OpenAI де-факто признает: стратегия «одна модель для всего» уперлась в потолок. Пока массовый пользователь развлекается чатами, Сэм Альтман переводит фокус на индустриальную специализацию. GPT-Rosalind — это не очередное обновление вежливого ассистента, а фронтирная модель с глубоким логическим выводом (reasoning), заточенная под биологию и химию. Похоже, в Сан-Франциско осознали, что без понимания белковых структур и геномных данных захватить рынок корпоративных решений в наукоемких отраслях не выйдет.
Сжатие цикла открытия: прощай, пятнадцатилетка
Экономика современной фармы выглядит депрессивно: цикл разработки препарата до регуляторного одобрения съедает от 10 до 15 лет. OpenAI планирует агрессивно вклиниться в этот процесс на самых ранних этапах. Как пояснили в компании, использование ИИ-агентов для первичного скрининга и генерации гипотез дает кумулятивный эффект: чем качественнее выбор цели на старте, тем меньше вероятность провала дорогостоящих клинических тестов через пять лет. Это прямая попытка заменить рутину ИИ-исполнителями там, где ученые раньше тонули в терабайтах неструктурированной литературы.
По словам представителей OpenAI, проект уже пилотируют такие гиганты, как Amgen, Moderna и Thermo Fisher Scientific.
Модель перестает быть пассивным советчиком и становится активным участником цикла разработки, планируя эксперименты и связывая фрагментированные данные из специализированных баз.
Мы видим классический пример «агентомики» в действии: замена человеческого фонда оплаты труда на этапе анализа данных алгоритмами, которые не ошибаются в транскрипции генов из-за усталости.
Интеграция и реальность «мокрой лаборатории»
В отличие от универсальных моделей, GPT-Rosalind не живет в вакууме. OpenAI внедряет плагин для Codex, который подключает модель к 50+ научным инструментам. Это важный шаг: какой бы умной ни была Rosalind, она неизбежно сталкивается с проблемой галлюцинаций в химии. Любая сгенерированная молекула остается лишь набором байтов, пока она не прошла верификацию в «мокрой лаборатории» (wet-lab). Здесь и кроется главный барьер: ИИ может ускорить расчеты, но не может отменить законы физики и биологические тесты.
На наш взгляд, OpenAI вступает в прямую конфронтацию с Google DeepMind и их AlphaFold. Но если DeepMind фокусировался на структуре белков как на научной задаче, OpenAI строит бизнес-интерфейс для всей индустрии Life Sciences.
Иронично, что модель названа в честь Розалинд Франклин, чей вклад в открытие структуры ДНК долгое время оставался в тени. Сегодня же OpenAI пытается вывести из тени эффективность фарм-гигантов, предлагая им API вместо армии стажеров. Вопрос лишь в том, кому будут принадлежать права на интеллектуальную собственность, если ключевую молекулу-кандидат вычислит алгоритм, а не человек.