لائف سائنسز کی تحقیق کے لیے GPT‑Rosalind متعارف کرایا جا رہا ہے

آج، ہم GPT‑Rosalind متعارف کروا رہے ہیں، ہمارا جدید ترین ریزننگ ماڈل، جو حیاتیات، ادویات کی دریافت اور ترجماتی طب میں تحقیق کی معاونت کے لیے بنایا گیا ہے. حیاتیاتی علوم کی ماڈل سیریز سائنسی ورک فلوز کے لیے بہتر بنائی گئی ہے، جو بہتر ٹول استعمال کو کیمسٹری، پروٹین انجینئرنگ اور جینومکس میں زیادہ گہری سمجھ کے ساتھ یکجا کرتی ہے.

اوسطاً، ریاست ہائے متحدہ میں ایک نئی دوا کے لیے ٹارگٹ کی دریافت سے انضباطی منظوری تک پہنچنے میں تقریباً دس سے پندرہ سال لگتے ہیں. دریافت کے ابتدائی ترین مراحل میں حاصل ہونے والے فوائد بعد کے مراحل میں بہتر ہدف کے انتخاب، زیادہ مضبوط حیاتیاتی مفروضوں اور اعلٰی معیار کے تجربات کی صورت میں مزید بڑھ جاتے ہیں. لائف سائنسز میں ترقی نہ صرف بنیادی سائنس کی دشواری کی وجہ سے محدود ہوتی ہے، بلکہ خود تحقیقی ورک فلوز کی پیچیدگی کی وجہ سے بھی. سائنس دانوں کو نئے خیالات پیدا کرنے اور ان کا جائزہ لینے کے لیے علمی لٹریچر کے وسیع ذخیرے، خصوصی ڈیٹابیسز، تجرباتی ڈیٹا اور ارتقا پذیر مفروضات کے ساتھ کام کرنا پڑتا ہے. یہ ورک فلوز اکثر وقت طلب، بکھرے ہوئے اور انہیں پیمانے پر بڑھانا مشکل ہوتے ہیں.

ہمیں یقین ہے کہ جدید AI سسٹمز محققین کو ان ورک فلو کے ذریعے زیادہ تیزی سے آگے بڑھنے میں مدد دے سکتے ہیں—صرف موجودہ کام کو زیادہ مؤثر بنانے کے ذریعے نہیں، بلکہ سائنس دانوں کو مزید امکانات دریافت کرنے، ایسے روابط سامنے لانے جو بصورت دیگر نظر سے اوجھل رہ سکتے ہیں اور بہتر مفروضوں تک جلد پہنچنے میں مدد دینے سے. شواہد کی ترکیب، مفروضوں کی تشکیل، تجرباتی منصوبہ بندی اور دیگر کثیر مرحلہ جاتی تحقیقی کاموں کی معاونت کے ذریعے، یہ ماڈل محققین کو دریافت کے ابتدائی مراحل کو تیز کرنے میں مدد دینے کے لیے ڈیزائن کیا گیا ہے. وقت کے ساتھ، یہ نظام لائف سائنسز کی تنظیموں کو کامیابی کی کہیں زیادہ شرح کے ساتھ ایسی اہم پیش رفت دریافت کرنے میں مدد دے سکتے ہیں جو بصورت دیگر ممکن نہ ہوتیں. 

GPT‑Rosalind اب ChatGPT، Codex اور API میں ہمارے قابلِ اعتماد رسائی پروگرام کے ذریعے اہل صارفین کے لیے تحقیقی پیش نظارہ کے طور پر دستیاب ہے. ہم Codex کے لیے ایک آزادانہ طور پر قابلِ رسائی حیاتیاتی علوم ریسرچ پلگ اِن بھی متعارف کروا رہے ہیں، جو سائنسدانوں کو ماڈل کو 50 سے زائد سائنسی ٹولز اور ڈیٹا ذرائع سے مربوط کرنے میں مدد دیتا ہے. ہم Amgen، Moderna، Allen Institute، Thermo Fisher Scientific اور دیگر جیسے صارفین کے ساتھ کام کر رہے ہیں تاکہ ان ورک فلو میں GPT‑Rosalind کا اطلاق کیا جا سکے جو تحقیق اور دریافت کو تیز کرتے ہیں.

