Mr. Macho
Writer
AI đang chứng minh tiềm năng to lớn trong lĩnh vực khoa học, tiêu biểu là AlphaFold của Google DeepMind đã đạt giải Nobel nhờ khả năng dự đoán cấu trúc protein. Giờ đây, OpenAI cũng gia nhập lĩnh vực này với mô hình thiết kế protein nhằm thúc đẩy các bước đột phá trong khoa học.
OpenAI đã phát triển GPT-4b micro, một mô hình ngôn ngữ có khả năng tái thiết kế các yếu tố protein Yamanaka. Các yếu tố này giúp biến tế bào thông thường thành tế bào gốc, mở ra cơ hội trẻ hóa và tái tạo mô. Theo OpenAI, mô hình của họ có thể cải thiện hiệu quả của các yếu tố Yamanaka hơn 50 lần so với phương pháp hiện tại. Điều này đánh dấu bước đột phá đầu tiên của công ty vào lĩnh vực dữ liệu sinh học.
Dự án này bắt đầu khi Retro Biosciences, công ty nghiên cứu tuổi thọ được CEO OpenAI Sam Altman tài trợ 180 triệu USD, hợp tác với OpenAI để cải thiện khả năng lập trình lại tế bào. Mặc dù quy trình này hiện nay còn kém hiệu quả, OpenAI đã sử dụng dữ liệu sinh học từ nhiều loài và các thuật toán tiên tiến để gợi ý các thiết kế protein tối ưu hơn.
Retro đã thử nghiệm các gợi ý từ GPT-4b micro trong phòng thí nghiệm và thu được kết quả đáng kể, với hiệu suất cải thiện rõ rệt trong một phần lớn trường hợp. Dù vậy, phương pháp của OpenAI khác biệt với AlphaFold khi tập trung vào thiết kế thay vì dự đoán hình dạng protein.
Tuy nhiên, hiệu quả của mô hình này vẫn cần thêm thời gian để kiểm chứng. OpenAI và Retro dự kiến sẽ công bố kết quả nghiên cứu, nhưng hiện tại GPT-4b micro chỉ là một mô hình thử nghiệm nội bộ. Các nhà khoa học hy vọng công nghệ này có thể mở rộng ra nhiều ứng dụng khác, đặc biệt trong việc nghiên cứu tế bào ở các loài khác nhau.
Dù Altman không trực tiếp tham gia vào dự án, mối liên hệ giữa ông, Retro và OpenAI gây ra một số lo ngại về xung đột lợi ích. Tuy nhiên, các bên nhấn mạnh rằng mục tiêu chính là thúc đẩy khoa học và đổi mới, thay vì lợi nhuận ngắn hạn.
Nguồn: MIT Technology
OpenAI đã phát triển GPT-4b micro, một mô hình ngôn ngữ có khả năng tái thiết kế các yếu tố protein Yamanaka. Các yếu tố này giúp biến tế bào thông thường thành tế bào gốc, mở ra cơ hội trẻ hóa và tái tạo mô. Theo OpenAI, mô hình của họ có thể cải thiện hiệu quả của các yếu tố Yamanaka hơn 50 lần so với phương pháp hiện tại. Điều này đánh dấu bước đột phá đầu tiên của công ty vào lĩnh vực dữ liệu sinh học.
Dự án này bắt đầu khi Retro Biosciences, công ty nghiên cứu tuổi thọ được CEO OpenAI Sam Altman tài trợ 180 triệu USD, hợp tác với OpenAI để cải thiện khả năng lập trình lại tế bào. Mặc dù quy trình này hiện nay còn kém hiệu quả, OpenAI đã sử dụng dữ liệu sinh học từ nhiều loài và các thuật toán tiên tiến để gợi ý các thiết kế protein tối ưu hơn.
Retro đã thử nghiệm các gợi ý từ GPT-4b micro trong phòng thí nghiệm và thu được kết quả đáng kể, với hiệu suất cải thiện rõ rệt trong một phần lớn trường hợp. Dù vậy, phương pháp của OpenAI khác biệt với AlphaFold khi tập trung vào thiết kế thay vì dự đoán hình dạng protein.
Tuy nhiên, hiệu quả của mô hình này vẫn cần thêm thời gian để kiểm chứng. OpenAI và Retro dự kiến sẽ công bố kết quả nghiên cứu, nhưng hiện tại GPT-4b micro chỉ là một mô hình thử nghiệm nội bộ. Các nhà khoa học hy vọng công nghệ này có thể mở rộng ra nhiều ứng dụng khác, đặc biệt trong việc nghiên cứu tế bào ở các loài khác nhau.
Dù Altman không trực tiếp tham gia vào dự án, mối liên hệ giữa ông, Retro và OpenAI gây ra một số lo ngại về xung đột lợi ích. Tuy nhiên, các bên nhấn mạnh rằng mục tiêu chính là thúc đẩy khoa học và đổi mới, thay vì lợi nhuận ngắn hạn.
Nguồn: MIT Technology
