إصدارتحليل · على الرادارTG: @ai_machinelearning_big_data (Machinelearning)→ المصدر

عثر Claude خلال 64 ساعة على 17 بروتينا ترتبط بسموم العقارب

عادة ما يضع الباحث فرضية، ويجمع الأدوات يدويا، ثم يقضي أسابيع في استبعاد الخيارات. في هذه التجربة، تلقى Claude طلبا أوليا وأربعة توضيحات، ثم اختار بنفسه تراكيب السموم، وضبط المرشحات، وولّد 318 484 بروتينا خلال 64 ساعة. واختبرت المختبرات 211 تصميما، ارتبط 17 منها بواحد من أربعة سموم، لكن تحييد السم لم يُختبر بعد.

معالج بواسطة الذكاء الاصطناعي من TG: @ai_machinelearning_big_data (Machinelearning)؛ بتحرير Hamidun News
عثر Claude خلال 64 ساعة على 17 بروتينا ترتبط بسموم العقارب
المصدر: TG: @ai_machinelearning_big_data (Machinelearning). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليTG: @ai_machinelearning_big_data (Machinelearning) ↗
رئيس التحرير
حقيقة رئيسية #1احتاجت الحملة إلى نحو 10 000 ساعة من عمل المسرّعات.
حقيقة رئيسية #2من بين البروتينات المصممة لسم واحد، نجح 11 من أصل 60، أي نحو 18٪.
حقيقة رئيسية #3فشل جميع المرشحين البالغ عددهم 91 والمصممين لمواجهة خمسة سموم في تحقيق المهمة الشاملة.

إذا سبق لك بناء سير عمل معقد قائم على الوكلاء، فالمشهد مألوف: يتلقى النموذج هدفا، ويعثر على البيانات، ويستدعي نحو عشرة أدوات، ويتحقق من النتائج المرحلية، ثم يضيّق نطاق البحث تدريجيا. لكن الناتج هنا لم يكن تقريرا ولا pull request، بل 211 تصميما بروتينيا جديدا، تولى مختبران لاحقا تصنيعها واختبارها.

خلال 64 ساعة، أجرى نموذج Anthropic البحثي حملة للعثور على بروتينات قادرة على الارتباط بخمسة سموم عصبية للعقارب. ولّد Claude ما مجموعه 318 484 متغيرا، وفحص حسابيا 553 052 زوجا من «البروتين والسم»، ثم اختار 180 مرشحا. وأضاف البشر، بمشاركة النموذج، 31 تصميما آخر. ومن أصل 211 بروتينا في القائمة النهائية، اجتاز 17 معايير المختبر.

هذا ليس ترياقا جاهزا. لكن التجربة توضح جيدا أين أصبحت الأنظمة القائمة على الوكلاء مفيدة عمليا، وأين لا تزال العروض التقديمية تسبق الواقع.

ما الذي فعله Claude تحديدا

تخيل المهمة باعتبارها بحثا عن مفتاح لقفل شديد التعقيد. السم هو القفل، والبروتين الاصطناعي الصغير هو المفتاح الذي يجب أن يتشبث بقوة بالسطح المناسب. وإذا ارتبط بالمنطقة التي يستخدمها السم للالتحام بقناة الصوديوم في الخلية العصبية، فقد يكون من الممكن نظريا منعه من أداء وظيفته.

حدد البشر الأهداف والأدوات المتاحة وقواعد الجدة والقيود الأساسية. وبعد الطلب الأولي، لزم تقديم أربعة توضيحات إضافية. ثم بحث Claude عن تراكيب السموم في قواعد البيانات المفتوحة، واختار مواقع الارتباط، وحدد عتبات الجودة، ودمج 12 أداة تصميم، وأعد قائمة للتخليق المادي. عمل النموذج بصورة مستقلة خلال أول 24 ساعة، فيما استغرقت الحملة الحسابية بأكملها نحو 10 000 ساعة من عمل المسرّعات.

اختبرت Adaptyv Bio وTwist Bioscience البروتينات بصورة مستقلة. ارتبطت سبعة تصاميم بالسم Cn2، وأربعة بالسم AaH II، وأربعة بالسم AaH I، واثنان آخران بالسم LqhIII. أما السم الخامس Ts1، فلم يُعثر على بروتين مناسب له وفقا للمعايير الموضوعة. وأظهر أفضل مرشح، Cn2-B1، ارتباطا في نطاق وحدات النانومولار، وهي نتيجة مختبرية قوية في هذه المرحلة المبكرة.

أين نجح الوكيل وأين تعثر

الرقم الأكثر فائدة ليس 318 ألف متغير جرى توليدها، بل 11 بروتينا ناجحا من بين 60 تصميما أُعدت لسم محدد واحد. تعادل هذه النسبة نحو 18٪، ويعدها المؤلفون نتيجة طبيعية في حملات من هذا النوع. لم ينتج التوليد مجموعة جميلة من الجزيئات، بل مرشحين صمدوا أمام الاختبار المختبري.

