OpenAI schickte Tausende Agenten durch einen Mäusehirn-Atlas. Nach 32 Minuten lagen Hypothesen vor, bestätigen muss sie das Labor

OpenAI, PerturbAI und Scripps Research ließen Tausende Agenten mit GPT-Rosalind vorhandene Daten aus Millionen Gehirnzellen von Mäusen durcharbeiten. Nach 32 Minuten stand eine Hypothesenkarte, für die Menschen nach Schätzung des Teams Monate bis ein Jahr bräuchten. Spannend ist vor allem die Arbeitsteilung, denn bestätigt hat die neuen Spuren noch kein Labor.

Jeder Agent bekam eine genetische Störung und suchte die Literatur dazu

Die Daten stammen aus einem CRISPR-Atlas des gesamten Gehirns. Er zeigt, wie das Ausschalten einzelner Gene verschiedene Zelltypen im Mäusehirn verändert. Das Team gab jedem Agenten eine genetische Störung. Der Agent prüfte die Reaktion der Zellen, durchsuchte die Fachliteratur und schlug eine Erklärung vor. Aus den Einzelberichten entstand ein reasoning atlas, der Gene, Zelleffekte, Publikationen und mögliche biologische Mechanismen verknüpft. OpenAI nennt das distributed biological reasoning.

Laut OpenAI reproduzierten die Agenten Ergebnisse, zu denen zuvor Menschen gekommen waren, und lieferten weitere Spuren. Eine betrifft Tsc1 und Tsc2, zwei Gene, die gemeinsam den mTOR-Signalweg steuern. Im Kleinhirn veränderte das Ausschalten von Tsc2 die Aktivität Dutzender Gene für die Kommunikation zwischen Neuronen, Tsc1 dagegen kaum etwas. Eine zweite Spur führt zu DCTN1, dessen Mutationen das Perry-Syndrom mit Parkinson-ähnlichen Symptomen auslösen. Sein Ausschalten steigerte die Aktivität von Genen der Cholesterinsynthese. Die Agenten leiteten daraus die Frage ab, ob gestörter Cholesterintransport zum Absterben von Neuronen beiträgt.

Die Studie erschien am 16. Oktober als Preprint auf bioRxiv und ist noch nicht begutachtet. Sechs Autoren arbeiten für OpenAI, zwei für PerturbAI. Der reasoning atlas liegt öffentlich auf GitHub, der Datensatz auf Hugging Face.

Viele Agenten lesen mehr Literatur als ein überlasteter Agent

Der aufschlussreichste Vergleich der Arbeit stellt einen Agenten gegen Tausende. Das Team gab demselben Modell mit denselben Ressourcen den gesamten Datensatz auf einmal. Je mehr Arbeit es bekam, desto weniger Literatur durchsuchte es. Bei der größten Last zitierte es 11 Quellen, die verteilten Agenten über 700. In verblindeten Vergleichen bevorzugten Fachleute die Berichte der verteilten Agenten in 75 % der Fälle.

Für Labore mit großen Screening-Daten ist das eine praktische Lektion. Ein einzelner Agent mit einem Riesenauftrag fängt an zu sparen. Kleine, eng gefasste Aufgaben lassen sich parallel abarbeiten und hinterher zusammenführen. Entwicklerteams kennen das Muster von Subagenten, und es dürfte sich überall ausbreiten, wo Daten schneller wachsen als die Zahl der Menschen, die sie lesen.

Dazu kommt eine geschäftliche Ebene. In den vergangenen Wochen hat OpenAI rund um die Rosalind-Reihe ein ganzes Portfolio aufgebaut: ein akademisches Programm mit selektivem Zugang und die Übernahme des Startups Orchestra Bio. Die Studie zum Hirnatlas zeigt, wofür das Modell in der Praxis gedacht ist.

Die 32 Minuten stehen gegen eine Schätzung, nicht gegen ein echtes Team

Die Zahlen brauchen Kontext. „Monate bis ein Jahr“ ist die Schätzung des Teams für eine menschliche Analyse, Störung für Störung. Ein menschliches Team arbeitete nicht parallel zu den Agenten. Die Präferenz von 75 % vergleicht zwei Varianten desselben Modells, nicht Modell und Forschende. Und die Übereinstimmung mit Expertenurteilen zeigt, dass die Hypothesen plausibel und neu wirken. Dass sie stimmen, zeigt sie nicht.

Die Ankündigung nennt auch nicht, wie viel Rechenleistung Tausende parallele Agenten verbraucht haben. GPT-Rosalind ist zudem kein allgemein verfügbares Modell: OpenAI lässt nur ausgewählte Organisationen und Labore zu. Wer das Verfahren mit eigenen Daten wiederholen will, braucht vorerst eine Einladung.

Ein Cholesterin-Experiment in Neuronen wird entscheiden

Bestätigen oder versenken wird die Methode das erste Labor, das eine konkrete Hypothese nimmt und testet. Die Spur zu DCTN1 bietet sich an. Verschiebt sich die Verteilung von Cholesterin in Neuronen tatsächlich, bekommt die Karte der Agenten ihre erste harte Bestätigung.

Das zweite Signal ist die Begutachtung und die Frage, ob Gruppen ohne Verbindung zu OpenAI die Methode übernehmen. Der öffentliche Atlas und die Daten machen das möglich. Das geschlossene Modell vorerst weniger.

Liliths Urteil

In einer halben Stunde sammelten Tausende Agenten über siebenhundert Zitate und eine Liste verdächtiger Gene zum Mäusehirn. Jetzt kommt die Postdoc mit der Pipette, die herausfinden muss, ob Cholesterin in Neuronen wirklich verirrt ist oder die Agenten nur darüber gelesen haben.