OpenAI pustila tisíce agentů na atlas myšího mozku. Za 32 minut přinesli hypotézy, objevy musí potvrdit laboratoř

OpenAI, PerturbAI a Scripps Research nechaly tisíce agentů s modelem GPT-Rosalind projít existující data z milionů myších mozkových buněk. Za 32 minut vznikla mapa hypotéz, na kterou by lidé podle odhadu týmu potřebovali měsíce až rok. Zajímavá je hlavně metoda dělení práce, protože nové stopy zatím nikdo v laboratoři nepotvrdil.

Každý agent dostal jednu genetickou poruchu a dohledal k ní literaturu

Zdrojem dat je celomozkový CRISPR atlas. Ukazuje, jak vyřazení jednotlivých genů mění různé typy buněk v myším mozku. Tým práci rozdělil tak, že každý agent dostal jednu genetickou poruchu. Prošel reakce buněk, prohledal odbornou literaturu a navrhl vysvětlení. Ze zpráv pak vznikl reasoning atlas. Propojuje geny, změny v buňkách, články a možné mechanismy. OpenAI postupu říká distributed biological reasoning.

Agenti podle OpenAI zopakovali závěry, ke kterým předtím došli lidé, a přidali další stopy. Jedna se týká genů Tsc1 a Tsc2, které spolu řídí dráhu mTOR. V mozečku vyřazení Tsc2 změnilo aktivitu desítek genů pro komunikaci neuronů, kdežto Tsc1 skoro nic. Druhá stopa vede ke genu DCTN1. Jeho mutace způsobují Perryho syndrom, který se podobá Parkinsonově nemoci. Jeho vyřazení zvýšilo aktivitu genů pro výrobu cholesterolu. Agenti se z toho ptají, jestli neurony neumírají kvůli tomu, že se v nich cholesterol špatně přenáší.

Studie vyšla 16. října jako preprint na bioRxivu a zatím neprošla recenzním řízením. Šest autorů pracuje pro OpenAI, dva pro PerturbAI. Reasoning atlas je veřejně na GitHubu, datová sada na Hugging Face.

Víc agentů přečte víc literatury než jeden přetížený agent

Nejzajímavější srovnání v práci staví jednoho agenta proti tisícům. Tým nechal stejný model se stejnými prostředky zpracovat celou datovou sadu najednou. Čím víc práce dostal, tím méně literatury prohledal. U největší zátěže citoval 11 zdrojů, rozdělení agenti přes 700. V zaslepeném hodnocení dali odborníci přednost zprávám rozdělených agentů v 75 % případů.

Pro laboratoře s velkými screeningovými daty je to praktická lekce. Jeden agent s obřím zadáním začne šetřit a vynechávat. Malé úlohy s úzkým zadáním se dají spustit paralelně a výsledky pak složit dohromady. Stejný vzorec znají programátoři ze subagentů. Dá se čekat, že se rozšíří všude, kde dat přibývá rychleji než lidí, kteří je čtou.

Druhá rovina je obchodní. OpenAI v posledních týdnech staví kolem řady Rosalind celé portfolio: akademický program s výběrovým přístupem a nákup startupu Orchestra Bio. Studie s atlasem mozku ukazuje, k čemu má model v praxi sloužit.

Rychlost 32 minut se měří proti odhadu, s lidským týmem ji nikdo nesrovnal

Čísla potřebují kontext. Údaj „měsíce až rok“ je odhad týmu pro lidskou analýzu, která by procházela jednu poruchu po druhé. Žádný lidský tým vedle agentů nepracoval. Preference 75 % srovnává dvě podoby téhož modelu, nikoli model a vědce. A shoda agentů s hodnocením odborníků říká, že hypotézy působí rozumně a nově. Neříká, že platí.

OpenAI také neuvádí, kolik výkonu tisíce agentů naráz spotřebovaly. GPT-Rosalind navíc nepatří mezi běžně dostupné modely: OpenAI ho pouští jen vybraným organizacím a laboratořím. Kdo by chtěl postup zopakovat na vlastních datech, potřebuje zatím pozvánku.

Rozhodne pokus s cholesterolem v neuronech

Metodu potvrdí nebo shodí první laboratoř, která vezme konkrétní hypotézu a otestuje ji. Nejvhodnějším kandidátem je stopa DCTN1. Pokud se v neuronech opravdu změní rozložení cholesterolu, získá agentní mapa první tvrdé potvrzení.

Druhým signálem bude recenzní řízení a to, jestli metodu převezmou skupiny bez vazby na OpenAI. Veřejný atlas a data to umožňují. Uzavřený model zatím méně.

Lilithin verdikt

Tisíce agentů za půl hodiny nasbíraly k myšímu mozku přes sedm set citací a seznam podezřelých genů. Teď nastupuje postdok s pipetou, který musí zjistit, jestli cholesterol v neuronech opravdu bloudí, nebo si to agenti jen přečetli.