Η OpenAI ενσωματώνει το GPT-Rosalind στο Codex με ενσωματωμένους προβολείς για αλληλουχίες, ευθυγράμμιση και δομή

Το Codex αναδιαμορφώνεται ως επιστημονικό εργαλείο εργασίας

Ο τίτλος αφορά μια ενημέρωση μοντέλου, αλλά το στοιχείο αυτής της κυκλοφορίας με πραγματικό σχεδιασμό διεπαφής είναι η απόφαση να διοχετευτεί η εργασία βιοεπιστημών μέσω του Codex. Η OpenAI περιγράφει το Codex ως «δυναμικό εργαλείο εργασίας για επιστήμονες» και ενσωματώνει σε αυτό δύο plugins: Life Sciences Research και Life Sciences NGS Analysis.

Το μοντέλο πρόσβασης είναι διαστρωματωμένο και σε επίπεδο frontend. Κάθε χρήστης αποκτά και τα δύο plugins μέσω του Codex, αλλά μόνο οι κατάλληλοι εταιρικοί χρήστες του GPT-Rosalind μπορούν να χρησιμοποιήσουν το ίδιο το μοντέλο για να τα τροφοδοτήσουν. Έτσι, η ίδια επιφάνεια εργαλείου εργασίας διαθέτει δύο επίπεδα νοημοσύνης πίσω της, ανάλογα με το ποιος έχει συνδεθεί.

Πρόκειται για μια συγκεκριμένη επιλογή προϊόντος: αντί για ανεξάρτητη εφαρμογή επιστήμης, η ροή εργασίας βιοεπιστημών εντάσσεται σε ένα περιβάλλον προγραμματισμού, όπου η εκτέλεση βιοπληροφορικής, η ανάκτηση τεκμηρίων και η βιολογική ερμηνεία μοιράζονται τον ίδιο χώρο εργασίας.

Προβολείς που εντάσσουν το ενεργό τεκμήριο στο πλαίσιο του μοντέλου

Η πιο συγκεκριμένη προσθήκη στο frontend είναι ένα σύνολο διαδραστικών προβολέων για «βιολογικά εγγενείς τύπους αρχείων» — ένα αρχικό σύνολο που καλύπτει αλληλουχία, ευθυγράμμιση και δομή. Δεν πρόκειται απλώς για πάνελ προβολής. Η OpenAI αναφέρει ότι το μοντέλο μπορεί να «απαντά απευθείας σε επόμενες ερωτήσεις χρησιμοποιώντας τον ενεργό προβολέα εντός του πλαισίου».

Αυτή η διατύπωση έχει σημασία για όποιον σχεδιάζει διεπαφές με υποστήριξη ΤΝ. Ο προβολέας δεν είναι ένα ξεχωριστό τεκμήριο μόνο για ανάγνωση που ο χρήστης πρέπει να περιγράψει εκ νέου στο μοντέλο· η αλληλουχία ή η δομή που είναι ανοιχτή τη δεδομένη στιγμή γίνεται μέρος αυτού πάνω στο οποίο συλλογίζεται το GPT-Rosalind. Η κατάσταση της διεπαφής χρήστη αποτελεί είσοδο για το μοντέλο.

Η επίδειξη το κάνει αυτό συγκεκριμένο: ένας επιστήμονας που εξετάζει μια βιοψία υγρού όγκου εστιάζει στο KRAS G12C και στη συνέχεια χρησιμοποιεί τους προβολείς για να εξετάσει το μεταλλαγμένο κατάλοιπο 12, τη διατήρησή του σε όλη την οικογένεια RAS, και την κοιλότητα δέσμευσης αναστολέα. Ο δηλωμένος στόχος σχεδιασμού είναι να «κρατά τους επιστήμονες κοντά στα τεκμήρια ενόσω το GPT-Rosalind συλλογίζεται σε όλη τη ροή εργασίας».

Προέλευση δεδομένων και ελεγχόμενοι φάκελοι ως πρωτεύοντα αποτελέσματα

Η περιγραφόμενη συμπεριφορά του plugin NGS αξίζει να διαβαστεί ως προδιαγραφή διεπαφής, όχι απλώς ως λίστα λειτουργιών. Για ένα αίτημα scRNA-seq, μετατρέπει ένα πακέτο πίνακα τύπου 10x σε «τεκμήρια μονού κυττάρου με φιλτραρισμένο έλεγχο ποιότητας, επισημειώσεις και UMAPs που μπορείτε να εξετάσετε και να αναθεωρήσετε στο Codex», επιλέγει κατώφλια ελέγχου ποιότητας βάσει των δεδομένων, και αναδεικνύει εμπόδια όπως η απουσία μιας εξάρτησης ανίχνευσης διπλών κυττάρων.

Για bulk RNA-seq, επιστρέφει «έναν ελεγχόμενο φάκελο εκτέλεσης με MultiQC, πίνακες Salmon, προέλευση δεδομένων και σαφείς επιφυλάξεις». Το plugin επίσης επικυρώνει τις εισόδους και διοχετεύει το αίτημα πριν από την εκτέλεση της εργασίας.

Οι λέξεις που επαναλαμβάνονται εδώ είναι εξέταση, αναθεώρηση, προέλευση δεδομένων και επιφυλάξεις. Το frontend σχεδιάζεται έτσι ώστε το αποτέλεσμα του μοντέλου να είναι κάτι που ο επιστήμονας ανοίγει, ελέγχει και επεξεργάζεται — με κάθε βήμα και τεκμήριο «διαθέσιμο για εξειδικευμένη επανεξέταση» — και όχι μια τελική απάντηση που γίνεται αποδεκτή χωρίς έλεγχο.

Το σχεδιαστικό στοίχημα πίσω από τη διεπαφή του Rosalind

Η OpenAI διατυπώνει τη δική της θέση μέσω του Mishal Patel της Novo Nordisk, ο οποίος συνδέει την αξία με μοντέλα που είναι «συνδεδεμένα με επικυρωμένα εργαλεία και ενσωματωμένα στις πραγματικές ροές εργασίας που χρησιμοποιούν οι ερευνητές καθημερινά».

«Για να προσφέρουν ουσιαστική αξία στους ερευνητές, τα προηγμένα μοντέλα ΤΝ πρέπει να βασίζονται σε αξιόπιστα επιστημονικά δεδομένα, να συνδέονται με επικυρωμένα εργαλεία, και να ενσωματώνονται στις πραγματικές ροές εργασίας που χρησιμοποιούν οι ερευνητές καθημερινά.»Montana Labs

Η συνέπεια που προκύπτει ειδικά από αυτή την κυκλοφορία: η OpenAI στοιχηματίζει ότι ένα frontend για τις βιοεπιστήμες κερδίζει διατηρώντας το μοντέλο συνδεδεμένο με το τεκμήριο και διαφυλάσσοντας το ιστορικό επανεξέτασης, όχι μέσω της απομαγνητοφώνησης της συνομιλίας. Ο ενεργός προβολέας, το επεξεργαζόμενο UMAP και ο φάκελος εκτέλεσης με τις επιφυλάξεις είναι όλοι μηχανισμοί που καθιστούν τη συλλογιστική του μοντέλου ελεγχόμενη στο σημείο του τεκμηρίου — πρόκειται για το πρόβλημα διεπαφής που θα πρέπει να λύσει κάθε ομάδα που αναπτύσσει πράκτορες ΤΝ σε έναν ρυθμιζόμενο τομέα υψηλού ρίσκου, ανεξάρτητα από το αν έχει πρόσβαση στο ίδιο το Rosalind.