Bầy AI của OpenAI Đọc Hàng Triệu Tế Bào Não trong 32 Phút

Một nhóm từ OpenAI, nhóm nghiên cứu PerturbAI và Viện Nghiên cứu Scripps đã thực hiện một thí nghiệm có thể nói nhiều hơn về cách khoa học được thực hiện hơn là về bất kỳ khám phá đơn lẻ nào. Theo một báo cáo của OpenAI công bố ngày 21 tháng 10, hàng nghìn tác nhân AI đã được thả vào dữ liệu sinh học bao gồm hàng triệu tế bào não chuột. Toàn bộ phân tích mất 32 phút.

So sánh mà các nhà nghiên cứu đưa ra là phần thú vị. Họ ước tính rằng nếu các nhà khoa học con người xử lý từng mục kết quả tương tự, đối chiếu từng phát hiện với tài liệu đã công bố trong quá trình làm, công việc có thể mất hàng tháng và có thể lên đến một năm. Các tác nhân không chỉ tóm tắt một tệp. Chúng được yêu cầu lý luận trên một khối lượng lớn đầu ra thí nghiệm và kết nối nó với công trình trước đó.

Công trình dựa trên GPT-Rosalind, một mô hình được xây dựng riêng cho nghiên cứu khoa học sự sống thay vì trò chuyện thông thường. Chi tiết đó quan trọng. Phần lớn sự ồn ào xung quanh AI trong khoa học đến từ các hệ thống đa năng được yêu cầu trả lời các câu hỏi kiểu bài thi. Một mô hình được tinh chỉnh cho dữ liệu sinh học và sau đó được triển khai với số lượng lớn là một đề xuất khác, gần với một công cụ nghiên cứu hơn là một chatbot.

Kiến trúc là yếu tố giúp tốc độ trở nên khả thi. Thay vì một mô hình làm việc qua hàng đợi, nhiều tác nhân làm việc song song, mỗi tác nhân đảm nhận một phần dữ liệu, với đầu ra của chúng được lắp ghép sau đó. Đây là mô hình tương tự đang lan rộng trong kỹ thuật phần mềm và dịch vụ khách hàng, nơi các đội tác nhân xử lý các nhiệm vụ mà nếu không sẽ bị tuần tự hóa. Sinh học, với các bộ dữ liệu khổng lồ và lộn xộn, là mục tiêu tiếp theo rõ ràng.

Những người hoài nghi sẽ đặt ra những câu hỏi thông thường, và chúng là chính đáng. Tự động hóa ở quy mô này có thể tạo ra những sai sót tự tin một cách nhanh chóng, và việc xác minh kết luận của một tác nhân có thể tốn gần bằng chi phí để đạt được nó bằng tay. Tuyên bố trung thực ở đây là về thông lượng, không phải về việc thay thế phán đoán của một nhà khoa học biết những bất thường nào đáng theo đuổi. 32 phút là thời gian để tạo ra một phân tích, không phải thời gian để tin tưởng nó.

Tuy nhiên, hướng đi là rõ ràng. Các nhóm nghiên cứu đã dành hai năm qua để thử nghiệm AI như một trợ thủ cho các nhiệm vụ riêng lẻ: soạn thảo tóm tắt, đề xuất giả thuyết, viết một dòng mã. Giao toàn bộ quy trình phân tích cho một bầy phối hợp là một bước xa hơn, và nó gây áp lực lên các phần của quy trình khoa học vốn không được thiết kế cho tốc độ máy móc, như bình duyệt và tái lập.

Đối với độc giả toàn cầu, ý nghĩa ít liên quan đến não chuột hơn là một mẫu hình. Nếu hàng nghìn tác nhân có thể xử lý một bộ dữ liệu hàng triệu tế bào trong nửa giờ, cách tiếp cận tương tự sẽ được thử trên hồ sơ lâm sàng, sàng lọc vật liệu và dữ liệu khí hậu, bất cứ nơi nào nút thắt là sự chú ý của con người chứ không phải tính toán thô. Hãy theo dõi việc tái lập độc lập kết quả và liệu các nhà nghiên cứu có công bố cách các phát hiện của tác nhân được kiểm tra hay không.