32 分钟跑完一个脑图谱,AI 算发现了吗?

近 2000 个 AI 智能体,32 分钟读完 770 万细胞脑图谱

先说结论:这轮实验证明的不是「AI 能发现新药」,而是「AI 能把读文献和查数据的体力活并行化」。据 OpenAI 公布,1946 个 GPT-Rosalind 智能体并行分析小鼠全脑 CRISPR 扰动图谱,32 分钟跑完。

合作方是 PerturbAI 和 Scripps Research,模型是 OpenAI 面向生命科学的专用推理模型 GPT-Rosalind,据官方说法 2026 年初进入研究预览。数据规模约 770 万个脑细胞,任务是把基因扰动后的细胞反应和科学文献对上。

实验室屏幕矩阵

一句话:两千个智能体干了一个研究生的活

划重点:这套系统的角色是「并行化的研究生」,不是「替代科学家的脑子」。它一次派出 1946 个智能体,每个盯一个基因扰动,查「哪组基因表达变了」「文献里怎么说」「机制可能是什么」,最后汇总成一份推理图谱。

为什么值得说:这批数据的体量约 770 万个脑细胞。换成人来做,读文献、对表达谱、写解释,是一个实验室数月到一年的活;而且一个人一次只能顺着一条线往下查,查完一条,下一条还得从头开始。

说白了,它把串行改成了并行:几千个「人」同时各查一条,最后拼图。这件事的技术含量不在想得多深,而在同时不丢线索、不重复、还能把结论收得回来,这才是工程上真正难的部分。

再划一次重点:这不是「AI 独立做出了一个发现」,而是「AI 把一个重复度极高、又必须逐条读完的流程,压进了半小时」。理解了这个差别,后面所有数字才好读。

显微镜下的细胞

它到底干了什么

先把 CRISPR 图谱讲清楚。扰动就是在细胞里「打坏」某个指定基因,然后看细胞怎么变——哪些基因表达升了、降了,通路乱没乱。一个基因一个实验,堆起来就是一张图谱:横轴是扰动,纵轴是被影响的基因。

据 bioRxiv 预印本,这次用的是小鼠全脑数据,覆盖约 770 万个脑细胞,1946 个扰动各配一个智能体。每个智能体拿到的不是笼统的问题,而是具体的三条:这组细胞里哪些基因变了?文献里关于这个基因有没有说法?两边对得上,怎么解释。

第三步最容易糊弄,也最容易出活。对不上时,它要判断是数据里出现了新东西,还是自己的读法有问题;对得上时,它要把文献里的机制和表达谱里的方向连成一条讲得通的因果链。

最后汇总成一份「推理图谱」:把基因扰动的细胞反应和文献里的既有结论连起来,产出一批可检验的新假设。注意「可检验」三个字,它交付的是待验证的猜想,不是结论,也不是论文。

数据对比

52 个已知结论,它对上 52 个

据 OpenAI 公布,系统在 55 个已知发现里恢复了 52 个,复现率 94.5%。这个数字的意义不在「猜对了」,而在「先证明自己读得懂老结论」——读不懂已知,提新假设就是瞎猜。

顺序很重要:一个系统连教科书里已经确认的因果都复现不出来,它提的新假设就不值得看。94.5% 是入场券,不是奖状;它证明的是「这套流程能走通」,而不是「这套流程走得对」。

但 55 个里还有 3 个没对上。这 3 个没有被抹掉,也没被含糊过去,作者把它们留在结果里——这说明系统有真实盲区,而不是一个什么都对的演示。翻车记录比成绩单更能说明边界在哪。

划重点:复现率再高,也只是「在已知范围内靠谱」。已知范围内靠谱,才有资格往未知走一步。这是评估 AI 科研工具最该看的一层,比任何一次惊艳的个例都重要。

基因与螺旋

两个值得标记的新线索

第一条来自 DCTN1,一个与 Perry 综合征相关的基因。据 OpenAI 公布,在小鼠脑数据里打断 DCTN1 后,胆固醇合成相关基因的表达升高了。

智能体给出的解释很克制:胆固醇可能没被送到神经元真正需要的位置,合成路径因此被上调,像缺货的店把进货单加厚——产量上去了,货却没到该到的地方。这条只是假设,没进过实验室。

第二条在小脑:破坏 Tsc2 会显著改变神经通信相关基因的表达,破坏 Tsc1 却几乎没有影响。这个不对称,与结节性硬化症的临床规律吻合——TSC2 突变的病人症状更重。

两条线索的共同点:都从数据里的反常出发,再去文献里找对应;都不是「算法说了算」的结论,而是「这里有个不一致,值得拿实验去查」。写出来像论文摘要,读的时候要记住,它们还没被任何实验验证过。

谨慎的科学家

「快」和「对」是两件事

据 OpenAI 公布,这轮分析 32 分钟跑完。同一件事人来做,是数月到一年。差距是真的,但别急着读成「AI 比科学家强」——快的是流程,不是判断力;省下的是翻文献、比对表达谱的时间,不是想清楚机制的时间。

先泼冷水。作者承认,训练数据里缺少生物学上相关的扰动时,预测精度会下降——它擅长的是「我见过类似的」,不是「没见过也能推对」,越新的生物学它越没底。更具体的翻车是 Wdr26:一个相关预测被后续实验证据推翻,方向都反了。

还有一个量级差:最大工作量下,多智能体报告引用了 700 多篇文献,单个智能体只有 11 篇。差的是覆盖广度,而广度正是「有没有漏掉关键反证」的保险——读得少不等于读得快。

所以定位要摆正:它是高效的筛选器,把几千条线索压到值得人去看的几十条;它不是裁判。据 OpenAI 公布,盲测里 30 位博士级生物学家更喜欢多智能体写的报告,60 份可评估回复里 45 份胜出,占 75%——他们评的是报告质量,不是结论真假。

常见问题

问:这套系统算 AI 自己发现了新药吗?答:不算。据 OpenAI 公布,32 分钟完成的是 1946 个扰动的细胞反应与文献关联,产出的是可检验的假设;55 个已知发现恢复 52 个,先证明读得懂已知,才有资格提新东西。

问:那两个新线索是真的吗?答:现在还只是假设,没进过实验室。DCTN1 那条说打断后胆固醇合成基因表达升高,推测胆固醇没送到神经元需要的位置;Tsc2 与 Tsc1 那条和结节性硬化症的临床规律吻合。都要等独立数据验证。

问:它能替掉生物学家吗?答:不能。缺少相关扰动数据时精度会下降,Wdr26 的一个预测已被实验推翻;文献引用最多到 700 多篇,单个智能体只有 11 篇。它能省下读的时间,省不掉做实验和判断的那部分。

20.7 帧的开源数字人,口播够用吗?
下一篇
20.7 帧的开源数字人,口播够用吗?
开源数字人 20.7 帧实时出图,口播够用
继续下滑 或 点击阅读下一篇
下一篇 20.7 帧的开源数字人,口播够用吗? →
站长照片
“

1

”
联系二维码
微信:扫码加企业微信
邮箱:15611497360@aqq.com
手机:15611497360

私信站长

申请退款