OpenAI تدخل مجال علم الأحياء بنموذج GPT-Rosalind: ما الذي يستطيع فعله وأين تنتهي حدوده

تحاول OpenAI أن تحتل موقعاً يتجاوز دور مزوّد نموذج LLM عام، لتصبح طبقة بنية تحتية للأبحاث البيولوجية. ولا يبدو GPT-Rosalind زراً سحرياً لاكتشاف دواء جديد، بل أداة يُفترض أن تقلّص أكثر ما يكلّف في المرحلة المبكرة: الوقت المستغرق في جمع البيانات وصياغة الفرضيات والتخطيط للتجارب التالية.

دواعي الاهتمام واضحة. ففي علم الأحياء التطبيقي، وخاصة في تطوير mRNA العلاجي، لا يزال الكثير من العمل يُجمَّع يدوياً. فعلى الباحثين أن يراعوا في الوقت نفسه مدى كفاءة ترجمة التسلسل، وكم سيبقى في الخلية، وهل سيثير استجابة مناعية غير مرغوبة. وتتوافر بالفعل لبنات منفصلة لهذا العمل، مثل DNA Chisel أو mRNAid، لكن السوق لا يزال يفتقر إلى بيئة مفتوحة متكاملة تجمع بصورة متسلسلة القيود البنيوية وقيود التسلسل والقيود المناعية. وفي هذا السياق يبدو GPT-Rosalind محاولة لإضافة طبقة مشتركة من الاستدلال والتنسيق فوق أدوات متفرقة.

وبحسب الوصف الرسمي من OpenAI، يستهدف النموذج مهام علوم الحياة: تلخيص الأدبيات العلمية، وتوليد الفرضيات، وتخطيط التجارب، وسيناريوهات البحث متعددة الخطوات في علم الجينوم والكيمياء الحيوية وهندسة البروتينات. وأصدرت الشركة مع النموذج وحدة بحثية مجانية لـ Codex تربط أكثر من 50 قاعدة بيانات عامة وأداة متخصصة. والمغزى العملي بسيط: تنقّل يدوي أقل بين الخدمات المختلفة، وفقدان أقل للسياق، وفرصة أكبر لبناء سلسلة تحليلية طويلة حول سؤال بيولوجي واحد. ويتوافر GPT-Rosalind في البداية فقط بنظام research preview للعملاء المؤسسيين المؤهلين عبر trusted access، بينما توزّع OpenAI حزمة المهارات الخاصة بـ Codex على نطاق أوسع بكثير.

أكثر أجزاء الإصدار إثارة هي اختبارات الأداء المتخصصة، لكن هنا بالذات يلزم نظر بارد. فبحسب OpenAI، سجّل النموذج في BixBench مستوى Pass@1 يبلغ 0,751، وتفوق على عدة أنظمة عامة، منها GPT-5.4 وGrok 4.

2 وGemini 3.1 Pro. وفي LABBench2 تفيد الشركة بتفوقه على GPT-5.

4 في ست مهام من أصل أحد عشر، وجاءت أبرز زيادة في CloningQA. وتورد OpenAI بصورة منفصلة نتائج اختبار شراكة مع Dyno Therapeutics على تسلسلات RNA غير منشورة: فقد بلغت أفضل عشر إجابات من GPT-Rosalind المئين الـ95 قياساً بالخبراء البشر، وبلغ النموذج في مهمة توليد التسلسلات المئين الـ84. يبدو هذا كله جاداً، لكن للمقارنة قيداً مهماً: لم يكن هناك وقت النشر تحقق خارجي مستقل من الجدول الكامل للنماذج.

أي أن الأمر لا يتعلق بعد بحكم نهائي من السوق، بل بادعاء قوي لكنه يظل داخلياً من الشركة.

وسبب إغلاق الوصول مفهوم أيضاً. ففي علم الأحياء، مسألة الاستخدام المزدوج عملية أكثر من أن يتجاهلها الإصدار. فالأدوات التي تساعد على البحث السريع عن مرشحات علاجية قد تسرّع نظرياً سيناريوهات غير مرغوبة أيضاً، ولذلك بدأت OpenAI بإطلاق trusted access لعملاء Enterprise المؤهلين في الولايات المتحدة، مع متطلبات منفصلة لإدارة الوصول والرقابة الداخلية والأمن التنظيمي. وخلال research preview لا تخصم الشركة حتى الأرصدة والرموز (tokens) المعتادة ما دام المشاركون يلتزمون بقيود مكافحة إساءة الاستخدام. وتذكر OpenAI بين المشاركين الأوائل Amgen وModerna وNovo Nordisk وThermo Fisher Scientific وOracle Health and Life Sciences وNVIDIA وAllen Institute وBenchling وكلية الصيدلة في UCSF، إضافة إلى شراكة مع مختبر لوس ألاموس الوطني.

وتزداد المنافسة كثافة بسرعة: ففي 14 أبريل 2026 أعلنت AWS عن Amazon Bio Discovery، وفي 16 أبريل 2026 قدمت OpenAI نموذج GPT-Rosalind. والرهانات في هذا السوق كبيرة: فبحسب تقدير Precedence Research، قد ينمو الذكاء الاصطناعي في صناعة الأدوية من 2,51 مليار دولار في 2026 إلى 16,49 مليار بحلول 2034.

والخلاصة الرئيسية حتى الآن ليست أن النموذج الجديد سيحل محل علماء الأحياء أو سيقضي فوراً على الأدوات المفتوحة المصدر الضيقة. بل العكس تقريباً: يعمل GPT-Rosalind على مستوى المنطق البحثي والتنسيق، بينما تبقى الحلول المتخصصة مثل mRNAid مفيدة لمهام حسابية محددة في التحسين. وإذا نجح منتج OpenAI فعلاً في اختصار الطريق من الفرضية إلى مرشح للفحص في المختبر الرطب، فسيكون ذلك تحولاً ملموساً للقطاع. لكن القيمة الحقيقية للنموذج لن تتحدد بإصدار لافت، بل بمدى قابلية نتائجه للتكرار خارج العروض التجريبية، ومدى اندماجه جيداً في المنظومة العلمية القائمة.