Michael JohnsonOpenAI, 21 Ekim 2026’da binlerce yapay zekâ ajanının farelerin milyonlarca beyin hücresine yönelik müdahalelere ilişkin verileri 32 dakikada analiz ettiği bir araştırmayı anlattı. Ekip, tek ve uzun bir sorgu yerine işi ajanlar arasında paylaştırdı: Her ajan ayrı bir genetik müdahaleyi inceledi, hücresel değişiklikleri yayınlarla karşılaştırdı ve olası bir açıklama önerdi. Sonuç, genler, hücresel etkiler ve bilimsel yayınlar arasındaki bağlantıları gösteren açık bir katalog oldu.
Projeye OpenAI, PerturbAI ve Scripps Research katıldı. Araştırmanın açıklaması ve makalenin ön baskısı, ajan sistemlerinin pratik bir kullanımını gösteriyor: Geniş bir deneysel sonuç kümesini paralel olarak taramak ve bulunan bağlantıları laboratuvarda sınanacak sorulara dönüştürmek. Bu yaklaşım, verilerin araştırma ekibinin dağınık literatürle elle karşılaştırabileceğinden fazla olduğu durumlarda özellikle yararlı.
Analizi nasıl paylaştırdılar?
GPT-Rosalind ajanları, tek tek genlerdeki bozulmaların farklı hücre türlerini nasıl etkilediğini gösteren tüm beyin atlasıyla çalıştı. Her ajan kendi müdahalesini analiz etti, hücresel yanıtı inceledi, ilgili bilimsel yayınları aradı ve bir hipotez oluşturdu. Ardından ayrı raporlar, gözlemleri olası mekanizmalar ve kaynaklarla ilişkilendiren reasoning atlas adlı katalogda birleştirildi.
Araştırma ekibinin tahminine göre, benzer ölçekteki bir analizi her müdahaleyi tek tek ele alarak elle yapmak birkaç aydan bir yıla kadar sürebilirdi. Bu karşılaştırma, ekibin belirttiği iş kapsamı ve tahmin için geçerli; ajanlar yeni biyolojik deneyler yapmak yerine daha önce toplanmış verileri yeniden analiz etti. Ortaya çıkan hipotezler, hangi gözlemlerin daha ayrıntılı incelenmeye değer olduğunu belirlemeye yardımcı oluyor.
Ekip neden binlerce ajan kullandı?
OpenAI, model ve kullanılabilir kaynaklar aynı tutulurken dağıtık yaklaşımı tek bir ajanla karşılaştırdı. Görev kapsamı büyüdüğünde, en büyük senaryodaki tek ajan 11 kaynağa atıfta bulunurken dağıtık sistem 700’den fazla kaynağa atıfta bulundu. Kör karşılaştırmada uzmanlar, dağıtık ajanların raporlarını tek bir ajanın raporlarına kıyasla vakaların %75’inde tercih etti.
Bu rakamlar, belirli bir deneye ve uzman değerlendirmesine dayanıyor. Araştırma ekipleri için pratik çıkarım; yalnızca analiz hızını değil, kaynak kapsamını, atıfların niteliğini ve sonuçların sınanabilir, açık hipotezlere dönüşüp dönüşmediğini de değerlendirmek.
Beklenmedik bir bağlantıdan sonraki deneye
Örneklerden biri, mutasyonları Parkinson hastalığına benzer belirtiler gösteren nörodejeneratif Perry sendromuna yol açan DCTN1 geniyle ilgili. Atlas verilerinde Dctn1 genindeki bozulmaya, kolesterol senteziyle ilişkili genlerin etkinliğinde artış eşlik etti. Ajanlar bu gözlemi kolesterol taşınması hakkındaki yayınlarla karşılaştırdıktan sonra şu soruyu ortaya attı: DCTN1 bozukluğu, kolesterolün nöronlar içindeki dağılımını değiştirerek nöron hasarını etkileyebilir mi?
Başka bir hipotez, Tsc1 ve Tsc2 genlerinin karşılaştırılmasından doğdu. Her iki gen de mTOR’un düzenlenmesinde rol oynasa da belirli beyincik hücrelerinde Tsc2 bozulması, nöronal iletişimle ilişkili onlarca genin etkinliğini değiştirdi; ekip aynı bölgede Tsc1 için çok daha küçük bir etki gözlemledi. Bu tür sonuçlar araştırma alanını daraltmaya yardımcı oluyor: Araştırmacılar sonraki laboratuvar testleri için belirli hücreleri ve mekanizmaları seçebiliyor.
Yayımlanan reasoning atlas kataloğu, araştırmacıların bağlantıları incelemesine ve çalışmayı sürdürmek için yön seçmesine olanak tanıyor. Projenin temel pratik değeri, ilk taramanın ölçeğinde yatıyor: Sistem, büyük deney veri kümelerini literatürle hızla ilişkilendiriyor ve sınanabilecek fikirler öneriyor. Araştırmacılar, hangi hipotezleri laboratuvar deneyine taşımaya değer olduğuna karar verirken bu fikirlerden yararlanabilir.