คำตอบเผยแพร่แล้ว18 แหล่งที่มา
GPT-Rosalind ใช้เอเจนต์เกือบ 2,000 ตัวเชื่อมข้อมูลสมองหนูใน 32 นาที
OpenAI, PerturbAI และ Scripps Research ระบุว่าเอเจนต์ GPT Rosalind หลายพันตัวใช้เวลา 32 นาทีวิเคราะห์ข้อมูลสมองหนูที่มีอยู่แล้ว โดยผลลัพธ์เป็นเบาะแสสำหรับวิจัย ไม่ใช่กลไกโรคที่ยืนยันแล้ว เอเจนต์เชื่อมผลจากการรบกวนยีนเข้ากับเอกสารวิชาการ แล้วรวบรวมเป็น “แผนที่เหตุผล” แต่จำนวนเอกสารอ้างอิงและความชอบของผู้เชี่ยวชาญไม่ไ...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- OpenAI, PerturbAI และ Scripps Research ระบุว่าเอเจนต์ GPT Rosalind หลายพันตัวใช้เวลา 32 นาทีวิเคราะห์ข้อมูลสมองหนูที่มีอยู่แล้ว โดยผลลัพธ์เป็นเบาะแสสำหรับวิจัย ไม่ใช่กลไกโรคที่ยืนยันแล้ว
- เอเจนต์เชื่อมผลจากการรบกวนยีนเข้ากับเอกสารวิชาการ แล้วรวบรวมเป็น “แผนที่เหตุผล” แต่จำนวนเอกสารอ้างอิงและความชอบของผู้เชี่ยวชาญไม่ได้ยืนยันว่าคำอธิบายนั้นถูกต้อง
- ข้อสังเกตเกี่ยวกับ Tsc1, Tsc2 และ Dctn1 ชี้ไปสู่การทดลองที่อาจทำต่อได้ ส่วนเวลาหลายเดือนถึงหนึ่งปีสำหรับมนุษย์เป็นเพียงค่าประมาณ ไม่ใช่ผลจากการทดลองเปรียบเทียบแบบตัวต่อตัว
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: How did OpenAI, PerturbAI and Scripps Research use nearly 2,000 parallel GPT-Rosalind agents and “distributed biological reasoning” to analy. Article summary: The October 21 announcement described a fast, parallel interpretation of existing mouse-brain experiments—not the creation of the experimental atlas or proof of new disease mechanisms—in which GPT-Rosalind agents connect. Topic tags: general, general web, user generated, government, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, wate
OpenAI, PerturbAI และ Scripps Research ระบุว่าได้ใช้เอเจนต์ AI ที่ขับเคลื่อนด้วย GPT-Rosalind วิเคราะห์ข้อมูลการทดลองจากเซลล์สมองหนูที่มีอยู่แล้ว โดยใช้เวลา 32 นาที เอเจนต์เหล่านี้เชื่อมผลจากการรบกวนยีนเข้ากับข้อมูลในงานวิจัย ก่อนรวบรวมข้อสังเกตและคำอธิบายที่เป็นไปได้ไว้ใน “แผนที่เหตุผล” เพื่อเสนอแนวทางให้ศึกษาต่อ ไม่ใช่หลักฐานยืนยันกลไกโรคใหม่5
11
แบ่งงานให้เอเจนต์ทำพร้อมกัน
แทนที่จะให้ระบบเดียวไล่วิเคราะห์ข้อมูลทั้งหมดทีละส่วน ทีมงานแบ่งงานให้เอเจนต์จำนวนมากทำควบคู่กัน โดยเอเจนต์ตรวจดูการตอบสนองของเซลล์ต่อการรบกวนยีน ค้นเอกสารวิชาการ และเชื่อมผลที่พบกับคำอธิบายทางชีววิทยาที่เป็นไปได้ จากนั้นจึงนำรายงานมารวมเป็นภาพรวมของยีน การตอบสนองของเซลล์ งานตีพิมพ์ และสมมติฐานที่เกี่ยวข้อง5
11
สิ่งสำคัญคือแผนที่ข้อมูลการทดลองมีอยู่ก่อนแล้ว AI ทำหน้าที่วิเคราะห์และตีความข้อมูล ไม่ได้สร้างการทดลองหรือชุดข้อมูลขึ้นมาใหม่5 รายงานบางแห่งเรียกชุดข้อมูลนี้ว่าแอตลาสสมองหนู 8 ล้านเซลล์ ขณะที่ประกาศของผู้ร่วมโครงการกล่าวถึงข้อมูลจากเซลล์สมองหนูหลายล้านเซลล์
