Anthropic-მა გავრცელა ინფორმაცია იმის შესახებ, თუ როგორ იყენებენ სტენფორდისა და მასაჩუსეტსის ტექნოლოგიური ინსტიტუტის (MIT) მკვლევრები Claude-ს ბიოსამედიცინო კვლევების დასაჩქარებლად. სტენფორდის Biomni პლატფორმა ახორციელებს გენომის მასშტაბით ასოციაციების კვლევას (GWAS) 20 წუთში — ანალიზს, რომელსაც ადრე თვეები სჭირდებოდა.
იან ჩიზმანი MIT-დან CRISPR-სკრინინგით არის დაკავებული: მისი გუნდი „თიშავს“ ათასობით გენს მილიონობით უჯრედში და შედეგებს ფოტოს უღებს. პროგრამული უზრუნველყოფა აჯგუფებს გენებს მსგავსი დაზიანებების მიხედვით, თუმცა ამ კლასტერების ინტერპრეტაცია — იმის გაგება, თუ რას აკეთებენ გენები და რატომ აღმოჩნდნენ ერთად — ადამიანმა უნდა გააკეთოს. ჩიზმანი ამბობს, რომ მას დაახლოებით 5000 გენის ფუნქცია ახსოვს, მაგრამ ერთი სკრინინგის ანალიზს მაინც ასობით საათი სჭირდებოდა. კლასტერების უმეტესობა შეუსწავლელი რჩებოდა — უბრალოდ დრო არ იყო საკმარისი.
ასპირანტმა მატეო დი ბერნარდომ გადაწყვიტა ამის შეცვლა. მან დაწვრილებით გამოჰკითხა ჩიზმანი მეთოდოლოგიის შესახებ — რომელ წყაროებს ამოწმებს, რა პატერნებს ეძებს, რა ხდის აღმოჩენას საინტერესოს — და ეს მიდგომა Claude-ზე დაფუძნებულ MozzareLLM სისტემაში ჩაწერა. ახლა ხელოვნური ინტელექტი აანალიზებს კლასტერებს ისე, როგორც ამას თავად პროფესორი გააკეთებდა: განსაზღვრავს საერთო ბიოლოგიურ პროცესს, აღნიშნავს ნაკლებად შესწავლილ გენებს და ადგენს პრიორიტეტებს შემდგომი მუშაობისთვის.
რამდენიმე მოდელის ტესტირებისას Claude-მა საუკეთესო შედეგი აჩვენა — ერთ შემთხვევაში მან სწორად განსაზღვრა რნმ-ის მოდიფიკაციის გზა, რომელიც სხვა მოდელებმა ხმაურად მიიჩნიეს და უარყვეს. ჩიზმანი აღიარებს, რომ Claude სტაბილურად ამჩნევს იმას, რაც მას გამორჩა: „ყოველ ჯერზე ვფიქრობ — ეს როგორ ვერ შევამჩნიე! და თითოეულ შემთხვევაში ეს არის აღმოჩენები, რომელთა გაგება და შემოწმება შეგვიძლია“. გუნდი გეგმავს Claude-ის ანოტაციებით მონაცემთა ნაკრების გახსნას, რათა სხვა სფეროს ექსპერტებმა შეძლონ იმ კლასტერების შესწავლა, რომლებამდეც ლაბორატორიას ხელი არ მიუწვდება. ხოლო Anthropic აფართოებს AI for Science პროგრამას, რომლის ფარგლებშიც მეცნიერები იღებენ უფასო API კრედიტებს Claude-ის მოდელების გამოსაყენებლად.
