לראשונה: קלוד ניהל עסק ופיטר עובד אנושי
סטארטאפ אמריקאי נתן למודל השפה Claude של Anthropic לנהל חנות פיזית עם עובדים בשר ודם — ולראשונה תועד מקרה שבו בינה מלאכותית פיטרה עובד אנושי. מעבר לאירוע החריג, החנות גם הפסידה כ-40 אלף דולר תוך חמישה חודשים.
דיווח: קלוד של Anthropic תכנן חלבונים נגד מחלות בשיעור הצלחה של 35% במעבדה
על פי דיווח שהופץ ברשת, מודל השפה קלוד של Anthropic תכנן באופן אוטונומי חלבונים המיועדים להתמודד עם מחלות, ובבדיקות מעבדה רטובה (wet-lab) הגיע לשיעור הצלחה של כ-35% - גבוה מהממוצע האנושי המוערך ב-10 עד 15%.
דיווח שהופץ ברשת החברתית Reddit מתאר כי מודל השפה קלוד (Claude) של חברת Anthropic תכנן באופן אוטונומי חלבונים המיועדים לטפל במחלות, ותוצאות התכנון נבדקו בפועל במעבדה רטובה - כלומר בניסויים ביולוגיים ממשיים ולא רק בסימולציה ממוחשבת. על פי הנתונים שצוינו, שיעור ההצלחה של החלבונים שתוכננו על ידי קלוד עמד על כ-35%, לעומת ממוצע של 10 עד 15% המיוחס לתכנון אנושי מסורתי בתחום.
מהו תכנון חלבונים ולמה זה מורכב
תכנון חלבונים הוא תחום מדעי שמטרתו ליצור מולקולות חלבון חדשות, שאינן קיימות בטבע, כדי שיבצעו פונקציה ביולוגית מסוימת - למשל להיקשר לחלבון הקשור למחלה ולנטרל את פעילותו. מדובר במשימה מורכבת: מבנה החלבון תלוי ברצף חומצות אמינו, אך הקשר בין הרצף לבין הצורה התלת-ממדית הסופית והפונקציה שלה אינו טריוויאלי לחיזוי. גם כאשר מדענים מצליחים לתכנן חלבון על הנייר, רק חלק מהמועמדים אכן מתפקדים כמצופה כאשר הם נבדקים בפועל במעבדה - מכאן הפער בין תכנון תיאורטי לבין אימות ניסויי.
בשנים האחרונות נעשה שימוש הולך וגובר בכלי בינה מלאכותית לתכנון חלבונים, כאשר מודלים ייעודיים כמו AlphaFold מבית Google DeepMind כבר סייעו לחזות מבני חלבונים בדיוק גבוה. הדיווח הנוכחי מציג זווית שונה: שימוש במודל שפה כללי (LLM) - קלוד - למשימת תכנון, תחום שנחשב בדרך כלל תחומם של מודלים ייעודיים לביולוגיה מבנית.
מה אומרים המספרים
הפער המדווח בין 35% ל-10-15% הוא פער גדול, שכן כל אחוז נוסף בשיעור ההצלחה מתורגם בפועל לחיסכון משמעותי בזמן ובמשאבי מעבדה - תהליכי תכנון וסינון חלבונים יקרים וארוכים, ופחות ניסיונות כושלים משמעם קיצור זמן הפיתוח. עם זאת, מהמקור שבידינו לא ניתן לדעת אילו מחלות ספציפיות נבדקו, מהי מתודולוגיית ההערכה המדויקת, כמה חלבונים נבדקו, ומי ביצע את הניסויים או פרסם את הממצאים באופן רשמי - פרטים אלה לא צוינו בדיווח שהופץ ברשת.
למה זה חשוב
אם הנתונים המדווחים אכן מייצגים תוצאה עקבית ובת שכפול, המשמעות עשויה להיות שמודלי שפה כלליים - ולא רק כלים ייעודיים - הופכים לרלוונטיים יותר במחקר ביו-רפואי, תחום שנחשב עד כה תובעני במיוחד מבחינת דיוק מדעי. ככל הנראה מדובר בעוד סימן למגמה רחבה יותר של חברות בינה מלאכותית, ובהן Anthropic, המבקשות להוכיח שהיכולות של מודלי השפה שלהן חורגות מעבר לכתיבת טקסט ותכנות, אל תוך תחומים מדעיים מורכבים. יחד עם זאת, מדובר בשלב מוקדם, ונדרש מידע נוסף - כולל פרסום מדעי מלא ובחינה עצמאית של הממצאים - כדי להעריך את היקף המשמעות בפועל.
פרסומת