OpenAI запустила тысячи агентов GPT-Rosalind: атлас мозга мыши разобран за 32 минуты
OpenAI совместно с PerturbAI и Scripps Research развернула тысячи ИИ-агентов, которые проанализировали биологические данные миллионов клеток мышей. По словам OpenAI, агенты работали на модели GPT-Rosalind и обрабатывали атлас CRISPR всего мозга (whole-brain CRISPR atlas), карту того, как изменения генов влияют на разные типы клеток в мозге мыши.
Полный анализ занял 32 минуты. Каждый агент брал одно генное возмущение (изменение конкретного гена), разбирал, как отреагировали клетки, и искал в научной литературе объяснения. Команда оценивает, что тот же анализ вручную занял бы от нескольких месяцев до года.
Среди результатов, неожиданные различия между двумя генами, связанными с заболеваниями, и возможная связь между регуляцией холестерина и нейродегенерацией. В слепых сравнениях эксперты-люди в 75% случаев предпочли отчёты распределённых агентов отчётам одного агента. Получившийся «Reasoning Atlas» опубликован на GitHub, сопровождающая статья вышла на bioRxiv.
OpenAI заявляет, что эти зацепки помогут исследователям решить, какие механизмы проверять в лаборатории в первую очередь.
Ключевые факты
- OpenAI с PerturbAI и Scripps Research запустила тысячи агентов на GPT-Rosalind для анализа данных миллионов клеток мозга мыши.
- Полный анализ занял 32 минуты; по оценке команды, вручную это заняло бы от нескольких месяцев до года.
- Каждый агент отвечал за одно генное возмущение: разбирал реакцию клеток и искал объяснения в научной литературе.
- В слепых сравнениях эксперты в 75% случаев предпочли отчёты распределённых агентов отчётам одного агента.
- Среди находок, различия между двумя генами, связанными с заболеваниями, и возможная связь холестерина с нейродегенерацией; «Reasoning Atlas» лежит на GitHub, статья, на bioRxiv.
Почему это важно
Это пример того, как множество параллельных агентов сжимает аналитическую работу в биологии с месяцев до минут. По заявлению OpenAI, анализ атласа CRISPR занял 32 минуты, а вручную потребовал бы от нескольких месяцев до года. Важен и сам подход: один агент на одно генное возмущение, а не один агент на всю задачу.
Кому это важно
Биологам и нейробиологам, работающим с крупными массивами данных о генных возмущениях. Также командам, которые строят многоагентные системы и сравнивают распределённый подход с одиночным агентом: в слепом сравнении экспертов отчёты распределённых агентов выбирали в 75% случаев.
Как это применить
Опубликованный на GitHub «Reasoning Atlas» можно изучить, а статья на bioRxiv описывает работу. Идея разбиения задачи на множество узких агентов, каждый из которых разбирает один объект и ищет объяснения в литературе, переносима на другие массивы данных. Такого рода выводы, по словам OpenAI, служат для расстановки приоритетов: какие механизмы проверять в лаборатории первыми.
Можно ли доверять
Ключевые утверждения исходят от самой OpenAI. Оценка времени «вручную» дана как оценка команды, метод её расчёта не приведён. Находки описаны как неожиданные или возможные, лабораторное подтверждение не сообщается. Число агентов и клеток названо лишь приблизительно («тысячи», «миллионы»). Не указано, кто были эксперты в слепом сравнении и сколько сравнений провели. Сведений о рецензировании статьи нет.
Риски и подводные камни
Связь холестерина с нейродегенерацией названа лишь возможной, а два гена, связанных с заболеваниями, в источнике не названы, поэтому находки нужно проверять экспериментально. Скорость в 32 минуты не включает стоимость вычислений: данных об оборудовании и затратах нет. Сравнение с ручной работой основано на оценке самой команды.