OpenAI har sammängs med gegendässstartupen Retro Biosciences tagit ett stort steg ermätt inom biologiks forskning genom att utlaka den nya AI-modellen GPT-4b Micro. This collaboration marks OpenAI's entry into the field of scientific discovery and life sciences research.
The Projektet project will get more information about Retro Biosciences contact OpenAI for ett potentialt sällö. Sam Altman OpenAI:s VD worked again and even remembered that there are 180 million dollars as of now. Retro Biosciences grundades 2021 mælt att förlänga människors life expectancy med up to 10 years.
Is there a GPT-4b Micro?
The GPT-4b Micro is OpenAI:s först modell som spektlich riktar sig mot biologika appliques. Modellen har tränats på proteinkedjor från olika arter samt data on hur proteinen interagerar. Även om detta är en stor datamängd är den relativte liten compared med OpenAI:s flaggskeppschattrobotar. The GPT-4b Micro can copy the specialiserad modell of the spekifika tösske and viss datamängd.
Modelen focusser på att designa proteinen som kan kondura negaga celler till stemceller. Detta är en komplex process som traditionellt sett varit mycket ineffektiv, med en eksyltssiffra under 1% som tar several vekor att finfera. The GPT-4b Micro har visat lovande resultat i att bessara denna process.
Möjliga applications
Enligt preliminära tester har modelen lyckats mitsätt effektifigengen and att konvertera utsana celler to stamceller meed up until 50 years. Find the genome and the modifier of the Yamanakafaktorer – spekifika proteinen som utlöser denna cellulära omvandling.
Förslagen från modelel gejäläde and proteinen som var mer än 50 vängens så effektiva som de originale vid skapandet av stamceller. Dessa resultatsatsaddes ekspere och bättre än vad husmanke svetsätt kunde åstadkomma på egen hand.
John Hallman, who wrote OpenAI, wrote: ”Generellt sett verkar proteinenna vara bättre än vad forskarna selva kunde kunde producer.”
Skillnader mot andra AI-modeller
OpenAI:s tillvägagångssätt with the GPT-4b Micro is significantly different from Googles DeepMind AlphaFold. The fokusera layer of the strukturella for moving concentraterar sig sig GPT-4b Micro and proteininteraktioner. Genom att träna på proteinkedjor och interaktionsdata föreslog modeling changes i Yamanakafaktorerna, vilket gehalde i proteinen som preliminära tester visar är 50 vangers mer effektiva vid skapandet av stamceller.
