OpenAI đã công bố vào ngày 21 tháng 10 rằng 1.946 đặc vụ GPT-Rosalind của họ, chạy song song, đã phân tích dữ liệu hiện có từ hàng triệu tế bào não chuột trong 32 phút – công việc mà nhóm ước tính sẽ khiến một nhóm nghiên cứu ở người mất vài tháng đến một năm để hoàn thành thông qua phân tích thủ công và xem xét tài liệu.
Cuộc trình diễn, được thực hiện với công ty khám phá thuốc PerturbAI và Scripps Research, được mô tả trong bản in sẵn bioRxiv và áp dụng cái mà nhóm gọi là "lý luận sinh học phân tán" cho tập bản đồ CRISPR toàn bộ não - một tập dữ liệu liệt kê cách phá vỡ từng gen riêng lẻ làm thay đổi biểu hiện gen trên các tế bào não. For more context on this story, see our ongoing latest AI developments.
Lý luận sinh học phân tán hoạt động như thế nào
Các thí nghiệm nhiễu loạn CRISPR cho phép các nhà nghiên cứu tắt gen và đo lường những thay đổi của tế bào, nhưng chúng có thể tạo ra nhiều quan sát hơn bất kỳ phòng thí nghiệm đơn lẻ nào có thể nghiên cứu sâu. Nút thắt đó chính là lý do tại sao các nhà nghiên cứu chia sẻ bản đồ tế bào một cách công khai. PerturbAI, công ty nghiên cứu thuốc đồng phát triển phương pháp này và Scripps Research đã cung cấp khung khoa học và đánh giá miền cho sự hợp tác.
Phần mềm được mô tả trong bản in trước sẽ gán mỗi gián đoạn gen cho một tác nhân AI độc lập. Mỗi tác nhân kiểm tra những thay đổi của tế bào liên quan đến gen được chỉ định của nó, tìm kiếm tài liệu khoa học và đề xuất giải thích cho những gì nó tìm thấy. Sau đó, lớp phối hợp kết hợp các báo cáo của các tác nhân, xác định các kết nối trên toàn bộ tập dữ liệu và xếp hạng các ý tưởng hứa hẹn nhất để con người theo dõi.
Sarah Teichmann, chủ tịch y học tế bào gốc tại Đại học Cambridge và đồng chủ tịch sáng lập của Human Cell Atlas, cho biết trong thông báo của OpenAI: “Chúng tôi xây dựng các bản đồ tế bào để các nhà khoa học khác có thể thực hiện những khám phá mà chúng tôi chưa từng tưởng tượng”. "AI có thể giúp nhiều nhà nghiên cứu khám phá những tài nguyên này hơn và biến những quan sát bất ngờ thành những câu hỏi mới để kiểm tra."
Các con số: Gấp 711 lần tài liệu tham khảo, 48 trên 55 kết quả được phục hồi
Sự khác biệt về quy mô giữa một đại lý và gần 2.000 đại lý là rất rõ ràng. Trong một so sánh sử dụng cùng một mô hình, lời nhắc, công cụ và quyền truy cập dữ liệu, các lần chạy của một tác nhân đạt trung bình khoảng 11 tài liệu tham khảo ở khối lượng công việc lớn nhất, trong khi hệ thống phân tán giữ lại 7.586 tài liệu tham khảo — gấp khoảng 711 lần, theo dữ liệu công khai của dự án.
Các tác nhân cũng chống lại khoa học ban đầu. Làm việc mà không có quyền truy cập vào bản thảo của nghiên cứu bản đồ, họ đã khớp hoặc tinh chỉnh 48 trong số 55 phát hiện của nghiên cứu ban đầu có thể được rút ra từ dữ liệu mà các đặc vụ nhận được.
Để đánh giá chất lượng, nhóm đã tuyển dụng 30 nhà sinh học có trình độ tiến sĩ để đánh giá mù quáng. Đánh giá của họ đã ủng hộ rộng rãi việc xếp hạng của các đại lý về các đầu mối nghiên cứu hứa hẹn nhất.
