კვი, 22 ნოე, 2026
ახალი ინტერაქტიული ქვიზები დაემატა საიტს — შეამოწმე შენი ცოდნა. ნახვა →
ხელოვნური ინტელექტი და მანქანური სწავლება

OpenAI-მ ახალი წამლების შექმნის ტესტი გამოუშვა, რომელშიც GPT-6.2 Astra 84,5%-ს იღებს

თავად ტესტიც და მასში მიღებული ქულებიც მხოლოდ OpenAI-ს შიდა შეფასებას ეყრდნობა და დამოუკიდებელ მკვლევრებს ჯერ არ გადაუმოწმებიათ. OpenAI-მ 20 ნოემბერს წარადგინა შეფასების...

თავად ტესტიც და მასში მიღებული ქულებიც მხოლოდ OpenAI-ს შიდა შეფასებას ეყრდნობა და დამოუკიდებელ მკვლევრებს ჯერ არ გადაუმოწმებიათ.

OpenAI-მ 20 ნოემბერს წარადგინა შეფასების ახალი ტესტი MedChemBench, რომელიც ამოწმებს, რამდენად კარგად ახერხებს ხელოვნური ინტელექტი ფარმაცევტი ქიმიკოსივით აზროვნებას. კომპანიის ოფიციალური ინფორმაციით, ეს სისტემა ადგენს, შეუძლია თუ არა მოდელს მოლეკულური ნახაზების წაკითხვა, ლაბორატორიული შედეგების გააზრება და იმის განსაზღვრა, თუ რომელი ნაერთი გამოსცადონ მეცნიერებმა შემდეგ ეტაპზე. ამ გამოცდაში კომპანიის უახლესმა მოდელმა, GPT-6.2 Astra-მ, 84,5 პროცენტი აიღო.

რატომ უჭირთ ადამიანებსაც კი წამლის შექმნა? სამედიცინო ქიმია მუდმივი კომპრომისების ძიებაა, რომლის დროსაც ერთი თვისების გაუმჯობესება ხშირად მეორეს აუარესებს. მაგალითად, ახალმა ქიმიურმა ნაერთმა შეიძლება ძალიან ძლიერად დაბლოკოს დაავადების გამომწვევი ცილა, მაგრამ ორგანიზმმა ის ცუდად შეიწოვოს ან ზედმეტად სწრაფად დაშალოს. ქიმიკოსებს სწორედ ამ რთული ბალანსის პოვნა უწევთ, რათა ნივთიერება რეალურ წამლად იქცეს.

რას ამოწმებს ახალი გამოცდა

MedChemBench აერთიანებს 99 რეალურ ამოცანას, რომლებიც უკვე გამოქვეყნებული სამეცნიერო სტატიებიდან და პატენტებიდან შეკრიბეს. თითოეულ დავალებაში ხელოვნურ ინტელექტს ზუსტად იმ მონაცემებს აწვდიან, რომლებიც მკვლევართა ჯგუფს მუშაობის კონკრეტულ მომენტში ჰქონდა. მოდელმა უნდა გაითვალისწინოს ბიოლოგიური სამიზნე, კვლევის მიზნები და უკვე გამოცდილი ნაერთების შედეგები, შემდეგ კი ახსნას ეს მონაცემები, შეადაროს ვარიანტები და იწინასწარმეტყველოს მათი თვისებები.

შეფასება სამ მთავარ უნარს ეყრდნობა. პირველი არის ნახაზიდან მოლეკულის ზუსტად აწყობა, რაც ატომების კავშირებისა და სივრცეში მათი განლაგების სწორად ამოცნობას გულისხმობს. მეორე კრიტერიუმია ფაქტებით გამყარებული სამეცნიერო მსჯელობა, მესამე კი ნივთიერების თვისებების პროგნოზირებაა. თუ მოდელის პასუხი რეალურ ლაბორატორიულ მაჩვენებელთან ახლოსაა, მას ნაწილობრივ ქულასაც უწერენ. ერთ-ერთ დავალებაში სისტემას კიბოს სამკურნალოდ შესწავლილი PRMT5 ცილის დამბლოკავი ნივთიერებები მისცეს. მოდელს უნდა გამოეცნო, როგორ მოიქცეოდა სამი მსგავსი ნაერთი უჯრედებსა და ღვიძლის ფერმენტის ტესტში.

ახალი და ძველი მოდელების შედარება

ყველა მოდელი მსჯელობის უმაღლეს, xhigh რეჟიმში გამოსცადეს. ახალი თაობის სისტემებმა ძველ ვერსიებს დიდი სხვაობით აჯობა. თუ GPT-6.2 Astra-მ 84,5 პროცენტი დააგროვა, წინა თაობის GPT-5.6 Sol მხოლოდ 58,2 პროცენტს დასჯერდა. დეტალური შედეგების მიხედვით, მოდელებს სტრუქტურების აწყობასა და ფაქტების ახსნაზე მეტად საუკეთესო ნაერთების შერჩევა და რიცხვითი მაჩვენებლების ზუსტი გამოცნობა გაუჭირდა.

თაობებს შორის სხვაობა კარგად გამოჩნდა ერთ კონკრეტულ მაგალითზე, როდესაც მოდელებს 18-ატომიანი რგოლის მქონე რთული მოლეკულა ნახაზიდან ხელახლა უნდა აეწყო. GPT-6 Astra-მ ეს დავალება ათივე ცდაზე უშეცდომოდ შეასრულა. ძველმა მოდელებმა, GPT-5.6 Sol-მა და GPT-5.6 Luna-მ, ათივე ცდა ჩააგდო. ერთმა მათგანმა 15-ატომიანი რგოლი დახატა, მეორემ კი მოლეკულა საერთოდ ორ ნაწილად გაწყვიტა.

აქ მთავარი დეტალი მაინც ის არის, თუ ვინ ატარებს გამოცდას. ეს ტესტიც და მიღებული ქულებიც მთლიანად OpenAI-ს ეკუთვნის. შესაბამისად, სანამ სისტემას დამოუკიდებელი ფარმაცევტული ლაბორატორიები თავად არ გამოსცდის, რეალურ კვლევებში მისი ზუსტი სარგებელი ბოლომდე ნათელი ვერ იქნება.

ამოცანების რაოდენობა 99
წყაროები 117 სამეცნიერო სტატია და პატენტი
უნიკალური მოლეკულური სტრუქტურა 761
GPT-6.2 Astra-ს შედეგი 84,5%
GPT-6 Astra-ს შედეგი 83,3%
GPT-6.1 Sol-ის შედეგი 82,0%
GPT-5.6 Sol-ის შედეგი 58,2%

წყარო: OpenAI: Introducing MedChemBench (20 Nov 2026) | Interesting Engineering: New OpenAI benchmark tests how well models reason through complex drug discovery tasks (21 Nov 2026)

ეს სტატია შეიქმნა AI ხელსაწყოებით, პროცესში ადამიანის ჩართულობა დაახლოებით 10%-ია.