Kawanan AI OpenAI Membaca Jutaan Sel Otak dalam 32 Menit

Tim dari OpenAI, kelompok riset PerturbAI, dan institut Scripps Research telah menjalankan eksperimen yang mungkin lebih banyak berbicara tentang bagaimana sains dilakukan daripada tentang penemuan tunggal mana pun. Menurut laporan OpenAI yang diterbitkan pada 21 Oktober, ribuan agen AI dilepaskan pada data biologis yang mencakup jutaan sel otak tikus. Seluruh analisis memakan waktu 32 menit.

Perbandingan yang ditawarkan para peneliti adalah bagian yang menarik. Mereka memperkirakan bahwa jika ilmuwan manusia mengerjakan hasil yang sama item demi item, memeriksa silang setiap temuan dengan literatur yang diterbitkan seiring berjalannya waktu, pekerjaan itu bisa memakan waktu berbulan-bulan dan mungkin hingga satu tahun. Agen-agen tersebut tidak hanya merangkum sebuah berkas. Mereka diminta untuk bernalar di seluruh kumpulan besar keluaran eksperimen dan menghubungkannya dengan karya sebelumnya.

Pekerjaan itu mengandalkan GPT-Rosalind, model yang dibangun khusus untuk riset ilmu hayati, bukan untuk obrolan umum. Detail itu penting. Sebagian besar kebisingan seputar AI dalam sains berasal dari sistem serbaguna yang diminta menjawab pertanyaan bergaya ujian. Model yang disetel untuk data biologis lalu dikerahkan dalam jumlah besar adalah proposisi yang berbeda, lebih dekat ke instrumen riset daripada ke chatbot.

Arsitekturnya yang memungkinkan kecepatan itu. Alih-alih satu model bekerja melalui antrean, banyak agen bekerja secara paralel, masing-masing mengambil sebagian data, dengan keluaran mereka dirakit setelahnya. Ini adalah pola yang sama yang kini menyebar melalui rekayasa perangkat lunak dan layanan pelanggan, di mana armada agen menangani tugas-tugas yang jika tidak akan diserialisasi. Biologi, dengan kumpulan datanya yang sangat besar dan berantakan, adalah target berikutnya yang jelas.

Kaum skeptis akan mengajukan pertanyaan biasa, dan itu wajar. Otomasi pada skala ini dapat menghasilkan kesalahan yang meyakinkan dengan cepat, dan memverifikasi kesimpulan agen mungkin memakan biaya hampir sama dengan mencapainya secara manual. Klaim yang jujur di sini adalah tentang throughput, bukan tentang menggantikan penilaian seorang ilmuwan yang tahu anomali mana yang layak dikejar. 32 menit adalah waktu untuk menghasilkan analisis, bukan waktu untuk mempercayainya.

Namun, arah perjalanannya jelas. Kelompok riset telah menghabiskan dua tahun terakhir bereksperimen dengan AI sebagai pembantu untuk tugas-tugas individual: menyusun ringkasan, menyarankan hipotesis, menulis sebaris kode. Menyerahkan seluruh alur analitis kepada kawanan yang terkoordinasi adalah langkah lebih jauh, dan itu memberi tekanan pada bagian-bagian proses ilmiah yang tidak pernah dirancang untuk kecepatan mesin, seperti tinjauan sejawat dan replikasi.

Bagi pembaca global, signifikansinya kurang tentang otak tikus daripada tentang sebuah templat. Jika ribuan agen dapat mengunyah kumpulan data multi-juta sel dalam setengah jam, pendekatan yang sama akan dicoba pada catatan klinis, penyaringan material, dan data iklim, di mana pun hambatannya adalah perhatian manusia daripada komputasi mentah. Perhatikan replikasi independen dari hasil tersebut dan apakah para peneliti menerbitkan bagaimana temuan agen diperiksa.