця в масштабі між одним агентом і майже 2000 разюча. У порівнянні з використанням тієї ж моделі, підказки, інструментів і доступу до даних, запуски з одним агентом становили в середньому близько 11 посилань на літературу при найбільшому робочому навантаженні, тоді як розподілена система зберегла 7586 посилань — приблизно в 711 разів більше, згідно з загальнодоступними даними проекту.
Агенти також добре протистояли оригінальній науці. Працюючи без доступу до рукопису дослідження атласу, вони зіставили або уточнили 48 із 55 результатів оригінального дослідження, які можна було отримати з даних, отриманих агентами.
Щоб оцінити якість, команда залучила 30 біологів із докторським рівнем для сліпого огляду. Їхні оцінки загалом підтверджували рейтинги агентів щодо найбільш перспективних досліджень.
Холестериновий свинець DCTN1
Одне відкриття ілюструє тип гіпотези, яку система має висвітлити. Порушення DCTN1 — гена, пов’язаного з нейродегенерацією — збільшило активність генів, які беруть участь у виробленні холестерину. Базовий рівень для одного агента припустив, що проблеми з транспортуванням холестерину в нейронах можуть спонукати клітини компенсувати це, виробляючи більше.
Три сліпих рецензенти дали цьому лідеру середню оцінку пріоритету подальшого спостереження 4,3 з 5. Томаш Новаковскі, доцент кафедри неврологічної хірургії Каліфорнійського університету в Сан-Франциско, який не був автором препринту, сказав у повідомленні OpenAI, що відкриття показує, чому зв’язування спостережень у різних дисциплінах має значення: «Іноді підказки вже є, розкидані по різних галузях — ми просто не з’єднав їх».
Обіцянки та застереження
Оголошення з’явилося на тлі стрімкого поштовху розвитку наук про життя OpenAI. GPT-Rosalind, представлена на початку цього року, — це модель, що спеціалізується на наукових дослідженнях про життя, яка поєднує біологічні міркування з використанням наукових інструментів із задокументованими застосуваннями, що охоплюють геноміку, аналіз білків, цільові дослідження, медичну хімію та планування експериментів. Компанія також випустила Rosalind Workbench для наукових робочих процесів і плагін Life Sciences Research у Codex, а в червні вона представила LifeSciBench, оцінку, яка, за словами компанії, вимірює допомогу в дослідженні, а не доводить, що система може незалежно підтверджувати відкриття або замінювати експериментальну перевірку — відмінність, яка переноситься на поточне оголошення.
Залишаються важливі застереження. Порівняння 32 хвилин із роком є ілюстративною оцінкою, побудованою на основі припущень — 15 хвилин на руйнування гена та 10 хвилин на прочитану статтю — а не виміряний еквівалент. Робота є доказом концепції: штучний інтелект висунув гіпотези для перевірки на людях, а не підтверджені відкриття, і жодна з причин не була експериментально підтверджена. Порівняння швидкості з людськими аналітиками також базується на ілюстративних часових припущеннях команди, а не на прямому випробуванні, і експерти-рецензенти оцінювали звіти агентів, а не змагалися з ними проти дослідницької групи людей. Незалежне повторення порівнянь у стилі бенчмарку ще не відбулося.
Тим не менш, демонстрація накреслює вірогідний майбутній робочий процес для біології: загальнодоступні набори даних нескінченно переробляються зграями спеціалізованих агентів, а вчені-людини витрачають свій час на тестування та вдосконалення того, що машини мають найвищий рейтинг. Від того, чи ці рейтинги стабільно витримуються в лабораторії, залежить, чи стане розподілений штучний інтелект стандартним обладнанням у науках про життя.
Примітка до джерела: подробиці в цій статті взято з оголошення OpenAI від 21 жовтня 2026 року та висвітлення R&D World, включаючи базовий препринт bioRxiv (Sun та ін., 2026).---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
