Inteligența artificială face un pas important dincolo de analiza de date și redactarea de text: începe să participe direct la cercetarea experimentală. Un model GPT-5, conectat la un laborator robotic al companiei Ginkgo Bioworks, a proiectat și iterat mii de experimente biologice, reducând cu 40% costul unui proces-cheie de sinteză a proteinelor.

Unul dintre cele mai interesante semnale venite în ultimele zile din zona științei și a tehnologiei nu ține doar de performanța unui nou model AI, ci de faptul că acesta începe să iasă din ecran și să intre, la propriu, în laborator. Scientific American relatează despre colaborarea dintre OpenAI și Ginkgo Bioworks, în care un model GPT-5 a lucrat împreună cu o infrastructură robotică de laborator pentru a proiecta, testa și rafina experimente biologice reale.

Experimentul s-a concentrat pe cell-free protein synthesis (CFPS), adică producerea de proteine într-un sistem care folosește mecanismele celulare necesare, dar fără a mai implica celule vii întregi. Pe scurt, este o metodă care permite testarea rapidă a unor rețete biologice și poate fi valoroasă în cercetare, biotehnologie, diagnostic și producția unor proteine utile pentru medicină sau industrie.

Ce a făcut concret AI-ul? Modelul de inteligență artificială a funcționat într-o buclă de optimizare, a propus seturi de experimente, laboratorul robotic le-a executat, rezultatele s-au întors către model, iar acesta a generat următoarea rundă de ipoteze și teste. Potrivit OpenAI, sistemul a trecut prin șase runde de experimentare, a evaluat peste 36.000 de compoziții unice de reacție și a reușit să reducă semnificativ costul procesului.

Cifra care a atras cel mai mult atenția este aceasta: echipa spune că a obținut o reducere de 40% a costului de producție pentru acest benchmark de sinteză proteică. În preprintul tehnic asociat, autorii notează că au coborât costul specific la 422 de dolari pe gram de proteină, față de 698 de dolari pe gram în reperul anterior, obținând și o creștere a randamentului de 27%.

Dincolo de cifre, ceea ce contează cu adevărat este modelul de lucru. În multe domenii ale biologiei moderne, blocajul major nu este lipsa de idei, ci ritmul lent în care acestea pot fi verificate experimental. Dacă o platformă AI plus robotică poate comprima ciclul „ipoteză–test–rezultat–nouă ipoteză”, atunci cercetarea se poate mișca mult mai repede. OpenAI susține explicit că o producție de proteine mai ieftină și mai rapidă le-ar putea permite cercetătorilor să testeze mai multe idei mai devreme și să accelereze transformarea rezultatelor de laborator în aplicații practice.

Aici apare și miza mai largă: nu mai vorbim doar despre AI care rezumă informații sau sortează date, ci despre AI care începe să participe la știința experimentală, acolo unde ipotezele trebuie puse la încercare în lumea fizică. Din acest motiv, subiectul are o încărcătură simbolică importantă: el sugerează o posibilă schimbare de paradigmă în modul în care vor funcționa, în viitor, unele laboratoare de biologie.

Totuși, acest tip de rezultat nu reprezintă o eliminare a cercetătorului uman. Oamenii rămân implicați în pregătirea reactivilor și consumabilelor, în operarea unor etape logistice și în definirea cadrului de validare. Iar Nature remarca recent, într-un articol despre așa-numitele „self-driving robot labs”, că aceste sisteme avansează rapid, dar cercetătorii insistă că abilitățile umane rămân esențiale.

Asta înseamnă că, cel puțin deocamdată, nu asistăm la înlocuirea biologilor, ci la apariția unui nou tip de colaborare: omul definește problema, verifică sensul rezultatului și judecă relevanța lui, iar sistemele AI și robotice pot prelua o parte din munca repetitivă, de explorare rapidă a unui spațiu experimental foarte mare.

De ce este important subiectul? Pentru că, dacă astfel de sisteme devin mai fiabile și mai accesibile, ele ar putea grăbi dezvoltarea unor enzime, reactivi, metode de diagnostic și procese biotehnologice mai ieftine. Cu alte cuvinte, impactul nu s-ar opri la nivelul laboratorului: în timp, el s-ar putea traduce în inovație mai rapidă și costuri mai mici în zone cu efect direct asupra sănătății, industriei și cercetării aplicate. Aceasta este, probabil, promisiunea reală a noii combinații dintre AI și laboratoarele autonome: posibilitatea efectivă de a scurta drumul dintre idee și rezultat.