OpenAI અને Los Alamos National Laboratoryએ બાયોસાયન્સ સંશોધન ભાગીદારીની જાહેરાત કરી.

OpenAI અને Los Alamos National Laboratory (LANL) - યુનાઇટેડ સ્ટેટ્સની અગ્રણી રાષ્ટ્રીય પ્રયોગશાળાઓમાંની એક - પ્રયોગશાળાના પરિસરમાં વૈજ્ઞાનિકો દ્વારા કૃત્રિમ બુદ્ધિમત્તાનો સુરક્ષિત રીતે ઉપયોગ કરીને બાયોસાયન્ટિફિક સંશોધનને આગળ કેવી રીતે વધારી શકાય તે અભ્યાસ કરવા માટે સાથે કામ કરી રહ્યા છે. આ ભાગીદારી યુ.એસ.ના જાહેર ક્ષેત્રની, અને ખાસ કરીને રાષ્ટ્રીય પ્રયોગશાળાઓની, યુ.એસ.ના ખાનગી ક્ષેત્ર સાથે મળીને કામ કરવાની લાંબી પરંપરાને અનુસરે છે, જેથી નવીનતામાં થયેલી પ્રગતિ આરોગ્યસેવા અને બાયોસાયન્સ જેવા આવશ્યક ક્ષેત્રોમાં પ્રગતિમાં રૂપાંતરિત થાય.

તાજેતરના કૃત્રિમ બુદ્ધિમત્તાના સુરક્ષિત, સિક્યોર અને વિશ્વસનીય વિકાસ અને ઉપયોગ અંગેના વ્હાઇટ હાઉસ એક્ઝિક્યુટિવ ઓર્ડર⁠(નવી વિન્ડોમાં ખૂલે છે) હેઠળ યુ.એસ. Department of Energyની રાષ્ટ્રીય પ્રયોગશાળાઓને બાયોલોજિકલ ક્ષમતાઓ સહિત અત્યાધુનિક AI મોડેલ્સની ક્ષમતાઓનું મૂલ્યાંકન કરવામાં મદદ કરવાની જવાબદારી સોંપવામાં આવી છે. આ OpenAI માટે મહત્વપૂર્ણ છે કારણ કે અમારો વિશ્વાસ છે કે AI પાસે વિજ્ઞાનની ગતિ અને સકારાત્મક અસરને અનેકગણી વધારવાની ક્ષમતા છે. પહેલેથી જ, Moderna ક્લિનિકલ ટ્રાયલ વિકાસને મજબૂત બનાવવા OpenAIની ટેક્નોલોજીનો ઉપયોગ કરી રહી છે⁠ અને મોટા ડેટા સેટ્સનું વિશ્લેષણ કરવામાં મદદરૂપ બનવા માટે ડેટા-એનાલિસિસ સહાયક બનાવી રહી છે. Color Health⁠એ GPT‑4o નો ઉપયોગ કરીને નવો કોપાઇલટ બનાવ્યો છે, જે આરોગ્યસેવા પ્રદાતાઓને કેન્સર સ્ક્રીનિંગ અને સારવાર અંગે પુરાવા આધારિત નિર્ણયો લેવા મદદ કરે છે.

“જાહેર હિતની સેવા માટે સમર્પિત ખાનગી કંપની તરીકે, બાયોસાયન્સ ક્ષમતાઓના અભ્યાસ માટે Los Alamos National Laboratory સાથેની આ અનોખી ભાગીદારી જાહેર કરતાં અમને ખૂબ આનંદ થાય છે,” OpenAIની મુખ્ય ટેકનોલોજી અધિકારી મીરા મુરાતીએ કહ્યું. “આ ભાગીદારી અમારા મિશનમાં સ્વાભાવિક આગળનું પગલું છે, જે વૈજ્ઞાનિક સંશોધનને આગળ ધપાવે છે અને સાથે સાથે જોખમોને સમજવા અને ઘટાડવામાં પણ મદદ કરે છે.”

