L'esperimento in laboratorio di OpenAI dimostra che l'impalcatura del prompt fa davvero la differenza

Cosa è stato realmente fatto in laboratorio

OpenAI ha collaborato con Red Queen Bio, una start-up di biosicurezza, per verificare se GPT-5 potesse migliorare un vero protocollo di biologia molecolare attraverso un feedback sperimentale. Il compito: ottimizzare una reazione di clonazione a due componenti che unisce un gene GFP al plasmide pUC19, partendo dall'assemblaggio HiFi di New England Biolabs, a sua volta basato sull'assemblaggio Gibson.

In cinque round di ottimizzazione enzimatica (44 reazioni) più uno screening di trasformazione one-shot (13 protocolli), GPT-5 ha migliorato l'efficienza di clonazione end-to-end di 79 volte—79 volte più cloni sequenziati e verificati per la stessa quantità di DNA di partenza. La modifica enzimatica ha contribuito con un fattore 2,6, quella di trasformazione con un fattore 36; combinate, hanno raggiunto un effetto additivo di 79 volte.

La chimica al centro della notizia è una combinazione davvero inedita: GPT-5 ha proposto di aggiungere la ricombinasi RecA di E. coli e la proteina gp32 del fago T4, che si lega al DNA a singolo filamento, organizzate attorno a un ciclo di temperatura (50°C, poi 37°C per le nuove proteine, poi di nuovo a 50°C). OpenAI dichiara che, per quanto ne sappia, RecA e gp32 non erano mai state usate insieme in modo funzionale nei metodi di biologia molecolare.

Il ciclo a prompt fisso è l'interfaccia messa alla prova

La decisione progettuale più deliberata qui non riguarda il modello, ma l'impalcatura che lo circonda. Il prompting è stato standardizzato, senza alcun intervento umano oltre a domande di chiarimento. A ogni round, GPT-5 proponeva un gruppo di 8-10 reazioni; gli scienziati le eseguivano e caricavano il conteggio delle colonie; i dati migliori alimentavano il round successivo. L'unico ruolo umano era l'esecuzione fisica e l'inserimento dei dati.

Questa scelta ha permesso a OpenAI di attribuire il meccanismo inedito al modello e non a una guida umana. Ma la stessa impalcatura fissa ha prodotto un limite specifico, che il resoconto ammette apertamente.

Questa struttura ha aiutato a rivelare la capacità del modello di proporre modifiche al protocollo davvero nuove, indipendentemente dalla guida umana, ma ha anche bloccato il sistema in una fase di esplorazione, limitando la sua capacità di massimizzare le prestazioni delle idee appena scoperte.Montana Labs

In altre parole, l'interfaccia ha spinto il sistema verso la scoperta più che verso il perfezionamento. OpenAI si aspetta che i progressi nella pianificazione e nel ragionamento su orizzonti temporali più lunghi permetteranno a semplici prompt fissi di supportare entrambi gli aspetti. La lezione per chi costruisce cicli di agenti: la struttura del prompt non è un dettaglio tecnico neutro—ha determinato se il sistema esplorasse ampiamente o sfruttasse a fondo una buona idea, lasciando sia il guadagno enzimatico che quello di trasformazione non del tutto ottimizzati.

Uno strato in inglese comune tra il modello e il braccio robotico

Per aumentare la produttività, Robot on Rails e Red Queen Bio hanno costruito un sistema che riceve un protocollo di clonazione in linguaggio naturale e lo esegue. Il sistema si compone di tre parti: un LLM che converte l'inglese comune in azioni del robot, un sistema di visione che localizza il materiale di laboratorio in tempo reale, e un pianificatore di percorsi che esegue ogni azione.

Eseguendo in parallelo il metodo HiFi standard e R8 (il miglior protocollo modificato dall'IA nel primo round), il robot ha riprodotto la stessa classifica: R8 eseguito da un umano ha mostrato un miglioramento di 2,39 volte, R8 eseguito dal robot ha raggiunto 2,13 volte—l'89% della prestazione umana. Ma il conteggio assoluto delle colonie ottenuto dal robot era circa dieci volte inferiore rispetto all'esecuzione manuale.

Questo scarto è istruttivo. Un protocollo in linguaggio naturale si è tradotto in modo sufficientemente pulito da preservare la classifica relativa, ma l'ultimo miglio—la precisione nel maneggiare i liquidi, la calibrazione della temperatura, le sottigliezze tacite della manipolazione manuale delle cellule—ha comunque comportato un ordine di grandezza in meno nel rendimento. Tradurre un'intenzione in inglese è un problema di interfaccia; tradurre l'inglese in un'azione fisica affidabile è un problema diverso, e più difficile.

Quando l'interfaccia è la superficie di sicurezza

OpenAI ha inquadrato questo lavoro come una valutazione di biosicurezza, condotta in un ambiente strettamente controllato: un sistema sperimentale benigno, un ambito operativo limitato e divieti espliciti a livello di prompt—per esempio, il prompt vietava l'uso di estratti cellulari. La valutazione si collega al Preparedness Framework e ai suoi piani per misure di sicurezza a livello di modello e di sistema.

L'implicazione specifica è che, negli agenti scientifici incarnati, il frontend e la misura di sicurezza sono la stessa superficie. Il prompt che ha limitato lo spazio di ricerca, il protocollo per le domande di chiarimento e il traduttore da linguaggio naturale a comandi robotici sono tutti punti in cui il comportamento è stato al tempo stesso definito e contenuto. Quando gli output di un modello diventano reazioni fisiche su un banco di laboratorio, lo strato dell'interfaccia smette di essere una comodità e diventa il luogo in cui capacità e controllo vengono decisi insieme.