
استفاده از هزاران عامل هوش مصنوعی برای کشف سرنخهای زیستی
OpenAI با همکاری PerturbAI و Scripps Research از هزاران عامل هوش مصنوعی توزیعشده برای تحلیل دادههای میلیونها سلول مغزی استفاده کرد. این پروژه سرنخهای پژوهشی امیدبخشی در حوزه زیستشناسی کشف کرد و نشاندهنده کاربرد مقیاسپذیر عاملهای خودمختار در پژوهشهای علمی است.
OpenAI با همکاری PerturbAI و Scripps Research پروژهای را برای استفاده از هزاران عامل هوش مصنوعی (AI agents) توزیعشده بهمنظور تحلیل دادههای زیستی پیچیده اجرا کرده است. این همکاری بر دادههای حاصل از میلیونها سلول مغزی متمرکز بود و هدف آن کشف سرنخهای پژوهشی جدید در حوزه علوم اعصاب و زیستشناسی سلولی عنوان شده است. بر اساس اطلاعات منتشرشده، عاملهای هوش مصنوعی بهصورت موازی و توزیعشده روی مجموعهدادههای بزرگ پردازش انجام دادند تا الگوها و ارتباطات پنهان را شناسایی کنند. این رویکرد نشان میدهد که معماریهای چندعاملی (multi-agent) میتوانند فرایند تحلیل دادههای زیستی را که بهطور سنتی زمانبر و پرهزینه است، تسریع کنند. نتیجه این پروژه، شناسایی سرنخهای پژوهشی امیدبخش در دادههای سلولهای مغزی اعلام شده است. هرچند جزئیات فنی و اعتبارسنجی مستقل این یافتهها هنوز منتشر نشده، اما این همکاری نمونهای از حرکت بهسوی خودکارسازی اکتشاف علمی با استفاده از مدلهای زبانی و عاملهای هوشمند محسوب میشود. برای توسعهدهندگان ایرانی، این خبر اهمیت ویژهای دارد زیرا نشان میدهد APIهای عاملمحور (agent-based APIs) میتوانند در حوزههای تخصصی مانند بیوانفورماتیک و تحلیل دادههای علمی به کار گرفته شوند. توسعهدهندگان میتوانند با الگوگیری از این معماری توزیعشده، راهکارهای مشابهی برای پردازش دادههای حجیم در حوزههای پژوهشی و صنعتی طراحی کنند. این پروژه بخشی از روند گستردهتر ادغام هوش مصنوعی در پژوهشهای علمی است که در آن عاملهای خودمختار نقش دستیاران پژوهشی را ایفا میکنند. با این حال، ارزیابی دقیق کارآمدی این روش نیازمند انتشار جزئیات بیشتر و بازبینی همتا (peer review) است.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