“AI એક શક્તિશાળી સાધન છે, જેમાં વિજ્ઞાન ક્ષેત્રમાં મોટા લાભોની ક્ષમતા છે, પરંતુ કોઈપણ નવી ટેક્નોલોજીની જેમ તે જોખમો પણ લાવે છે,” Information Systems and Modeling માટેના ડેપ્યુટી ગ્રુપ લીડર નિક જેનેરસે કહ્યું. "Los Alamos ખાતે આ કાર્યનું નેતૃત્વ પ્રયોગશાળાના નવા AI Risks Technical Assessment Group દ્વારા કરવામાં આવશે, જે આ જોખમોનું મૂલ્યાંકન અને વધુ સારી સમજણ વિકસાવવામાં મદદ કરશે.”

OpenAI અને Los Alamos National Laboratoryના Bioscience Division અત્યાધુનિક મોડેલ્સ જેમ કે GPT‑4o⁠ દૃષ્ટિ અને અવાજ જેવી મલ્ટિમોડલ ક્ષમતાઓ દ્વારા ભૌતિક પ્રયોગશાળાના પરિસરમાં માણસોને કાર્યો કરવામાં કેવી રીતે મદદ કરી શકે તે આંકવા માટે મૂલ્યાંકન અભ્યાસ પર કામ કરી રહ્યા છે. તેમાં GPT‑4o અને તેની હાલની અપ્રકાશિત રિયલ-ટાઇમ વોઇસ સિસ્ટમ્સ માટે બાયોલોજિકલ સેફ્ટી મૂલ્યાંકનોનો સમાવેશ થાય છે, જેથી બાયોસાયન્સ સંશોધનને ટેકો આપવા માટે તેનો ઉપયોગ કેવી રીતે થઈ શકે તે સમજાય. અમારો વિશ્વાસ છે કે અમારું આવનારું મૂલ્યાંકન આ પ્રકારનું પ્રથમ હશે અને AI બાયોસિક્યોરિટી મૂલ્યાંકન સંબંધિત અદ્યતન સંશોધનમાં યોગદાન આપશે. તે બાયો થ્રેટ જોખમો અંગેના અમારા હાલના કાર્ય⁠ પર આધારિત રહેશે અને અમારા પ્રિપેરડનેસ ફ્રેમવર્ક⁠નું અનુસરણ કરશે, જે મોડલ જોખમોને ટ્રેક કરવા, મૂલ્યાંકન કરવા, અનુમાનવા અને તેમના સામે રક્ષણ આપવા માટેનો અમારો અભિગમ દર્શાવે છે, અને 2024 AI Seoul Summit ખાતે સ્વીકારાયેલી Frontier AI Safety પ્રત્યેની અમારી પ્રતિબદ્ધતાઓ સાથે સુસંગત છે.

Los Alamos સાથેનું અમારું આવનારું મૂલ્યાંકન પ્રયોગશાળાના પરિસરમાં મલ્ટિમોડલ અત્યાધુનિક મોડેલ્સનું પરીક્ષણ કરતું પ્રથમ પ્રયોગ હશે, જેમાં નિષ્ણાતો અને નવા શીખનારાઓ બંનેની ક્ષમતા આંકવામાં આવશે કે તેઓ પ્રમાણભૂત પ્રયોગશાળાકીય પ્રયોગ કાર્યો ધરાવતા સુરક્ષિત પ્રોટોકોલને કેવી રીતે અમલમાં મૂકે અને તેમાં સમસ્યાઓ કેવી રીતે ઉકેલે. આ કાર્યોનો હેતુ એવા વધુ જટિલ કાર્યો માટે પ્રતિનિધિરૂપ બનવાનો છે, જેમાં દ્વિ-ઉપયોગ સંબંધિત ચિંતા હોય. કાર્યોમાં transformation (ઉદાહરણ તરીકે, યજમાન સજીવમાં વિદેશી જેનેટિક સામગ્રી દાખલ કરવી), cell culture (ઉદાહરણ તરીકે, in vitro કોષોને જાળવવા અને વધારવા), અને cell separation (ઉદાહરણ તરીકે, centrifugation દ્વારા)નો સમાવેશ થઈ શકે છે. GPT‑4o દ્વારા શક્ય બનેલી કાર્યપૂર્ણતા અને ચોકસાઈમાં થયેલા સુધારાનો અભ્યાસ કરીને, અમારો હેતુ એ માપવાનો અને આંકવાનો છે કે અત્યાધુનિક મોડેલ્સ વાસ્તવિક દુનિયાના જૈવિક કાર્યોમાં હાલના વ્યાવસાયિકો / PhDs તેમજ નવા શીખનારાઓ બંનેની કુશળતા કેવી રીતે વધારી શકે.

