OpenAI heeft een AI-model gelanceerd dat specifiek is getraind op biologische processen. Dit betekent dat ondernemers in de food- en agrisector mogelijk toegang krijgen tot een tool die helpt bij productontwikkeling en kwaliteitscontrole, zonder dat ze zelf een team van biologen in dienst hoeven te hebben.

Wat er aan de hand is

Op donderdag kondigde OpenAI de lancering aan van GPT-Rosalind, een groot taalmodel dat is getraind op vijftig veelvoorkomende biologische workflows. Het model is vernoemd naar wetenschapper Rosalind Franklin en onderscheidt zich van eerdere wetenschappelijke AI-modellen doordat het niet algemeen is, maar specifiek is toegespitst op de biologie. Volgens Yunyun Wang, OpenAI’s Life Sciences Product Lead, pakt het systeem twee grote problemen aan: de overweldigende hoeveelheid data uit decennia aan genoomsequencing en eiwitbiochemie, en de grote specialisatie binnen deelgebieden van de biologie. Het model kan onder meer biologische routes suggereren en potentiële medicijndoelen prioriteren. Het is getraind op het gebruik van grote openbare biologische databases.

Wat dit betekent

Voor het Nederlandse MKB in de food- en agrisector is dit relevant omdat het de drempel verlaagt om biologische inzichten toe te passen. Waar voorheen een specialist nodig was om bijvoorbeeld de eigenschappen van een eiwit in een gewas te duiden, kan een AI als GPT-Rosalind die analyse nu uitvoeren. Dit is met name interessant voor bedrijven die werken aan productontwikkeling, zoals het verbeteren van fermentatieprocessen, het ontwikkelen van plantaardige eiwitbronnen of het optimaliseren van gewasresistentie. Het model is niet alleen een hulpmiddel voor onderzoekers in laboratoria, maar potentieel ook voor kwaliteitsmanagers en productontwikkelaars die biologische data willen gebruiken zonder diepgaande expertise.

Hoe je dit kunt toepassen

Als je een foodbedrijf runt dat werkt aan plantaardige vleesvervangers, dan kun je overwegen om GPT-Rosalind in te zetten om de functionele eigenschappen van verschillende plantaardige eiwitten te analyseren. Het model kan op basis van bestaande databases voorspellen welk eiwit de beste textuur of binding geeft, zonder dat je zelf dure laboratoriumtesten hoeft uit te voeren. Een mogelijkheid is om het model te vragen naar de structuur van een specifiek erwteneiwit en hoe dat zich verhoudt tot soja-eiwit in een fermentatieproces.

Als je actief bent in de agrarische sector en gewassen wilt veredelen, dan zou je GPT-Rosalind kunnen gebruiken om genetische data van je gewassen te koppelen aan bekende eigenschappen uit openbare databases. Het model kan bijvoorbeeld aangeven welke genen waarschijnlijk verantwoordelijk zijn voor droogteresistentie of een hogere opbrengst, op basis van bestaande literatuur. Dit kan je helpen om gerichter te kruisen of te selecteren, zonder dat je een geneticus in dienst hoeft te nemen.

Als je een kwaliteitscontrole-afdeling hebt in een voedingsmiddelenfabriek, dan kun je overwegen om het model te gebruiken om afwijkingen in grondstoffen te duiden. Stel dat een partij tarwe een onverwachte eiwitsamenstelling heeft, dan kan GPT-Rosalind op basis van biologische databases een verklaring geven en mogelijke gevolgen voor het bakproces voorspellen. Dit versnelt de besluitvorming en vermindert de afhankelijkheid van externe laboratoria.

Als je een startup hebt in de precisiefermentatie, dan is het model een optie om de biochemische routes van micro-organismen te optimaliseren. Je zou het kunnen vragen naar de meest efficiënte metabole paden voor de productie van een specifiek enzym of smaakstof, gebaseerd op bestaande wetenschappelijke kennis. Dit kan de ontwikkeltijd van nieuwe producten aanzienlijk verkorten.

Bron: Arstechnica