
OpenAI 与 PerturbAI、Scripps 用数千个 GPT-Rosalind 智能体并行解读小鼠全脑 CRISPR 图谱:32 分钟完成,引用文献从单智能体的 11 篇增至 700 多篇
一句话结论
把一个大数据集拆成数千个小任务、每个智能体只负责一个基因扰动,比让一个智能体吞下整个数据集效果好得多:在资源相同的条件下,分布式智能体引用的文献多出几十倍,盲评专家 75% 的时候更偏好分布式的报告。
背景与理念
现代生物实验产生的数据远多于科学家能仔细研究的量。研究者可以一次改动数千个基因、测量数百万个细胞的反应,但要把这些结果和几十年分散在各领域的文献联系起来,非常耗时。
这项工作的思路叫「分布式生物推理」:把分析拆给数千个由 GPT-Rosalind 驱动的智能体并行完成。目标不只是更快,而是让更多细小、意外的信号也能被检查到。
具体做法
分析对象是一份小鼠全脑 CRISPR 图谱,记录了基因被扰动后不同类型脑细胞的变化。
每个智能体负责一个基因扰动:分析细胞反应、检索科学文献、提出可能的解释。所有报告最后被合并成一份「推理图谱」,把基因、细胞效应、相关论文和可能的生物学机制连在一起,并已向研究者公开。
团队专门做了对照实验:在模型和资源固定的情况下,让单个智能体处理整个数据集,与数千个分布式智能体比较。随着工作量增大,单个智能体检索的文献越来越少。
结果交给盲评的人类专家判断新颖性和科学价值,并与人工分析结果对照。
关键数据/例子
数千个智能体在 32 分钟内完成了对数百万个小鼠脑细胞数据的分析;研究团队估计,同等的人工逐个扰动分析加文献综述需要数月到一年。
在最大工作量下,单个智能体只引用了 11 篇文献,分布式智能体引用了 700 多篇;在盲评中,人类专家 75% 的时候更偏好分布式智能体的报告。
文中举了两个线索。一是 Tsc1 和 Tsc2 在小脑中的反应差异:扰动 Tsc2 改变了数十个与神经通讯有关的基因,扰动 Tsc1 几乎没有变化,这与结节性硬化症中小脑异常和 TSC2 突变关系更强的临床现象相呼应;二是扰动 Dctn1 会提高胆固醇合成相关基因的表达,智能体据此提出胆固醇分布与神经退行性病变可能有关的假说。
这些都只是供后续实验检验的假说,不是已确认的发现。
创新点
第一,用对照实验证明了「拆分任务」本身的价值。同样的模型和资源,换成分布式架构后文献覆盖和专家评价都明显更好,说明长上下文里的单智能体会在工作量变大时偷懒。
第二,输出物是一份可以继续探索的推理图谱,而不是一次性的结论。研究者可以在里面比较相关基因、追查意外反应。
第三,智能体评估的新颖性和价值与盲评专家的判断一致。这为用智能体做线索初筛提供了依据。
可否复用
- 面对「很多相似的小问题」时,优先考虑一个问题一个智能体的并行拆分,再统一汇总。例如逐条分析合同、逐个检查客户工单、逐家研究公司。
- 上线前做单智能体与多智能体的对照。固定模型和预算,比较覆盖度和人工评价,用数据决定架构。
- 把输出组织成可检索的结构化结果,并请领域专家盲评。明确标注哪些是待验证的假说。