Salta al contenuto

Nuovo modello di OpenAI dedicato alla scienza della longevità

Ha aumentato di 50 volte le prestazioni della conversione di cellule da normali a staminali.

  • OpenAI ha sviluppato un modello di linguaggio in grado di creare proteine che trasformano cellule normali in cellule staminali embrionali, apparentemente superando le abilità scientifiche di un essere umano.
  • Il progetto rappresenta il primo modello di OpenAI focalizzato su dati biologici.
  • Il progetto di ingegneria delle proteine è iniziato un anno fa attraverso una collaborazione con Retro Biosciences, azienda di ricerca sulla longevità di San Francisco.
  • Sam Altman ha finanziato personalmente Retro Biosciences con 180 milioni di dollari.
  • Retro Biosciences ha l'obiettivo di estendere la vita umana di 10 anni studiando i "fattori di Yamanaka".

Cosa sono i "fattori di Yamanaka"?

I "fattori di Yamanaka" sono un insieme di quattro geni (Oct4, Sox2, Klf4, e c-Myc) scoperti dal biologo giapponese Shinya Yamanaka nel 2006. Questi geni, quando introdotti in cellule adulte, possono "riprogrammarle" per tornare a uno stato pluripotente, cioè simile a quello delle cellule staminali embrionali. Questo significa che possono diventare qualsiasi tipo di cellula del corpo. Questa scoperta è rivoluzionaria perché apre la strada alla rigenerazione di tessuti e cure per malattie senza dover usare cellule embrionali.

  • OpenAI ha utilizzato GPT-4b micro per suggerire nuovi metodi di potenziamento dei fattori proteici di Yamanaka, rendendoli 50 volte più efficaci.
  • I risultati preliminari sono promettenti, ma la loro validità scientifica sarà confermata solo con pubblicazioni future.
  • Il modello GPT-4b micro è un "modello di linguaggio ridotto", addestrato con un set di dati focalizzato per il quale è stata utilizzata una tecnica di "few-shot learning".

Cos'è il "few-shot learning"?

Il few-shot learning è una tecnica di apprendimento automatico in cui un modello riesce a svolgere un compito complesso utilizzando solo pochi esempi come riferimento. Grazie alla sua conoscenza pre-addestrata su grandi dataset, il modello è in grado di generalizzare e applicare concetti appresi in contesti diversi per risolvere nuovi problemi. È particolarmente utile quando i dati specifici sono scarsi o costosi da ottenere, mantenendo un buon livello di efficacia in molti scenari, pur con qualche limite in casi estremamente complessi o altamente personalizzati.

Questo testo è un riassunto del seguente articolo (eng):

OpenAI has created an AI model for longevity science
The company is making a foray into scientific discovery with an AI built to help manufacture stem cells.

Alternativa in italiano: Everyeye

Commenti

Più recenti