Biologisen tutkimuksen suuria ongelmia ei ratkaista pelkästään mittaamalla lisää tietoa. Kun tutkijat kartoittavat esimerkiksi miljoonien solujen toimintaa, havaintojen yhdistäminen käyttökelpoisiksi selityksiksi voi vaatia kuukausia. OpenAI kertoi 21. lokakuuta yhteistyöstä PerturbAI:n ja Scripps Researchin kanssa: kokeilussa suuri joukko tekoälyagentteja analysoi hiiren aivosoluista kerättyä geneettistä tutkimusaineistoa noin 32 minuutissa.
Tutkimuksen lähtöaineisto liittyi CRISPR-menetelmällä tehtyihin geenimuutoksiin ja niiden vaikutuksiin yksittäisissä soluissa. Tavoitteena oli havaita yhteyksiä, joita tutkijat voisivat myöhemmin testata tarkemmin. Kun tietoa on paljon, samaa aineistoa voidaan tarkastella samanaikaisesti eri näkökulmista: yksi agentti etsii tietyn geenin vaikutuksia, toinen vertaa soluja keskenään ja kolmas tarkastelee mahdollisia biologisia mekanismeja.
Kokeilussa käytettiin GPT-Rosalindiin perustuvia agentteja, joita voitiin käynnistää ja ohjata rinnakkain. Yhteistyökumppanit ilmoittivat myös arvioinnista, jossa ihmistarkastajat suosivat monen agentin tuottamia analyysejä yksittäisen agentin tuloksiin verrattuna. Tulokset ovat kiinnostavia laskennallisen tutkimuksen kannalta, mutta arviointiasetelmasta ei voi suoraan päätellä, että järjestelmä tekisi aina parempaa tiedettä.
Lähteessä käsitellään muun muassa ehdotuksia tiettyjen geenien ja soluprosessien välisistä yhteyksistä. Tällaiset havainnot voivat auttaa priorisoimaan seuraavia laboratoriokokeita. Ne eivät kuitenkaan ole todisteita siitä, että tekoäly olisi löytänyt toimivan lääkkeen tai vahvistanut uuden sairauden syntymekanismin. Laskennalliset hypoteesit tarvitsevat riippumattomia kokeita, mielellään useilla eri menetelmillä.
Tutkimustyössä mahdollisuus on merkittävä. Jos data-analyysin alustavia vaiheita saadaan nopeutettua, biologit voivat käyttää enemmän aikaa kokeiden suunnitteluun ja päätelmien kriittiseen arvioimiseen. Tekoäly voisi myös löytää poikkeavia havaintoja, joita pieni tutkimusryhmä ei muuten ehtisi tarkastella.
Samalla menetelmässä on uusia virheriskejä. Useat agentit voivat toistaa samaa virheellistä oletusta, tulkita lähteen väärin tai rakentaa uskottavan selityksen heikolle signaalille. Siksi jokaisesta analyysistä pitäisi säilyä jälki käytetyistä aineistoista, menetelmistä ja päätösten perusteista. OpenAI:n julkistus osoittaa lupaavan tutkimusvälineen, ei lääketieteellisen läpimurron lopullista vahvistusta.