5
6
ตัวเลข 32 นาทีควรอ่านควบคู่กับที่มาของการเปรียบเทียบเวลา ทีมงานประเมินว่าการวิเคราะห์และทบทวนเอกสารแบบที่มนุษย์ทำอาจใช้เวลาหลายเดือนถึงหนึ่งปี แต่ตัวเลขดังกล่าวมาจากสมมติฐานเรื่องเวลาที่ใช้ตรวจยีนและอ่านงานวิจัย ไม่ใช่การจับเวลาทีมมนุษย์ทำงานเดียวกันเพื่อเปรียบเทียบโดยตรง9 ดังนั้น 32 นาทีคือเวลาของกระบวนการ AI ที่รายงาน ส่วนเวลาของมนุษย์เป็นค่าประมาณของงานที่ทำเรียงลำดับกัน ไม่ได้พิสูจน์ว่า AI ทดแทนกระบวนการทำวิจัยทั้งหมดได้
ผลเทียบกับเอเจนต์ตัวเดียวบอกอะไร
รายงานหนึ่งระบุว่าการวิเคราะห์แบบหลายเอเจนต์อ้างอิงเอกสารมากกว่า 700 รายการ เทียบกับ 11 รายการในผลวิเคราะห์จากเอเจนต์ตัวเดียว และผู้เชี่ยวชาญที่ประเมินแบบไม่ทราบว่าเป็นรายงานจากระบบใดชอบคำอธิบายจากระบบหลายเอเจนต์มากกว่าใน 75% ของกรณี6 มีรายงานอีกแห่งกล่าวถึงผลความชอบ 75% จากการเปรียบเทียบแบบปกปิดเช่นกัน
39
ผลนี้ชวนให้เห็นว่าการแบ่งงานอาจช่วยให้ระบบครอบคลุมเอกสารได้กว้างขึ้น และสร้างคำอธิบายที่ผู้เชี่ยวชาญมองว่ามีประโยชน์กว่า แต่ตัวเลขดังกล่าวไม่ใช่คะแนนความแม่นยำ การเลือกคำอธิบายหนึ่งมากกว่าอีกคำอธิบายไม่ได้ยืนยันว่ากลไกที่เสนอถูกต้อง ขั้นต่อไปจึงต้องนำสมมติฐานไปทดสอบด้วยการทดลอง
สองสมมติฐานที่ระบบชี้ให้ศึกษาต่อ
Tsc2 และ Tsc1 ในเซลล์ประสาทสมองน้อย
OpenAI รายงานว่าเมื่อรบกวนยีน Tsc2 การแสดงออกของยีนหลายสิบตัวเปลี่ยนไปในเซลล์ประสาทกลุ่มหนึ่งของสมองน้อย รวมถึงยีนที่เกี่ยวข้องกับการสื่อสารระหว่างเซลล์ประสาท ขณะที่การรบกวน Tsc1 ส่งผลต่อการแสดงออกของยีนในเซลล์ชนิดเดียวกันเพียงเล็กน้อย ทั้งสองยีนทำงานร่วมกันในการควบคุม mTOR และ OpenAI เสนอว่าความแตกต่างนี้อาจเป็นเบาะแสหนึ่งที่ช่วยอธิบายว่าเหตุใดการกลายพันธุ์ของ TSC2 จึงมักสัมพันธ์กับโรคทูเบอรัสสเคลอโรซิสรุนแรงกว่าการกลายพันธุ์ของ TSC114
นี่เป็นคำอธิบายที่เสนอขึ้นเพื่อศึกษาต่อ ไม่ใช่ข้อสรุปที่ยืนยันสาเหตุของความรุนแรงของโรคแล้ว ประเด็นหนึ่งที่ควรตรวจสอบคือการรักษาที่มุ่งเป้า mTOR ซึ่งมีใช้อยู่แล้ว สามารถย้อนการเปลี่ยนแปลงที่รายงานในเซลล์ประสาทเหล่านี้ได้หรือไม่14
Dctn1 กับยีนที่เกี่ยวข้องกับคอเลสเตอรอล
ในข้อมูลสมองหนู การรบกวนยีน Dctn1 ทำให้การแสดงออกของยีนที่เกี่ยวข้องกับการสร้างคอเลสเตอรอลเพิ่มขึ้น เนื่องจาก DCTN1 เชื่อมโยงกับโรคเพอร์รี ซึ่งเป็นโรคความเสื่อมของระบบประสาทที่พบได้น้อย OpenAI จึงเสนอให้ศึกษาต่อว่า การขนส่งคอเลสเตอรอลภายในเซลล์ประสาทอาจเกี่ยวข้องหรือไม่ และการฟื้นฟูการขนส่งดังกล่าวจะช่วยปกป้องเซลล์ประสาทได้หรือเปล่า15
อย่างไรก็ตาม การเพิ่มขึ้นของยีนที่เกี่ยวข้องกับการสร้างคอเลสเตอรอลไม่ได้พิสูจน์ด้วยตัวเองว่าการขนส่งคอเลสเตอรอลบกพร่อง หรือว่าการรักษาที่มุ่งแก้การขนส่งจะได้ผล กลไกที่เสนอยังคงเป็นคำถามสำหรับการทดลอง15