اس ماڈل کا نام روزالِنڈ فرینکلن کے نام پر رکھا گیا ہے، جن کی سخت اور دقیق تحقیق نے DNA کی ساخت کو آشکار کرنے میں مدد دی اور جدید مالیکیولر بائیولوجی کی بنیادیں فراہم کیں.

GPT‑Rosalind لائف سائنسز ماڈل سیریز شائع شدہ شواہد، ڈیٹا، ٹولز اور تجربات پر محیط جدید سائنسی کام کے لیے بنائی گئی ہے. ہمارے جائزوں میں، یہ ایسے ٹاسکس پر بہترین کارکردگی دیتی ہے جن میں مالیکیولز، پروٹینز، جینز، ہاتھ ویز اور بیماری سے متعلق بایولوجی پر ریزننگ درکار ہوتی ہے اور یہ لٹریچر ریویو، سیکوئنس-ٹو-فنکشن انٹرپریٹیشن، تجرباتی منصوبہ بندی اور ڈیٹا کے تجزیے جیسے کثیر مرحلہ وار ورک فلو میں سائنسی ٹولز اور ڈیٹا بیسز استعمال کرنے میں زیادہ مؤثر ہے.

یہ ہماری GPT‑Rosalind لائف سائنسز ماڈل سیریز کی پہلی ریلیز ہے اور ہم طویل المدتی، ٹولز پر مبنی سائنسی ورک فلوز میں ماڈل کی حیاتی کیمیائی ریزننگ صلاحیتوں کی جدید ترین حدود کو مزید وسعت دیتے رہیں گے. OpenAI کا کمپیوٹ انفراسٹرکچر ہمیں یہ صلاحیت دیتا ہے کہ ہم بتدریج زیادہ قابل ماڈل کی حقیقی سائنسی کاموں کے مقابل تربیت، جانچ اور بہتری جاری رکھ سکیں—جس سے یہ سسٹمز زیادہ مفید بنتے جاتے ہیں، بالکل اسی طرح جیسے خود ورک فلوز مزید پیچیدہ ہوتے جاتے ہیں.

ہم ادویہ سازی، بایوٹیکنالوجی اور تحقیقی شعبوں کے سرکردہ صارفین کے ساتھ، نیز لائف سائنسز ٹیکنالوجی تنظیموں کے ساتھ، ان کام کے بہاؤ میں GPT‑Rosalind کو لاگو کرنے کے لیے کام کر رہے ہیں جو دریافت کو آگے بڑھاتے ہیں.

ہم نے GPT‑Rosalind کا مختلف صلاحیتوں کے حوالے سے جائزہ لیا، جو سائنسی دریافت اور صنعتی تحقیق کے لیے بنیادی اہمیت رکھتی ہیں. یہ تشخیصات سائنسی ذیلی شعبوں میں بنیادی ریزننگ کی پیمائش کرتی ہیں، جن میں کیمیائی ردعمل کے طریقۂ کار؛ پروٹین کی ساخت، میوٹیشن کے اثرات اور باہمی تعاملات؛ اور ڈی این اے سیکوئنسز کی ارتقائی شجریاتی تشریح شامل ہیں. وہ یہ بھی جانچتے ہیں کہ آیا ماڈل حقیقی تحقیقی ورک فلوز کی معاونت کر سکتے ہیں، تجرباتی نتائج کی تشریح کر کے، ماہرین سے متعلق رجحانات کی نشاندہی کر کے اور بیرونی معلومات کو یکجا کر کے بعد کے تجربات ڈیزائن کر سکتے ہیں. آخر میں، وہ یہ جانچتے ہیں کہ آیا ماڈل اپنی ریزننگ کو بہتر بنانے کے لیے درست کمپیوٹیشنل ٹولز، ڈیٹابیسز اور ڈومین سے متعلق مخصوص صلاحیتوں کا انتخاب اور استعمال کر سکتے ہیں. مجموعی طور پر، یہ جائزے سائنسی تحقیق کے end-to-end عمل میں پیش رفت ظاہر کرتے ہیں اور اس بات کی نشاندہی کرتے ہیں کہ محققین کو دریافت سے متعلق مشکل ٹاسکس پر کام کرنے میں مدد دینے کی زیادہ مضبوط صلاحیت موجود ہے.

