OpenAI heeft een gespecialiseerde AI gelanceerd, GPT-Rosalind, die getraind is op biologische workflows en databases. Dit model kan onderzoekers helpen om door enorme datasets te navigeren en verbanden te leggen tussen verschillende gespecialiseerde vakgebieden, wat de snelheid van biologische ontdekkingen kan vergroten en nieuwe kansen kan creëren voor bedrijven buiten het traditionele onderzoek.

Wat er aan de hand is

OpenAI heeft donderdag GPT-Rosalind aangekondigd, een groot taalmodel dat specifiek is getraind op biologische processen. Het model is vernoemd naar wetenschapper Rosalind Franklin. Volgens het bedrijf verschilt het van andere wetenschapsmodellen door zijn specifieke focus op biologie in plaats van een generieke aanpak. Yunyun Wang, Life Sciences Product Lead bij OpenAI, noemde in een persbriefing twee belangrijke problemen die het model moet aanpakken: de overweldigende hoeveelheid data uit decennia van genetisch en eiwitonderzoek, en de gespecialiseerde jargonbarrière tussen verschillende deelgebieden binnen de biologie. Het model is getraind op 50 van de meest voorkomende biologische workflows en leert hoe het de grote publieke databases met biologische informatie kan bevragen. Een verdere training heeft geresulteerd in een systeem dat volgens OpenAI biologische pathways kan suggereren en potentiële medicijndoelen kan prioriteren.

Wat dit betekent

De komst van een toegankelijke, gespecialiseerde biologie-AI betekent dat complexe biologische analyses niet langer voorbehouden zijn aan grote farmaceutische bedrijven of academische instituten met enorme budgetten. Voor het MKB opent dit deuren in sectoren waar biologische kennis cruciaal is, maar waar de drempel tot gespecialiseerd onderzoek hoog lag. Denk aan ontwikkelaars van voedingssupplementen, bedrijven in precision farming, startups in cosmetica of materialen op basis van natuurlijke stoffen, en adviseurs in de gezondheidszorg. Zij kunnen nu, in theorie, met behulp van zo’n tool sneller hypotheses testen over de werking van ingrediënten, de impact van stoffen op levende systemen voorspellen, of bestaand onderzoek uit nichegebieden begrijpelijk maken voor hun eigen ontwikkelingstraject. Het versnelt de vertaalslag van fundamentele wetenschap naar toepasbare innovatie.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van jouw situatie en de uiteindelijke beschikbaarheid en toegankelijkheid van het GPT-Rosalind model. Op basis van de aangekondigde capaciteiten zijn dit logische scenario’s waar je als ondernemer of professional op kunt anticiperen.

Als je een natuurlijk cosmetica- of supplementenmerk runt… kun je een tool als deze mogelijk gebruiken om dieper in de wetenschappelijke literatuur te duiken naar de werking van specifieke plantenextracten. In plaats van alleen op traditionele kennis te vertrouwen, zou je kunnen onderzoeken welke biologische pathways een ingrediënt beïnvloedt op cellulair niveau, wat je productclaims beter kan onderbouwen of tot nieuwe formuleringen kan leiden.

Als je innovatief bent in de agrifoodsector… bijvoorbeeld bij vertical farming of de ontwikkeling van functionele voeding, dan biedt een biologie-AI een manier om de impact van teeltomstandigheden of toegevoegde stoffen op de nutritionele waarde van gewassen te modelleren. Je zou kunnen verkennen hoe bepaalde lichtspectra of voedingsstoffen de expressie van gewenste genen in een plant beïnvloeden, zonder zelf een volledig biologielab te hebben.

Als je werkt in materiaalontwikkeling met biobased grondstoffen… zoals bij de productie van bioplastics, textiel of verpakkingsmaterialen, dan kan het analyseren van de structurele en functionele eigenschappen van natuurlijke polymeren (eiwitten, cellulose) efficiënter worden. Een model dat pathways begrijpt, kan helpen bij het voorspellen van de sterkte, afbreekbaarheid of interactie met andere materialen.

Als je een adviesbureau hebt in de zorg of levenswetenschappen… kun je een dergelijke tool inzetten om snel up-to-date te blijven met de laatste inzichten uit gespecialiseerde vakgebieden. Het kan je helpen onderzoeksrapporten van klanten (bijvoorbeeld van klinische studies of labtests) sneller te analyseren en in een bredere context te plaatsen, waardoor je waardevollere adviezen kunt geven.

Een mogelijkheid is om je nu al voor te bereiden door de biologische vraagstukken binnen je bedrijf helder in kaart te brengen. Welke data heb je? Welke hypotheses wil je testen? Wanneer een gespecialiseerd model als GPT-Rosalind breed beschikbaar komt, ben je klaar om het direct zinvol in te zetten.

Bron: Arstechnica