เบาะแสวิจัยยังไม่ใช่ผลยืนยัน
โครงการนี้แสดงให้เห็นแนวทางหนึ่งในการนำผลการทดลองมาวิเคราะห์ร่วมกับการค้นวรรณกรรมจำนวนมาก เพื่อสร้างคำอธิบายเบื้องต้นให้ผู้เชี่ยวชาญพิจารณาต่อ5 แต่จำนวนเอกสารอ้างอิงหรือคะแนนความชอบจากผู้ประเมินไม่อาจแทนการตรวจสอบด้วยการทดลองได้ จึงควรมองข้อเชื่อมโยงกับโรคที่รายงานว่าเป็นสมมติฐาน ไม่ใช่กลไกที่ยืนยันแล้วหรือเป้าหมายยาที่พร้อมนำไปใช้
รายงานเกี่ยวกับโครงการระบุว่าผลงานอยู่ในรูป preprint หรือเอกสารวิจัยฉบับเผยแพร่ก่อนผ่านกระบวนการตีพิมพ์ตามปกติ9 ผู้อ่านจึงควรแยกประกาศของผู้ร่วมโครงการและผลการประเมินที่รายงาน ออกจากการยืนยันผลทางชีววิทยาโดยอิสระ นอกจากนี้ หลักฐานที่มีอยู่ไม่ได้ระบุผลประโยชน์ทางการเงินหรือวิชาชีพเฉพาะของผู้เขียนที่รับผิดชอบ จึงไม่ควรสรุปไปเองทั้งในทางบวกหรือทางลบ
ทำไมแนวทางนี้จึงเกี่ยวกับการค้นคว้ายา
PerturbAI และ OpenAI ระบุว่าโครงการนี้เป็นส่วนหนึ่งของความร่วมมือที่ดำเนินมาหนึ่งปี โดยมุ่งพัฒนางานวิจัยชีวการแพทย์และการค้นคว้ายา31 ประโยชน์ที่คาดหวังคือช่วยให้นักวิจัยเชื่อมข้อมูลชีววิทยาเชิงเหตุและผลเข้ากับความรู้ที่มีอยู่ แล้วจัดลำดับคำถามที่ควรนำไปทดสอบ
ผลที่รายงานจึงเป็นตัวอย่างเบื้องต้นของกระบวนการทำงานดังกล่าว ไม่ใช่หลักฐานว่าระบบค้นพบเป้าหมายยาที่ผ่านการยืนยันแล้ว31
39
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "GPT-Rosalind ใช้เอเจนต์เกือบ 2,000 ตัวเชื่อมข้อมูลสมองหนูใน 32 นาที" คืออะไร
OpenAI, PerturbAI และ Scripps Research ระบุว่าเอเจนต์ GPT Rosalind หลายพันตัวใช้เวลา 32 นาทีวิเคราะห์ข้อมูลสมองหนูที่มีอยู่แล้ว โดยผลลัพธ์เป็นเบาะแสสำหรับวิจัย ไม่ใช่กลไกโรคที่ยืนยันแล้ว
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
OpenAI, PerturbAI และ Scripps Research ระบุว่าเอเจนต์ GPT Rosalind หลายพันตัวใช้เวลา 32 นาทีวิเคราะห์ข้อมูลสมองหนูที่มีอยู่แล้ว โดยผลลัพธ์เป็นเบาะแสสำหรับวิจัย ไม่ใช่กลไกโรคที่ยืนยันแล้ว เอเจนต์เชื่อมผลจากการรบกวนยีนเข้ากับเอกสารวิชาการ แล้วรวบรวมเป็น “แผนที่เหตุผล” แต่จำนวนเอกสารอ้างอิงและความชอบของผู้เชี่ยวชาญไม่ได้ยืนยันว่าคำอธิบายนั้นถูกต้อง
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ข้อสังเกตเกี่ยวกับ Tsc1, Tsc2 และ Dctn1 ชี้ไปสู่การทดลองที่อาจทำต่อได้ ส่วนเวลาหลายเดือนถึงหนึ่งปีสำหรับมนุษย์เป็นเพียงค่าประมาณ ไม่ใช่ผลจากการทดลองเปรียบเทียบแบบตัวต่อตัว
แหล่งที่มา
openai.comUsing thousands of AI agents to uncover new leads in biological data
unite.aiOpenAI Unveils Mouse Brain Reasoning Atlas From GPT-Rosalind Agents
aiweekly.coOpenAI, PerturbAI and Scripps Run ~2,000 GPT-Rosalind Agents on 8M-Cell Brain CRISPR Atlas in 32 Min | AI Weekly
rdworldonline.comOpenAI runs 1,946 GPT-Rosalind agents on a mouse brain atlas