OpenAIのAIモデルで寿命延長！

人工知能の科学への貢献について考えるとき、おそらくそれを思い浮かべるでしょう。 アルファフォールド開発者（デミス・ハサビス）が昨年ノーベル賞を受賞した、Google DeepMindのタンパク質フォールディングプログラム。 OpenAIは現在、タンパク質工学のモデルを使って科学ゲームにも参入していると述べている。

同社は開発したと発表している 正常な細胞を幹細胞に変えることができるタンパク質を想定した言語モデル そして彼はこの事業において、特有の容易さで人間を打ち負かしたという。

本作はその最初のモデルとなる OpenAI これは生物学的データと、そのモデルが予想外の科学的結果を生み出す可能性があるという初めての公の主張に焦点を当てています。したがって、これは AI が真の発見を行えるかどうかを判断するための一歩であり、これは「汎用人工知能» (AGI）。

先週、OpenAI CEO、 サム・アルトマンと述べた。 彼は自分の会社が AGI の構築方法を知っていると「自信を持っている」、「超インテリジェントツールは、私たちが単独で行うことができることをはるかに超えて、科学的発見と革新を大幅に加速する可能性があります。」と付け加えました。

タンパク質工学プロジェクトは 1 年前に始まりました。 レトロバイオサイエンスサンフランシスコに本拠を置く長寿調査会社である OpenAI が協力を求めましたが、これは偶然ではありませんでした。なぜなら、サム アルトマン氏が 個人的に Retro に 1 億 8,000 万ドルの資金を提供していたからです。

レトロは人間の通常の寿命を10年延ばすことを目指しています。この目的のために、彼はいわゆる山中因子を研究しています。。これは、人間の皮膚細胞に添加されると、体内の他の組織を生成できる若々しい幹細胞に変化させる一連のタンパク質です。

レトロの研究者や資金豊富な企業が好む現象です。 アルトス研究所、彼らは、動物を蘇生させたり、人間の臓器を作ったり、代替細胞の供給を提供したりするための潜在的な出発点であると考えています。しかし、このような細胞の「再プログラミング」はあまり効果的ではありません。再生には数週間かかりますが、実験皿で処理された細胞のうち再生を完了できるのは 1% 未満です。

の OpenAIの新モデル、と呼ばれる GPT-4bマイクロ、タンパク質エージェントのパフォーマンスを向上させるために再設計する方法を提案するように訓練されました。 OpenAIによると、研究者らは彼の提案を利用したという。 AI 少なくともいくつかの予備測定によれば、山中因子のうち 2 つを 50 倍以上効果的に変更するモデル。

«単純に全体的に、このタンパク質は科学者が独自に生成できたものよりも優れているように見えます。」と OpenAI の研究者である John Hallman 氏は言います。ザ ホールマン そして アーロン・ジェイク OpenAI と Retro の Rico Meinl がこのモデルの主な開発者でした。

外部の科学者は結果が公表されるまでその結果が本物かどうか判断できないが、企業は公表する予定だとしている。また、このモデルは広く使用することはできません。これはまだオンデマンドのデモであり、正式な製品の発売ではありません。

«このプロジェクトは、私たちが真剣に貢献することに取り組んでいることを示すことを目的としています。 科学」と、Oは言います ジェイク。 «しかし、これらの機能が別個のモデルとして世に出てくるのか、それとも主要な推論モデルに統合されるのかはまだ決定されていません。»。

このモデルは、タンパク質がどのような形状を取るかを予測する Google の AlphaFold と同じようには機能しません。とすれば 山中因子は異常に緩い構造のないタンパク質ですOpenAI によると、これには異なるアプローチが必要であり、その大規模な言語モデルはそれに適していました。

このモデルは、多くの種のタンパク質配列の例と、どのタンパク質が相互作用する傾向があるかに関する情報に基づいてトレーニングされました。これは大量のデータですが、主力のチャットボットがトレーニングされたデータのほんの一部にすぎません OpenAI、それを作っています 焦点を絞ったデータセットを扱う「小さな言語モデル」の例。

レトロの科学者たちはモデルを渡されると、それを再設計の可能性を示唆するよう指示しようとしました。 山中タンパク質の。使用されるプロンプト戦術は、ユーザーが一連の例と回答を提供してチャットボットに質問し、その後にボットが応答する例を示す「数ショット」法に似ています。

遺伝子工学者は実験室で分子の進化を指示する方法を持っていますが、通常は非常に多くの可能性しかテストできません。そして、標準的な長さのタンパク質でさえ、ほぼ無限の方法で変更することができます（タンパク質は数百のアミノ酸で構成されており、各酸には 20 種類の可能な種類が存在するため）。ただし、OpenAI のモデルでは、タンパク質のアミノ酸の 3 分の 1 が変更された文が表示されることがよくあります。

«私たちはすぐにこのモデルを実験室に投入し、実際の結果を得ました。」とレトロのCEOは言います。 ジョー・ベッツ＝ラクロワ。同氏は、モデルの洞察が異常に優れており、かなりの割合のケースで元の山中因子よりも改善が見られたと主張している。

ザ ワディム・グラディシェフハーバード大学の老化研究者であり、レトロ社に助言を与えている同氏は、幹細胞を生成するより良い方法が必要だと述べている。 」私たちにとって、それは非常に便利です。皮膚細胞は再プログラムするのが簡単ですが、他の細胞は再プログラムできません。そして、新しいジャンルでそれをやるのは、多くの場合、まったく異なるものになり、何も得られません»。

AI モデルの場合と同様に、GPT-4b がどのようにしてその推測に到達するのかはまだ明らかではありません。 」AlphaGo が囲碁で最も優れた人間を打ち負かしたときのようなものですが、その理由を知るのに長い時間がかかりました」と強調する ベッツ・ラクロワ。 «私たちはまだそれが何をするのかを理解しようとしているところですが、これを実装する方法は表面をなぞっただけだと考えています。»。

[via]