Predstavljamo GPT‑Rosalind za raziskave na področju življenjskih znanosti

Danes predstavljamo GPT‑Rosalind, naš prelomni model sklepanja, zasnovan za podporo raziskavam na področjih biologije, odkrivanja zdravil in translacijske medicine. Serija modelov življenjskih znanosti je optimizirana za znanstvene delovne tokove ter združuje izboljšano uporabo orodij z globljim razumevanjem kemije, beljakovinskega inženirstva in genomike.

V povprečju traja približno 10 do 15 let, da novo zdravilo v Združenih državah Amerike preide od odkritja tarče do regulativne odobritve. Napredek, dosežen v najzgodnejših fazah odkrivanja, se v nadaljevanju multiplicira v boljši izbiri tarč, trdnejših bioloških hipotezah in kakovostnejših eksperimentih. Napredek na področju življenjskih znanosti ni omejen le zaradi zahtevnosti temeljne znanosti, temveč tudi zaradi kompleksnosti samih raziskovalnih delovnih tokov. Znanstveniki morajo delati z obsežno literaturo, specializiranimi podatkovnimi zbirkami, eksperimentalnimi podatki in razvijajočimi se hipotezami, da bi ustvarjali in ocenjevali nove zamisli. Ti delovni tokovi so pogosto zamudni, razdrobljeni in jih je težko razširiti.

Verjamemo, da lahko napredni sistemi umetne inteligence raziskovalcem pomagajo hitreje napredovati skozi te delovne tokove – ne le z večjo učinkovitostjo obstoječega dela, temveč tudi z raziskovanjem več možnosti, prepoznavanjem povezav, ki bi sicer ostale spregledane, in hitrejšim oblikovanjem boljših hipotez. S sintezo dokazov, oblikovanjem hipotez, načrtovanjem eksperimentov in drugimi večstopenjskimi raziskovalnimi nalogami je ta model zasnovan za pospeševanje zgodnjih faz odkrivanja. Sčasoma bi ti sistemi lahko organizacijam na področju življenjskih znanosti omogočili prebojne dosežke, ki sicer ne bi bili mogoči, in to z veliko višjo stopnjo uspešnosti. 

GPT‑Rosalind je zdaj na voljo v okviru raziskovalnega predogleda v ChatGPT‑ju, Codexu in API-ju za upravičene stranke prek našega programa zaupanja vrednega dostopa. Uvajamo tudi prosto dostopen raziskovalni vtičnik za življenjske znanosti za Codex, ki znanstvenikom pomaga pri povezovanju modelov z več kot 50 znanstvenimi orodji in viri podatkov. S strankami, kot so Amgen, Moderna, Allen Institute, Thermo Fisher Scientific in druge, sodelujemo pri uvajanju GPT‑Rosalind v poteke dela, ki pospešujejo raziskave in odkritja.

Model je poimenovan po Rosalind Franklin, katere natančne raziskave so razkrile strukturo DNK in postavile temelje sodobne molekularne biologije.

Serija model GPT‑Rosalind za življenjske znanosti je zasnovana za sodobno znanstveno delo na področjih objavljenih dokazov, podatkov, orodij in eksperimentov. V naših evalvacijah zagotavlja najboljšo zmogljivost pri nalogah, ki zahtevajo sklepanje o molekulah, beljakovinah, genih, bioloških poteh in biologiji, relevantni za bolezni, ter je učinkovitejši pri uporabi znanstvenih orodij in podatkovnih zbirk v večkoračnih delovnih tokovih, kot so pregled literature, interpretacija povezave med zaporedjem in funkcijo, načrtovanje eksperimentov in analiza podatkov.

To je prva izdaja v naši seriji modelov GPT‑Rosalind za življenjske znanosti. Še naprej bomo širili prelomne biokemične zmogljivosti sklepanja modela v dolgoročnih in z orodji intenzivnih znanstvenih delovnih tokovih. Računska infrastruktura OpenAI omogoča nadaljnje učenje, vrednotenje in izboljševanje vse zmogljivejših domenskih modelov za resnične znanstvene naloge, kar pripomore k večji uporabnosti teh sistemov, ko postajajo delovni tokovi vse bolj kompleksni.

