OpenAI richt zich nu specifiek op de wetenschap met een nieuw AI-model genaamd GPT-Rosalind. Dit is het eerste model van het bedrijf dat niet voor algemene taken is ontworpen, maar puur voor toepassingen in de levenswetenschappen, zoals medicijnontwikkeling en genetisch onderzoek. Dit betekent dat gespecialiseerde kennis nu directer toegankelijk wordt via AI, wat vooral kansen biedt voor kleinere spelers in innovatieve sectoren.

Wat er aan de hand is

OpenAI heeft GPT-Rosalind gepresenteerd, een AI-model dat speciaal is getraind voor taken in de levenswetenschappen. Het model is vernoemd naar Rosalind Franklin, een pionier in het onderzoek naar DNA. Volgens het bedrijf in zijn aankondiging is dit een eerste stap in het ontwikkelen van domeinspecifieke modellen die verder gaan dan de algemene capaciteiten van modellen zoals ChatGPT. De focus ligt expliciet op het ondersteunen van onderzoek en ontwikkeling in gebieden als biologie, genetica en farmacie. Deze move volgt op een bredere trend waarbij grote AI-aanbieders zich steeds meer richten op verticale, gespecialiseerde toepassingen in plaats van alleen horizontale, algemene tools.

Wat dit betekent

Voor Nederlandse ondernemers en professionals, met name in de life sciences, de medische technologie (MedTech), agrofood of farmacie, is dit een belangrijke ontwikkeling. Tot nu toe moesten zij algemene AI-tools vaak zelf ’trainen’ met hun eigen gespecialiseerde data of complexe prompts schrijven om bruikbare resultaten te krijgen. Een model dat vanaf de grond af is opgeleid voor wetenschappelijke literatuur, terminologie en vraagstukken kan die drempel aanzienlijk verlagen. Het betekent dat toegang tot geavanceerde AI-analyse niet langer voorbehouden is aan grote farmaceutische bedrijven of academische instituten met eigen AI-teams. Kleine en middelgrote innovatiebedrijven, startups in de gezondheidszorg of gespecialiseerde laboratoria kunnen hier direct hun voordeel mee doen bij het versnellen van onderzoek, het analyseren van data of het genereren van nieuwe hypothesen.

Hoe je dit kunt toepassen

De praktische toepassing hangt af van jouw situatie en de uiteindelijke beschikbaarheid en specificaties van GPT-Rosalind. Op basis van de aankondiging zijn dit logische scenario’s waar je als MKB’er in de innovatieve sector op kunt anticiperen.

Als je een startup runt in medische diagnostiek… Je werkt mogelijk aan algoritmes voor beeldanalyse of patroonherkenning. Een gespecialiseerd wetenschapsmodel zoals GPT-Rosalind zou in de toekomst kunnen helpen bij het snel doorzoeken en samenvatten van duizenden recente onderzoekspublicaties naar een specifieke biomarker. Dit kan je ontwikkelingsproces informeren en versnellen, zonder dat je zelf een volledig literatuuronderzoek hoeft uit te voeren.

Als je een MKB-bedrijf hebt in de agrofood-sector… en je zoekt naar natuurlijke manieren om gewasresistentie te verbeteren. Je zou een dergelijk model kunnen gebruiken om bestaand genetisch onderzoek naar gewassen te exploreren en mogelijke nieuwe onderzoeksrichtingen te identificeren op basis van de meest recente inzichten, allemaal in begrijpelijke taal.

Als je een specialistisch lab of een contractresearch-organisatie (CRO) leidt… Een groot deel van de tijd gaat vaak zitten in het voorbereiden van onderzoeksvoorstellen en het analyseren van complexe datasets. Een AI-assistent die is getraind op wetenschappelijke methodologie en terminologie kan helpen bij het opzetten van experimentele protocollen, het vinden van relevante controle-studies of het genereren van eerste drafts voor onderdelen van een wetenschappelijk rapport.

Als je investeert in of samenwerkt met life sciences-startups… Dit is een signaal dat gespecialiseerde AI-tools snel volwassener worden. Het kan verstandig zijn om in due diligence-processen niet alleen te kijken naar het traditionele onderzoek, maar ook naar hoe een bedrijf anticipeert op en gebruikmaakt van deze nieuwe generatie domeinspecifieke AI. Het kan een concurrentievoordeel worden.

Overweeg om de ontwikkelingen rond dit soort gespecialiseerde modellen te volgen. De komst ervan benadrukt dat de waarde van AI steeds meer zit in de combinatie van krachtige technologie met diep domeinkennis. Voor MKB’ers in technische en wetenschappelijke sectoren ligt de kans niet in het maken van deze modellen, maar in het slim toepassen ervan om eigen expertise te versnellen en te vergroten.

Bron: Bright