ہم نے GPT‑Rosalind کا عوامی بینچ مارکس کے ایک سلسلے پر جائزہ لیا. BixBench پر، جو حقیقی دنیا کی بایوانفارمیٹکس اور ڈیٹا تجزیے کے گرد ڈیزائن کیا گیا ایک بینچ مارک ہے، GPT‑Rosalind نے ان ماڈلز میں جن کے اسکور شائع کیے گئے ہیں نمایاں ترین کارکردگی کا مظاہرہ کیا.

LABBench2 پر، جو ایک بینچ مارک ہے اور لٹریچر ریٹریول، ڈیٹابیس ایکسیس، سیکوئنس مینیپولیشن اور پروٹوکول ڈیزائن جیسے مختلف تحقیقی ٹاسکس پر کارکردگی کو ماپتا ہے، GPT‑Rosalind 11 میں سے چھ ٹاسکس پر GPT‑5.4 سے بہتر کارکردگی دکھاتا ہے. سب سے نمایاں بہتری CloningQA سے حاصل ہوئی، جس کے لیے مالیکیولر کلوننگ پروٹوکولز کے لیے DNA اور انزائم ری ایجنٹس کا ابتدا سے انتہا تک ڈیزائن درکار ہوتا ہے.

ہم نے Dyno Therapeutics، جو AI کے ذریعے ڈیزائن کردہ جین تھراپیز میں ایک پیشرو کمپنی ہے، کے ساتھ شراکت کی تاکہ غیر شائع شدہ، غیر آلودہ سیکوئنسز کا استعمال کرتے ہوئے RNA سیکوئنس سے فنکشن کی پیش گوئی اور جنریشن کے کام پر ماڈل کا جائزہ لیا جا سکے. کارکردگی کا موازنہ AI-بایو شعبے کے انسانی ماہرین کے ماضی کے 57 اسکورز سے کیا گیا. جب Codex ایپ میں براہِ راست جانچ کی گئی، تو دس میں سے بہترین ماڈل جمع کرائیاں پیش گوئی کے کام میں انسانی ماہرین کے 95 ویں پرسنٹائل سے اوپر اور سیکوئنس جنریشن کے کام میں انسانی ماہرین کے تقریباً 84 ویں پرسنٹائل کے آس پاس درجہ بند ہوئیں.

یہ جائزے ان ورک فلوز پر کارکردگی کا ایک بامعنی اشارہ فراہم کرتے ہیں جن پر سائنس دان ہر روز شواہد پیدا کرنے، پیچیدہ ڈیٹا کا تجزیہ کرنے اور قابلِ دفاع حیاتیاتی نتائج کی طرف بڑھنے کے لیے انحصار کرتے ہیں.

سائنسدان Codex کے لیے ہمارا نیا لائف سائنسز ریسرچ پلگ اِن⁠(نئی ونڈو میں کھلتا ہے) استعمال کر سکتے ہیں، جو آج GitHub میں دستیاب ہے. اس پیکیج میں ماڈیولر مہارتوں کا ایک وسیع مجموعہ شامل ہے جو زیادہ تر عام تحقیقی ورک فلوز کے لیے ہے اور اسے اس طرح ڈیزائن کیا گیا ہے کہ صارفین کو انسانی جینیات، فنکشنل جینومکس، پروٹین کی ساخت، بایو کیمسٹری، کلینیکل شواہد اور عوامی مطالعات کی دریافت میں کام کرنے میں مدد ملے.

