OpenAI brengt gespecialiseerde kunstmatige intelligentie naar de laboratoria van het MKB. Het nieuwe model, GPT-Rosalind, is het eerste van het bedrijf dat niet is getraind voor algemene vragen, maar specifiek voor toepassingen in de levenswetenschappen. Dit betekent dat kleinere bedrijven in sectoren zoals farma, medische technologie en agrofood toegang krijgen tot een krachtig AI-hulpmiddel dat mogelijk efficiënter en doelgerichter is dan algemene modellen zoals ChatGPT.

Wat er aan de hand is

OpenAI heeft GPT-Rosalind geïntroduceerd, een AI-model dat volledig is toegespitst op de levenswetenschappen. Het model is vernoemd naar Rosalind Franklin, een pionier in het onderzoek naar DNA. In tegenstelling tot de algemene GPT-modellen, is GPT-Rosalind getraind op een gespecialiseerde dataset vol wetenschappelijke literatuur, onderzoeksdata en vaktaal uit domeinen als biologie, chemie en geneeskunde. Het doel is om onderzoekers en ontwikkelaars te ondersteunen bij taken zoals het analyseren van onderzoeksdata, het begrijpen van complexe wetenschappelijke literatuur en het genereren van hypotheses. Deze move van OpenAI past in een bredere trend waarbij grote AI-bedrijven naast algemene ‘jack-of-all-trades’-modellen ook steeds vaker gespecialiseerde, verticale modellen uitbrengen voor specifieke industrieën.

Wat dit betekent

Voor Nederlandse MKB’ers in technologische en wetenschappelijke sectoren verandert de AI-markt hierdoor. Waar je voorheen was aangewezen op een algemeen model dat je moest ’tunen’ met je eigen data of dat moeite had met vakjargon, komt er nu een kant-en-klaar alternatief. Dit kan leiden tot efficiëntiewinst: het model begrijpt de context beter, waardoor je minder tijd kwijt bent aan het uitleggen van basisconcepten of het corrigeren van fouten. Voor start-ups en scale-ups in de farma, medtech, agrofood of biotech kan dit een versneller zijn. Het maakt geavanceerde AI-ondersteuning bereikbaarder voor bedrijven zonder een groot AI-onderzoeksteam. Het is echter belangrijk om te benadrukken dat dit een aankondiging is van OpenAI zelf; de precieze prestaties, kosten en beschikbaarheid moeten in de praktijk blijken.

Hoe je dit kunt toepassen

De praktische toepassing hangt sterk af van jouw specifieke situatie binnen de levenswetenschappen. Het model is nog niet algemeen beschikbaar, maar je kunt je voorbereiden op de mogelijkheden die gespecialiseerde AI gaat bieden.

Als je een klein biotech-bedrijf runt… kun je onderzoeken of een tool als GPT-Rosalind in de toekomst kan helpen bij het doorploegen van honderden wetenschappelijke artikelen voor een literatuurstudie. In plaats van dit handmatig te doen of een algemeen model te trainen, zou een gespecialiseerd model direct relevante passages kunnen identificeren en samenvatten in de juiste context.

Als je in de agrofood-sector werkt aan duurzamere gewasbescherming… dan zou een wetenschappelijk AI-model kunnen assisteren bij het analyseren van onderzoeksdata over bodemsamenstelling en gewasreacties. Het kan helpen patronen te zien die je zelf mogelijk over het hoofd ziet, wat kan leiden tot efficiëntere experimenten.

Als je een medisch hulpmiddelenbedrijf hebt… kun je nadenken over hoe een model dat getraind is op medische literatuur en klinische data kan helpen bij het opstellen van technische documentatie of het screenen van nieuwe wetenschappelijke inzichten die relevant zijn voor jouw product.

Als je een onderzoekscoöperatie bent van meerdere MKB-bedrijven… zou de komst van betaalbare, gespecialiseerde AI een argument kunnen zijn om gezamenlijk te investeren in een licentie, waardoor de drempel voor elk individueel bedrijf lager wordt en je kennis kunt delen.

Overweeg om de ontwikkelingen rond GPT-Rosalind en vergelijkbare gespecialiseerde modellen van andere aanbieders te volgen. Bereid je voor door je eigen data goed te structureren en na te denken over welke repetitieve, kennisintensieve taken in jouw proces het meeste baat zouden hebben bij automatisering.

Bron: Bright