ИИ-рой OpenAI анализирует миллионы клеток мозга за 32 минуты
Команда из OpenAI, исследовательской группы PerturbAI и института Scripps Research провела эксперимент, который, возможно, говорит больше о том, как делается наука, чем о каком-либо отдельном открытии. Согласно отчёту OpenAI, опубликованному 21 октября, тысячи ИИ-агентов были запущены для работы с биологическими данными, охватывающими миллионы клеток мозга мышей. Весь анализ занял 32 минуты.
Самое интересное — это сравнение, которое предлагают исследователи. Они оценивают, что если бы учёные вручную обрабатывали те же результаты пункт за пунктом, сверяя каждую находку с опубликованной литературой, эта работа заняла бы месяцы, а возможно, и до года. Агенты не просто суммировали файл. Их просили рассуждать по поводу большого объёма экспериментальных данных и связывать их с предыдущими работами.
Работа опиралась на GPT-Rosalind — модель, созданную специально для исследований в области наук о жизни, а не для общего чата. Эта деталь важна. Большая часть шума вокруг ИИ в науке исходила от систем общего назначения, которым задавали вопросы в стиле экзамена. Модель, настроенная на биологические данные и затем развёрнутая в больших количествах, — это другое предложение, ближе к исследовательскому инструменту, чем к чат-боту.
Именно архитектура делает возможной такую скорость. Вместо одной модели, работающей через очередь, многие агенты работают параллельно, каждый берёт свой фрагмент данных, а их результаты затем собираются вместе. Это тот же шаблон, который сейчас распространяется в разработке программного обеспечения и обслуживании клиентов, где флоты агентов выполняют задачи, которые иначе выполнялись бы последовательно. Биология с её огромными и неструктурированными наборами данных — очевидная следующая цель.
Скептики поднимут обычные вопросы, и они справедливы. Автоматизация в таком масштабе может быстро порождать уверенные ошибки, а проверка вывода агента может стоить почти столько же, сколько получение его вручную. Честное утверждение здесь касается пропускной способности, а не замены суждения учёного, который знает, какие аномалии стоит исследовать. 32 минуты — это время на создание анализа, а не время, чтобы ему доверять.
Тем не менее направление движения ясно. Исследовательские группы за последние два года экспериментировали с ИИ как помощником для отдельных задач: составление резюме, предложение гипотезы, написание строки кода. Передача всего аналитического конвейера скоординированному рою — это шаг дальше, и он создаёт давление на те части научного процесса, которые никогда не были рассчитаны на машинную скорость, например на рецензирование и воспроизведение.
Для глобальных читателей значение здесь меньше связано с мозгом мышей, чем с шаблоном. Если тысячи агентов могут переработать набор данных из миллионов клеток за полчаса, тот же подход будет опробован на клинических записях, скрининге материалов и климатических данных — везде, где узким местом является человеческое внимание, а не вычислительная мощность. Следите за независимым воспроизведением результата и за тем, опубликуют ли исследователи, как проверялись выводы агентов.