وكان أداء البروتينات الشاملة أسوأ. صمم Claude مجموعات منفصلة من المرشحين لمواجهة سمين وثلاثة سموم وخمسة سموم في آن واحد. ووفقا للمعايير المحددة، لم يتمكن أي تصميم من الارتباط بأكثر من سم واحد. ويبرز خصوصا الفشل الكامل للبروتينات الـ91 المصممة لاستهداف السموم الخمسة معا.

وقد لا يكون السبب محصورا في النموذج. فالسموم متشابهة في شكلها العام، لكن التطابق بين تسلسلات أحماضها الأمينية لا يتجاوز 26–62٪. وربما لا تناسب الأدوات المختارة هذه المهمة، أو تكون التعليمات قد وجهت البحث إلى مسار خاطئ، أو ربما يصعب أصلا الحصول على بروتين شامل بالصيغة المقترحة. وتترك التجربة هذا السؤال مفتوحا بصراحة.

وهناك قيد أهم: لم يختبر الباحثون سوى الارتباط. ولم يختبروا تحييد السموم على الخلايا أو الحيوانات. كما لا تزال سلامة البروتينات واستقرارها وجرعاتها وتكلفة إنتاجها وسلوكها داخل الجسم أمورا مجهولة. لذلك لا يمكن وصف النتيجة بأنها ترياق.

ما الذي ينبغي للمطورين وفرق المنتجات استخلاصه

الدرس الرئيسي هو أن من المفيد منح الوكيل حلقة بحث قابلة للتحكم، لا أمرا سحريا واحدا: هدف، ومجموعة أدوات، وعتبات قابلة للقياس، وسجل للقرارات، واختبار خارجي مكلف في النهاية. لم يستبدل Claude المختبر، بل وسّع نطاق الخيارات بشدة، ثم فصل المختبر النجاحات الحقيقية عن التنبؤات الحسابية المقنعة.

بالنسبة إلى فريق منتجات، هذه بنية مألوفة: يولّد النموذج الفرضيات ويرتبها، لكن المعيار النهائي يوجد خارج النموذج، في الاختبارات أو بيانات المستخدمين أو الإيرادات أو التجربة المادية. وكلما ارتفعت تكلفة الخطأ، ازدادت أهمية التحقق المستقل.

أتاحت Anthropic جميع التصاميم الـ211 ونتائج القياسات. وهذا يعني أن العمل يمكن تحليله استنادا إلى البيانات، لا إلى الوصف التسويقي. وحتى الآن تظل الخلاصة متزنة: أصبح الوكيل المستقل قادرا بالفعل على إنجاز جزء جوهري من بحث علمي معقد خلال بضعة أيام. لكن الطريق من المرشح المكتشف إلى الدواء يظل أطول وأصعب من عملية التوليد نفسها.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي فعله Claude تحديدا؟

تخيل المهمة باعتبارها بحثا عن مفتاح لقفل شديد التعقيد. السم هو القفل، والبروتين الاصطناعي الصغير هو المفتاح الذي يجب أن يتشبث بقوة بالسطح المناسب. وإذا ارتبط بالمنطقة التي يستخدمها السم للالتحام بقناة الصوديوم في الخلية العصبية، فقد يكون من الممكن نظريا منعه من أداء وظيفته. حدد البشر الأهداف والأدوات المتاحة وقواعد الجدة والقيود الأساسية. وبعد الطلب الأولي، لزم تقديم أربعة توضيحات إضافية.

ما أبرز التفاصيل حول أين نجح الوكيل وأين تعثر؟

الرقم الأكثر فائدة ليس 318 ألف متغير جرى توليدها، بل 11 بروتينا ناجحا من بين 60 تصميما أُعدت لسم محدد واحد. تعادل هذه النسبة نحو 18٪، ويعدها المؤلفون نتيجة طبيعية في حملات من هذا النوع. لم ينتج التوليد مجموعة جميلة من الجزيئات، بل مرشحين صمدوا أمام الاختبار المختبري. وكان أداء البروتينات الشاملة أسوأ. صمم Claude مجموعات منفصلة من المرشحين لمواجهة سمين وثلاثة سموم وخمسة سموم في آن واحد. ووفقا للمعايير المحددة، لم يتمكن أي تصميم من الارتباط بأكثر من سم واحد.

ما أبرز التفاصيل حول ما الذي ينبغي للمطورين وفرق المنتجات استخلاصه؟

الدرس الرئيسي هو أن من المفيد منح الوكيل حلقة بحث قابلة للتحكم، لا أمرا سحريا واحدا: هدف، ومجموعة أدوات، وعتبات قابلة للقياس، وسجل للقرارات، واختبار خارجي مكلف في النهاية. لم يستبدل Claude المختبر، بل وسّع نطاق الخيارات بشدة، ثم فصل المختبر النجاحات الحقيقية عن التنبؤات الحسابية المقنعة. بالنسبة إلى فريق منتجات، هذه بنية مألوفة: يولّد النموذج الفرضيات ويرتبها، لكن المعيار النهائي يوجد خارج النموذج، في الاختبارات أو بيانات المستخدمين أو الإيرادات أو التجربة المادية.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…