یہ مہارتیں ایک آرکیسٹریشن لیئر کے طور پر کام کرتی ہیں جو سائنس دانوں کو وسیع، غیر واضح اور کثیر مرحلہ سوالات سے زیادہ مؤثر طریقے سے نمٹنے میں مدد دیتی ہیں. وہ 50 سے زیادہ عوامی ملٹی-اوِمکس ڈیٹابیسز، لٹریچر کے ذرائع اور حیاتیاتی ٹولز تک رسائی فراہم کرتے ہیں اور پروٹین اسٹرکچر لک اپ، سیکوئنس سرچ، لٹریچر ریویو اور عوامی ڈیٹاسیٹ دریافت جیسے عام اور دہرائے جا سکنے والے ورک فلوز کے لیے ایک لچکدار نقطۂ آغاز فراہم کرتے ہیں.

اہل Enterprise صارفین GPT‑Rosalind کے ساتھ تحقیقی ورک فلوز میں اس پلگ اِن سے فائدہ اٹھا سکتے ہیں تاکہ زیادہ گہری حیاتیاتی ریزنگ حاصل کی جا سکے، جبکہ تمام صارفین ہمارے مین لائن ماڈل کے ساتھ پلگ اِن پیکیج استعمال کر سکتے ہیں.

ہم چاہتے ہیں کہ یہ صلاحیتیں ان سائنس دانوں اور تحقیقی تنظیموں کو دستیاب ہوں جو انسانی ہیلتھ کو آگے بڑھانے کے لیے بہترین پوزیشن میں ہیں، جبکہ حیاتیاتی غلط استعمال کے خلاف مضبوط حفاظتی اقدامات کو برقرار رکھا جائے. لائف سائنسز ماڈل ابتدائی طور پر امریکہ میں اہل انٹرپرائز صارفین کے لیے قابل اعتماد رسائی والے تعیناتی ڈھانچے کے ذریعے شروع کیا جا رہا ہے، جس میں اہلیت، رسائی کے انتظام اور تنظیمی گورننس سے متعلق کنٹرولز شامل ہیں. اسی کے ساتھ، ہم کنیکٹرز کے ایک مجموعے اور لائف سائنسز ریسرچ پلگ اِن کو بھی زیادہ وسیع پیمانے پر دستیاب بنا رہے ہیں، تاکہ محققین لائف سائنسز کی تحقیق سے متعلق کاموں کے لیے ہمارے مرکزی ماڈل کو زیادہ مؤثر طریقے سے استعمال کر سکیں. 

لائف سائنسز ماڈل کو انٹرپرائز گریڈ سیکیورٹی کنٹرولز اور مضبوط رسائی کے انتظام کے ساتھ تیار کیا گیا ہے، جو گورنڈ تحقیقی ماحول میں پیشہ ورانہ سائنسی استعمال کو ممکن بناتا ہے. ہم رسائی کا جائزہ تین بنیادی اصولوں کی بنیاد پر لیتے ہیں: فائدہ مند استعمال، مضبوط گورننس اور حفاظتی نگرانی اور انٹرپرائز گریڈ سیکیورٹی کے ساتھ کنٹرول شدہ رسائی. عملی طور پر، اس کا مطلب یہ ہے کہ شریک تنظیموں کو واضح عوامی فائدے کے ساتھ جائز سائنسی تحقیق کرنی چاہیے، مناسب گورننس، تعمیل اور غلط استعمال کی روک تھام کے کنٹرولز برقرار رکھنے چاہییں اور محفوظ اور اچھی طرح منظم ماحول تک رسائی کو منظور شدہ صارفین تک محدود رکھنا چاہیے. تنظیموں کو لائف سائنسز ریسرچ پری ویو کی شرائط سے بھی اتفاق کرنا ہوگا اور OpenAI کی استعمال کی پالیسیوں کی تعمیل کرنی ہوگی اور ہم آن بورڈنگ یا مسلسل شرکت کے حصے کے طور پر اضافی معلومات طلب کر سکتے ہیں.