Sodelujemo z vodilnimi strankami iz farmacevtske, biotehnološke in raziskovalne dejavnosti ter s tehnološkimi organizacijami na področju življenjskih znanosti, da bi GPT‑Rosalind uporabljali v delovnih tokovih, ki spodbujajo odkritja.

GPT‑Rosalind smo ocenili glede na vrsto zmožnosti, temeljnih za znanstvena odkritja in industrijske raziskave. Te ocene merijo temeljno sklepanje na različnih znanstvenih podpodročjih, vključno z mehanizmi kemijskih reakcij; strukturo proteinov, učinki mutacij in interakcijami; ter filogenetsko interpretacijo zaporedij DNK. Prav tako ocenjujejo, ali modeli lahko podpirajo resnične raziskovalne delovne tokove z interpretacijo eksperimentalnih rezultatov, prepoznavanjem vzorcev, pomembnih za strokovnjake, in sintetiziranjem zunanjih informacij za načrtovanje nadaljnjih poskusov. Nazadnje preizkusijo, ali lahko modeli izberejo in uporabljajo prava računska orodja, zbirke podatkov in zmogljivosti, specifične za domeno, da izboljšajo svoje sklepanje. Vse skupaj te ocene kažejo napredek v celotnem procesu znanstvenega raziskovanja in nakazujejo večjo sposobnost pomagati raziskovalcem pri reševanju zahtevnih nalog odkrivanja.

GPT‑Rosalind smo ocenili na nizu javno dostopnih meril. Na BixBenchu, merilu, zasnovanem na resnični bioinformatiki in analizi podatkov, je GPT‑Rosalind dosegel vodilno zmogljivost med modeli z objavljenimi rezultati.

Na LABBench2, primerjalni analizi, ki meri uspešnost pri vrsti raziskovalnih nalog, kot so iskanje literature, dostop do podatkovnih zbirk, manipulacija zaporedij in načrtovanje protokolov, GPT‑Rosalind pri 6 od 11 nalog presega GPT‑5.4. Najopaznejša izboljšava izhaja iz sistema CloningQA, ki zahteva celovito načrtovanje reagentov DNK in encimov za protokole molekularnega kloniranja.

Sodelovali smo tudi s podjetjem Dyno Therapeutics, ki je pionir na področju genskih terapij, zasnovanih z umetno inteligenco, da bi model ovrednotili pri nalogi napovedovanja funkcije RNA zaporedij in generiranja z uporabo neobjavljenih, nekontaminiranih zaporedij. Uspešnost je bila primerjana s 57 zgodovinskimi ocenami človeških strokovnjakov na področju umetne inteligence in biologije. Pri neposrednem ocenjevanju v aplikaciji Codex so se najboljše od desetih oddaj modela uvrstile nad 95. percentil človeških strokovnjakov pri nalogi napovedovanja in približno na 84. percentil pri nalogi generiranja zaporedij.

Te ocene zagotavljajo smiseln pokazatelj zmogljivosti pri vrstah delovnih tokov, na katere se znanstveniki zanašajo vsak dan za ustvarjanje dokazov, analizo kompleksnih podatkov in napredovanje proti utemeljenim biološkim sklepom.

Znanstveniki lahko uporabljajo naš novi vtičnik za raziskave na področju življenjskih znanosti⁠(odpre se v novem oknu) za Codex, ki je danes na voljo v GitHubu. Ta paket vključuje širok nabor modularnih zmogljivosti za najpogostejše raziskovalne delovne tokove, zasnovanih tako, da uporabnikom pomagajo pri delu na področjih humane genetike, funkcijske genomike, strukture proteinov, biokemije, kliničnih dokazov in odkrivanja javno dostopnih študij.

Te zmogljivosti delujejo kot orkestracijska plast, ki znanstvenikom pomaga učinkoviteje obravnavati široka, dvoumna in večstopenjska vprašanja. Omogočajo dostop do več kot 50 javnih večomskih podatkovnih zbirk, literaturnih virov in bioloških orodij ter ponujajo prilagodljivo izhodišče za pogoste ponovljive delovne tokove, kot so iskanje struktur beljakovin, iskanje zaporedij, pregled literature in odkrivanje javnih podatkovnih zbirk.

Upravičeni uporabniki paketa Enterprise lahko ta vtičnik uporabljajo v raziskovalnih delovnih tokovih z GPT‑Rosalind za poglobljeno biološko sklepanje, medtem ko lahko vsi uporabniki paket vtičnikov uporabljajo z našimi glavnimi modeli.