આ નવા મૂલ્યાંકનો અમારા અગાઉના કાર્યને કેટલીક નવી દિશાઓમાં વિસ્તારે છે.

1. વેટ લેબ તકનીકોનો સમાવેશ. સંયોજનોનું સંશ્લેષણ અને પ્રસારણ કરવા માટે લખિત કાર્યો અને પ્રતિભાવ સૂચક હતા, પરંતુ વાસ્તવમાં જૈવિક benchwork કરવા માટે જરૂરી કુશળતાઓને સંપૂર્ણ રીતે પકડી શકતા નથી. ઉદાહરણ તરીકે, mass spectrometry કરવી જોઈએ તે જાણવું અથવા પગલાં લખિતરૂપે સમજાવવું સરળ હોઈ શકે. પરંતુ વાસ્તવિક નમૂનાઓ સાથે તેને યોગ્ય રીતે કરવું ઘણું વધુ મુશ્કેલ છે.
2. એકથી વધુ મોડાલિટીઝનો સમાવેશ. અમારું અગાઉનું કાર્ય GPT‑4 પર કેન્દ્રિત હતું, જેમાં લખિત આઉટપુટ્સ સામેલ હતા. GPT‑4oની મોડાલિટીઝ વચ્ચે તર્ક કરવાની અને અવાજ તથા દૃશ્ય ઇનપુટ્સ સ્વીકારવાની ક્ષમતા શીખવાની પ્રક્રિયાને ઝડપ આપી શકે છે. ઉદાહરણ તરીકે, વેટ લેબ સેટઅપના બધા ઘટકોથી ઓછો પરિચિત વપરાશકર્તા પોતાનું સેટઅપ GPT‑4oને બતાવીને તેને પ્રશ્નો સાથે પ્રોમ્પ્ટ કરી શકે છે અને પરિસ્થિતિને લખિત પ્રશ્ન તરીકે સમજાવવાની જરૂર વગર કેમેરા દ્વારા દૃશ્યરૂપે સમસ્યાઓ ઉકેલી શકે છે.

Los Alamos National Laboratory સલામતી સંશોધનમાં અગ્રણી રહી છે અને ક્ષમતાઓ ઝડપથી સુધરતી રહે તેવા સમયે અત્યાધુનિક AI મોડેલ્સ માટે નવીન અને મજબૂત સલામતી મૂલ્યાંકનો પર સાથે કામ કરવાની અમે આતુરતાથી રાહ જોઈ રહ્યા છીએ. આ સહયોગી પ્રયત્ન માત્ર GPT‑4o જેવા મલ્ટિમોડલ AI મોડેલ્સમાં વૈજ્ઞાનિક સંશોધનને ટેકો આપવાની ક્ષમતાને જ રેખાંકિત કરતો નથી, પરંતુ નવીનતાનો લાભ લેવા અને સલામતી સુનિશ્ચિત કરવા બંને માટે ખાનગી અને જાહેર ક્ષેત્ર વચ્ચેના સહકારનું અગત્યપણું પણ ઉછાળી બતાવે છે. અમે આ મૂલ્યાંકનોના પરિણામોની રાહ જોઈ રહ્યા છીએ ત્યારે અમને આશા છે કે આ ભાગીદારી વિજ્ઞાન ક્ષેત્રમાં AI સલામતી અને કાર્યક્ષમતા માટે નવા ધોરણો સ્થાપિત કરવામાં મદદ કરશે અને માનવજાતને લાભ કરે તેવી ભવિષ્યની નવીનતાઓ માટે માર્ગ પ્રસસ્ત કરશે.