به‌کارگیری نزدیک به ۲ هزار عامل هوش مصنوعی GPT-Rosalind از سوی OpenAI برای شناسایی سرنخ‌های پژوهش زیستی در ۳۲ دقیقه
نویسنده: برایان بنتز | ۲۱ اکتبر ۲۰۲۶
دانشمندان نمی‌توانند در لحظه هزار همکار را برای حل یک مسئله گرد هم بیاورند، اما سامانه‌های هوش مصنوعی روزبه‌روز بیشتر قادرند معادل دیجیتال چنین گروهی را تشکیل دهند. OpenAI اکنون گزارش داده است که از هزاران عامل هوش مصنوعی برای تحلیل داده‌های زیستی و تولید فرضیه‌هایی استفاده کرده که دانشمندان می‌توانند آن‌ها را آزمایش کنند.
این اعلام پس از آن صورت می‌گیرد که OpenAI اوایل سال جاری میلادی مدل GPT-Rosalind را معرفی کرد؛ مدلی که به‌طور تخصصی برای پژوهش در علوم زیستی طراحی شده است.
OpenAI، شرکت PerturbAI که بر کشف دارو تمرکز دارد، و مؤسسه پژوهشی اسکریپس در ۲۱ اکتبر اعلام کردند که ۱٬۹۴۶ عامل GPT-Rosalind به‌صورت موازی کار کرده‌اند و داده‌های موجود مربوط به میلیون‌ها سلول مغزی موش را در مدت ۳۲ دقیقه تحلیل کرده‌اند. این گروه برآورد می‌کند که تحلیل مشابه به دست پژوهشگران انسانی، همراه با بررسی متون علمی، از چند ماه تا یک سال زمان می‌برد. این برآورد صرفاً برای نشان دادن تفاوت زمانی ارائه شده و نویسندگان آن را بر اساس فرض‌هایی محاسبه کرده‌اند: ۱۵ دقیقه برای بررسی هر اختلال ژنی و ۱۰ دقیقه برای خواندن هر مقاله.
این پژوهش که در قالب یک مقاله پیش‌چاپ در bioRxiv منتشر شده، رویکردی را به کار می‌گیرد که گروه پژوهشی آن را «استدلال زیستی توزیع‌شده» می‌نامد. این روش روی اطلس CRISPR از سراسر مغز اجرا شده است. در آزمایش‌های مبتنی بر این فناوری، پژوهشگران ژن‌های مشخصی را مختل می‌کنند و تغییرات حاصل در سلول‌ها را اندازه می‌گیرند. چنین آزمایش‌هایی می‌توانند حجم عظیمی از مشاهدات تولید کنند؛ حجمی که بررسی عمیق همه آن‌ها برای یک گروه پژوهشی به‌سادگی امکان‌پذیر نیست.
این شکاف یکی از دلایلی است که پژوهشگران اطلس‌های سلولی را با دیگران به اشتراک می‌گذارند. سارا تایشمن، استاد کرسی پزشکی سلول‌های بنیادی در دانشگاه کمبریج و یکی از رؤسای بنیان‌گذار پروژه اطلس سلول انسانی، در اطلاعیه OpenAI گفت: «ما اطلس‌های سلولی را تهیه می‌کنیم تا دانشمندان دیگر بتوانند به کشفیاتی برسند که حتی تصورشان را هم نکرده‌ایم.» او افزود: «هوش مصنوعی می‌تواند به پژوهشگران بیشتری کمک کند تا این منابع را بررسی کنند و مشاهدات غیرمنتظره را به پرسش‌های تازه‌ای تبدیل کنند که بتوان آن‌ها را آزمود.»
نرم‌افزار پژوهشگران هر اختلال ژنی را به یک عامل مستقل اختصاص می‌دهد. هر عامل تغییرات سلولی را بررسی می‌کند، در منابع علمی به جست‌وجو می‌پردازد و توضیح‌های احتمالی ارائه می‌دهد. سپس سامانه گزارش‌های این عامل‌ها را با یکدیگر ترکیب می‌کند تا ارتباط‌های میان یافته‌ها را شناسایی و ایده‌های مناسب برای پیگیری بیشتر را رتبه‌بندی کند.
این پژوهش نمونه‌ای اولیه از قابلیتی ارائه می‌دهد که به یک دانشمند امکان می‌دهد صدها یا هزاران عامل را برای بررسی منابع علمی و تفسیر هم‌زمان نتایج به کار بگیرد. در مقایسه‌ای که در آن از یک مدل یکسان، دستورالعمل‌ها، ابزارها و سطح دسترسی به داده‌ها استفاده شد، اجرای تک‌عاملی در بزرگ‌ترین حجم کاری به‌طور میانگین حدود ۱۱ منبع را ثبت کرد. بر اساس داده‌های عمومی پروژه، عامل‌های توزیع‌شده در مجموع ۷٬۵۸۶ منبع را حفظ کردند؛ رقمی که تقریباً ۷۱۱ برابر بیشتر است.
برای ارزیابی گزارش‌ها، گروه پژوهشی از ۳۰ زیست‌شناس دارای مدرک دکتری دعوت کرد تا آن‌ها را بدون اطلاع از هویت تهیه‌کنندگان بررسی کنند. ارزیابی این متخصصان در مجموع از رتبه‌بندی عامل‌ها درباره سرنخ‌های امیدوارکننده پژوهشی حمایت کرد. عامل‌ها همچنین توانستند ۴۸ مورد از ۵۵ یافته مطالعه اولیه اطلس را که با داده‌های در اختیارشان قابل استخراج بود، بازتولید یا دقیق‌تر کنند؛ آن‌ها در این فرایند به دست‌نوشته پژوهش اصلی دسترسی نداشتند. متخصصان انسانی گزارش‌های عامل‌ها را امتیازدهی کردند، اما مقایسه زمانی با تحلیل انسانی بر همان برآورد زمانی یادشده استوار است.
نسخه تک‌عاملی مبنا نیز سرنخی تولید کرد که توجه متخصصان را برانگیخت. مختل کردن ژن DCTN1، که با تخریب عصبی ارتباط دارد، فعالیت ژن‌های دخیل در تولید کلسترول را افزایش داد. عامل مبنا این فرضیه را مطرح کرد که اختلال در جابه‌جایی کلسترول درون نورون‌ها ممکن است سلول‌ها را وادار کند کلسترول بیشتری تولید کنند. سه ارزیاب که از منشأ یافته بی‌اطلاع بودند، به اولویت پیگیری این یافته به‌طور میانگین امتیاز ۴٫۳ از ۵ دادند.