Chì Cholesterol DCTN1
Một phát hiện minh họa loại giả thuyết mà hệ thống muốn đưa ra. Phá vỡ DCTN1 – một gen liên quan đến thoái hóa thần kinh – làm tăng hoạt động của các gen liên quan đến sản xuất cholesterol. Cơ sở cơ bản về một tác nhân đề xuất rằng các vấn đề vận chuyển cholesterol trong tế bào thần kinh có thể thúc đẩy các tế bào bù đắp bằng cách sản xuất nhiều hơn.
Ba nhà đánh giá mù đã cho rằng điểm ưu tiên theo dõi trung bình là 4,3 trên 5. Tomasz Nowakowski, phó giáo sư phẫu thuật thần kinh tại UC San Francisco, người không phải là tác giả của bản in trước, cho biết trong thông báo của OpenAI rằng phát hiện này cho thấy tại sao việc liên kết các quan sát giữa các ngành lại quan trọng: "Đôi khi các manh mối đã có sẵn, nằm rải rác trên các lĩnh vực khác nhau - chúng tôi chỉ chưa kết nối chúng."
Lời hứa và lời cảnh báo
Thông báo được đưa ra trong bối cảnh thúc đẩy khoa học đời sống của OpenAI đang có động lực nhanh chóng. GPT-Rosalind, được giới thiệu vào đầu năm nay, là mô hình chuyên dùng cho nghiên cứu khoa học đời sống kết hợp lý luận sinh học với việc sử dụng công cụ khoa học, với các ứng dụng được ghi lại bao gồm gen, phân tích protein, nghiên cứu mục tiêu, hóa dược và lập kế hoạch thí nghiệm. Công ty cũng đã triển khai Rosalind Workbench cho quy trình làm việc khoa học và plugin Nghiên cứu Khoa học Đời sống trong Codex, và vào tháng 6, công ty đã giới thiệu LifeSciBench, một đánh giá mà công ty cho biết là đo lường hỗ trợ nghiên cứu thay vì chứng minh rằng một hệ thống có thể xác nhận độc lập các khám phá hoặc thay thế xác minh thử nghiệm — một điểm khác biệt được áp dụng cho thông báo hiện tại.
Hãy cẩn thận quan trọng vẫn còn. So sánh 32 phút so với một năm là một ước tính minh họa được xây dựng dựa trên các giả định - 15 phút cho mỗi lần gián đoạn gen và 10 phút cho mỗi lần đọc bài báo - chứ không phải là mức tương đương được đo lường. Công trình này là một bằng chứng về khái niệm: AI đưa ra các giả thuyết để con người kiểm tra, chứ không phải những khám phá được xác thực và không có manh mối nào được xác nhận bằng thực nghiệm. Việc so sánh tốc độ với các nhà phân tích là con người cũng dựa trên các giả định về thời gian mang tính minh họa của nhóm thay vì thử nghiệm trực tiếp và các nhà đánh giá chuyên môn đã chấm điểm các báo cáo của các đặc vụ thay vì chạy đua với nhóm nghiên cứu của con người. Việc sao chép độc lập các so sánh kiểu điểm chuẩn vẫn chưa xảy ra.
Tuy nhiên, cuộc trình diễn đã phác thảo một quy trình làm việc hợp lý trong tương lai dành cho sinh học: các bộ dữ liệu công cộng được khai thác lại không ngừng bởi các nhóm tác nhân chuyên môn, trong đó các nhà khoa học con người dành thời gian thử nghiệm và tinh chỉnh những gì máy móc xếp hạng cao nhất. Việc những thứ hạng đó có được giữ vững trong phòng thí nghiệm hay không sẽ quyết định liệu lý luận AI phân tán có trở thành thiết bị tiêu chuẩn trong khoa học đời sống hay không.
Ghi chú nguồn: Thông tin chi tiết trong bài viết này được lấy từ thông báo và đưa tin ngày 21 tháng 10 năm 2026 của OpenAI bởi R&D World, bao gồm cả bản in sẵn bioRxiv cơ bản (Sun và cộng sự, 2026).---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
