OpenAI brengt een taalmodel op de markt dat specifiek is getraind om biologische onderzoeksvragen te beantwoorden en workflows te ondersteunen. Dit gespecialiseerde model, genaamd GPT-Rosalind, kan grote datasets interpreteren en jargon tussen verschillende deelgebieden overbruggen, wat het potentieel heeft om innovatie in sectoren buiten het pure onderzoek te versnellen.

Wat er aan de hand is

OpenAI heeft GPT-Rosalind aangekondigd, een groot taalmodel dat is afgestemd op biologische workflows. In tegenstelling tot generieke wetenschapsmodellen, is dit model specifiek getraind op 50 van de meest voorkomende biologische onderzoeksprocessen en op het navigeren door grote publieke databases met biologische informatie. Volgens het bedrijf, zoals gemeld door Ars Technica, is het ontwikkeld om twee grote knelpunten in biologisch onderzoek aan te pakken: de overweldigende hoeveelheid data uit decennia van genoomsequencing en de gespecialiseerde jargonbarrières tussen verschillende deelgebieden, zoals genetica en neurobiologie. Het model kan biologische pathways suggereren en potentiële medicijndoelen prioriteren door genotype aan fenotype te koppelen via bekende mechanismen.

Wat dit betekent

De introductie van een dergelijk gespecialiseerd model markeert een verschuiving van generieke ‘science AI’ naar tools die diepgaande domeinkennis hebben. Dit betekent dat complexe, vaktechnische kennis niet langer het exclusieve domein is van gespecialiseerde onderzoekers met jarenlange ervaring. Voor het MKB en innovatieve bedrijven buiten de farmaceutische reuzen opent dit deuren. Denk aan startups in voeding, cosmetica, landbouw, materiaalwetenschap of milieutechnologie die willen innoveren met biologische principes, maar de drempel van gespecialiseerd onderzoek te hoog vonden. Zij kunnen nu mogelijk sneller hypotheses testen, literatuur doorgronden of nieuwe productideeën verkennen die gebaseerd zijn op biologische mechanismen. Het democratiseert toegang tot gespecialiseerde kennis.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie en sector. Het model is primair gericht op ondersteuning van biologisch onderzoek, maar de principes van gespecialiseerde AI zijn breder toepasbaar. Hier zijn enkele scenario’s waarin de opkomst van domeinspecifieke AI zoals GPT-Rosalind relevant kan zijn.

Als je innovatief bent in de voedings- of drankenindustrie… kun je onderzoeken of er nieuwe, natuurlijke ingrediënten of fermentatieprocessen zijn die passen bij je productlijn. Een gespecialiseerd model kan helpen wetenschappelijke literatuur over probiotica, enzymwerking of smaakstoffen te doorzoeken en te begrijpen, zonder dat je een volledig biologisch onderzoeksteam in huis hoeft te hebben. Het kan een eerste verkenning mogelijk maken voordat je samenwerking zoekt met een kennisinstituut.

Als je een bedrijf runt in duurzame materialen of bioplastics… zou je kunnen verkennen welke biologische grondstoffen of afbreekbare polymeren het meest geschikt zijn voor jouw toepassing. Een AI die getraind is op biochemische pathways kan inzicht geven in de afbreekbaarheid of sterkte-eigenschappen op moleculair niveau, wat helpt bij het selecteren van veelbelovende richtingen voor je R&D.

Als je actief bent in de landbouw- of tuinbouwtechnologie… is een mogelijkheid om meer inzicht te krijgen in plantpathogenen, bodemmicrobiomen of resistentiegenen. Dit kan helpen bij het ontwikkelen van gerichtere, biologische gewasbeschermingsstrategieën of het veredelen van sterker gewasmateriaal, gebaseerd op bestaande wetenschappelijke kennis die nu beter toegankelijk is.

Als je een consultancy of adviesbureau hebt voor de life sciences sector… overweeg dan hoe dergelijke tools je dienstverlening kunnen versterken. Je zou ze kunnen inzetten om sneller due diligence uit te voeren op wetenschappelijke claims, onderzoeksvoorstellen te reviewen of de marktkansen voor een nieuwe biotech-toepassing in kaart te brengen voor je klanten.

De kern is dat gespecialiseerde AI de vertaalslag maakt van complexe, vaktechnische data naar bruikbare inzichten. Voor ondernemers betekent dit niet dat ze zelf onderzoek gaan doen, maar wel dat ze beter geïnformeerde keuzes kunnen maken, sneller kunnen verkennen en gerichter kunnen samenwerken met experts, omdat de initiële kennisbarrière lager is geworden.

Bron: Arstechnica