OpenAI 的 AI 群體在 32 分鐘內讀取數百萬腦細胞

來自 OpenAI、研究團隊 PerturbAI 與 Scripps Research 研究所的團隊進行了一項實驗，其意義可能更多在於科學如何進行，而非任何單一發現。根據 OpenAI 於 10 月 21 日發布的報告，數千個 AI 代理被放出來處理涵蓋數百萬個小鼠腦細胞的生物數據。整個分析耗時 32 分鐘。

研究人員提出的比較才是有趣的部分。他們估計，若由人類科學家逐項處理相同的結果，並在過程中將每項發現與已發表文獻交叉核對，這項工作可能需數月，甚至長達一年。這些代理不僅僅是摘要一份檔案。它們被要求對大量實驗輸出進行推理，並將其與先前的研究連結起來。

這項工作依賴 GPT-Rosalind，一個專為生命科學研究而非一般聊天而建的模型。這個細節很重要。科學界圍繞 AI 的大多數噪音來自被要求回答考試式問題的通用系統。一個針對生物數據調校、隨後大量部署的模型是另一回事，更接近研究儀器而非聊天機器人。

架構是實現速度的關鍵。不是一個模型處理一個隊列，而是許多代理並行工作，各自處理一部分數據，之後再彙整它們的輸出。這與目前在軟體工程和客戶服務中蔓延的模式相同，成群的代理處理原本會序列化的任務。生物學擁有龐大而雜亂的數據集，是顯而易見的下一個目標。

懷疑者會提出常見的問題，而這些問題是合理的。這種規模的自動化可能快速產生自信的錯誤，而驗證一個代理的結論所花費的成本可能幾乎與手工得出結論相當。這裡誠實的主張是關於吞吐量，而非取代知道哪些異常值得追查的科學家的判斷。32 分鐘是產生分析的時間，不是信任它的時間。

儘管如此，前進的方向是明確的。研究團隊在過去兩年一直嘗試將 AI 作為個別任務的助手：起草摘要、提出假設、寫一行程式碼。將整個分析流程交給一個協調的群體是更進一步，這對科學過程中從未為機器速度設計的部分——如同行評審和複製——構成了壓力。

對全球讀者而言，其意義與其說在於小鼠大腦，不如說在於一個模板。如果數千個代理能在半小時內處理完一個數百萬細胞的數據集，同樣的方法將被嘗試於臨床記錄、材料篩選和氣候數據，只要瓶頸是人類注意力而非原始算力。請留意該結果的獨立複製，以及研究人員是否公布代理發現的核查方式。