تنظیمیں ہمارے اہلیت اور حفاظتی جائزے کے عمل کے ذریعے رسائی کی درخواست⁠ کر سکتی ہیں.

تحقیقی پیش منظر کے دوران، اس ماڈل کا استعمال موجودہ کریڈٹس یا ٹوکن استعمال نہیں کرے گا—بد استعمال کے حفاظتی ضوابط کے تحت. جیسے جیسے پروگرام میں توسیع ہوگی، ہم قیمتوں اور دستیابی کے بارے میں مزید تفصیلات فراہم کریں گے.

لائف سائنسز ماڈل سائنسی اداروں کو ایسے ماحول میں اعلٰیٰ معیار کا کام تیزی سے انجام دینے میں مدد دینے کے لیے بنایا گیا ہے جہاں تکنیکی صلاحیت اور عملیاتی کنٹرول دونوں ضروری ہوں. ہماری مخصوص لائف سائنسز ٹیم—نیز McKinsey & Company، Boston Consulting Group (BCG) اور Bain & Company جیسے مشاورتی شراکت دار—تنظیموں کو زیادہ اثر انگیز استعمال کے معاملات کی نشاندہی کرنے، ماڈل کو انٹرپرائز ماحول میں ضم کرنے اور قابلِ پیمائش نتائج حاصل کرنے میں مدد فراہم کرتے ہیں. اگر آپ یہ جاننا چاہتے ہیں کہ OpenAI لائف سائنسز آپ کے کام میں کس طرح معاونت کر سکتا ہے، تو آپ ہماری لائف سائنسز ٹیم سے رابطہ کریں⁠.

یہ ہماری لائف سائنسز ماڈل سیریز میں پہلی ریلیز ہے، اور ہم اسے AI کی تعمیر کے لیے ایک طویل مدتی عزم کے آغاز کے طور پر دیکھتے ہیں جو انسانی صحت سے لے کر وسیع تر حیاتیاتی تحقیق تک، معاشرے کے لیے گہرائی سے اہمیت رکھنے والے شعبوں میں سائنسی دریافت کو تیز کر سکتی ہے. ہم ماڈل کی حیاتیاتی ریزننگ کو مزید بہتر بناتے رہیں گے، ٹول سے بھرپور اور طویل المدتی تحقیقی ورک فلو کے لیے سپورٹ کو وسعت دیں گے اور حقیقی دنیا کے اثرات کا جائزہ لینے کے لیے نمایاں سائنسی اداروں کے ساتھ قریبی تعاون کرتے رہیں گے. اس میں Los Alamos نیشنل لیبارٹری جیسی قومی لیبارٹریوں کے ساتھ جاری شراکت داریاں بھی شامل ہیں، جہاں ہم AI کی رہنمائی میں پروٹین اور کیٹالسٹ ڈیزائن کی تحقیق کر رہے ہیں، جس میں AI نظاموں کی یہ صلاحیت بھی شامل ہے کہ وہ حیاتیاتی ساختوں میں تبدیلی کریں جبکہ اہم فعلی خصوصیات کو برقرار رکھا جائے یا انہیں بہتر بنایا جائے. 

وقت کے ساتھ، ہمیں توقع ہے کہ یہ نظام دریافت کے عمل میں زیادہ سے زیادہ باصلاحیت شراکت دار بن جائیں گے—سائنس دانوں کو سوال سے شواہد تک، شواہد سے بصیرت تک اور بصیرت سے مریضوں کے لیے نئے علاج تک زیادہ تیزی سے پہنچنے میں مدد دیتے ہوئے.