Te zmogljivosti želimo omogočiti znanstvenikom in raziskovalnim organizacijam, ki so v najboljšem položaju za napredek na področju zdravja, ob tem pa ohranjati stroge zaščitne ukrepe pred biološko zlorabo. Model za življenjske znanosti se za začetek uvaja v ZDA prek strukture uvajanja z zaupanja vrednim dostopom za ustrezne stranke Enterprise, z nadzornimi mehanizmi glede upravičenosti, upravljanja dostopa in organizacijskega upravljanja. Hkrati dajemo širše na voljo tudi nabor povezovalnikov in vtičnik Life Sciences Research Plugin, da lahko raziskovalci učinkoviteje uporabljajo naše glavne modele za raziskave na področju življenjskih znanosti. 

Model za življenjske znanosti je bil razvit z okrepljenimi varnostnimi mehanizmi na ravni podjetja in okrepljenim upravljanjem dostopa, kar omogoča profesionalno znanstveno uporabo v nadzorovanih raziskovalnih okoljih. Dostop ocenjujemo na podlagi treh temeljnih načel: koristna uporaba, trdno upravljanje in varnostni nadzor ter nadzorovan dostop z varnostjo na ravni podjetja. V praksi to pomeni, da morajo sodelujoče organizacije izvajati legitimne znanstvene raziskave z jasno javno koristjo; vzdrževati ustrezno upravljanje, skladnost in nadzorne mehanizme za preprečevanje zlorabe; ter omejiti dostop na odobrene uporabnike v varnih okoljih z ustreznim upravljanjem. Organizacije se morajo strinjati tudi s pogoji predogleda raziskav na področju ved o življenju in biti skladne s politikami uporabe OpenAI, po potrebi pa lahko zahtevamo dodatne informacije v okviru uvajanja ali nadaljnjega sodelovanja.

Organizacije lahko zaprosijo za dostop⁠ v okviru našega postopka preverjanja usposobljenosti in varnosti.

V času raziskovalnega predogleda uporaba tega modela ne bo porabljala obstoječih dobropisov ali žetonov, pod pogoji zaščite pred zlorabami. Več podrobnosti o cenah in razpoložljivosti bomo delili, ko se bo program širil.

Model za življenjske znanosti je zasnovan tako, da znanstvenim organizacijam pomaga opravljati kakovostnejše delo hitreje v okoljih, ki zahtevajo tako tehnične zmogljivosti kot operativni nadzor. Naša namenska ekipa za življenjske znanosti, skupaj s svetovalnimi partnerji, vključno z McKinsey & Company, Boston Consulting Group (BCG) in Bain & Company, organizacijam pomaga prepoznati primere uporabe z velikim učinkom, integrirati model v poslovna okolja in dosegati merljive rezultate. Če želite raziskati, kako lahko OpenAI Life Sciences podpre vaše delo, se lahko obrnete na našo ekipo za življenjske znanosti⁠.

To je prva izdaja v naši seriji modelov Life Sciences in jo razumemo kot začetek dolgoročne zaveze k razvoju umetne inteligence, ki lahko pospeši znanstvena odkritja na področjih, ki so za družbo izjemno pomembna, od zdravja ljudi do širših bioloških raziskav. Še naprej bomo izboljševali biološko sklepanje modela, širili podporo za raziskovalne delovne procese, ki temeljijo na številnih orodjih in imajo dolg časovni horizont, ter tesno sodelovali z vodilnimi znanstvenimi ustanovami pri vrednotenju resničnega vpliva. To vključuje tekoča sodelovanja z nacionalnimi laboratoriji, kot je Los Alamos National Laboratory, kjer raziskujemo načrtovanje proteinov in katalizatorjev s pomočjo umetne inteligence, vključno z zmožnostjo sistemov umetne inteligence, da spreminjajo biološke strukture, pri tem pa ohranjajo ali izboljšujejo ključne funkcionalne lastnosti. 

Sčasoma pričakujemo, da bodo ti sistemi postali čedalje zmogljivejši partnerji pri odkrivanju ter znanstvenikom pomagali hitreje preiti od vprašanja do dokazov, od dokazov do vpogleda in od vpogleda do novih zdravljenj za bolnike.