Szef badań OpenAI: przełomowe odkrycia naukowe AI już za dwa lata, dowodem polski start-up

Model GPT-5.4 połączony z autonomicznym laboratorium polskiego start-upu Molecule.one samodzielnie znalazł sposób na poprawienie trudnej reakcji chemicznej wykorzystywanej przy produkcji leków. OpenAI opublikowało wyniki tego eksperymentu 17 czerwca, a dyrektor firmy ds. badań Mark Chen powiedział w tym tygodniu w Seulu, że podobne odkrycia warte nagród na miarę Nobla pojawią się w ciągu najbliższych dwóch lat.

Chodzi o sprzęganie Chana-Lama, reakcję katalizowaną miedzią, która tworzy wiązania węgiel-azot obecne w ponad 91 zatwierdzonych przez amerykańską agencję FDA lekach, od onkologicznych po kardiologiczne. Łączenie sulfonamidów z kwasami boronowymi od lat dawało niskie wydajności i było znanym wąskim gardłem wczesnego etapu odkrywania leków.

Jak działał eksperyment

W marcu OpenAI dało GPT-5.4 otwarte zadanie: znaleźć sposób na poprawienie ważnej reakcji z chemii medycznej. Model połączono z Marią, agentową sztuczną inteligencją chemiczną zbudowaną przez Molecule.one i zintegrowaną z laboratorium zdolnym do automatycznego przeprowadzania tysięcy reakcji w skali mikrolitrów.

Naukowcy z Molecule.one pisali polecenia sterujące i oceniające pracę systemu, a ludzie chemicy zatwierdzali najwyżej ocenione propozycje, zanim trafiły one do fizycznego wykonania w robotycznym laboratorium pod Warszawą. Model sam zaproponował dodanie TEMPO, stabilnego rodnika organicznego sprzedawanego od dziesięcioleci i wykorzystywanego głównie w chemii alkoholi.

Wynik zaskoczył chemików

Połączenie dwóch odległych obszarów literatury chemicznej, które wcześniej nie były systematycznie łączone, poprawiło wydajność w większości testowanych związków. W 88 procentach przypadków kwasów boronowych i 83 procentach sulfonamidów odnotowano lepszą wydajność niż w standardowym przebiegu reakcji.

Przy ręcznej walidacji w skali laboratoryjnej 11 z 14 par substratów dało wyższą wydajność, a w 8 z 14 przypadków wydajność więcej niż się podwoiła. Cztery zewnętrzne osoby oceniające uznały wynik za nowatorski, a pełne protokoły i tabele warunków reakcji zostały udostępnione publicznie w preprincie.

Wykorzystanie TEMPO w sprzęganiu Chana-Lama jest słabo zbadane i po raz pierwszy tak szeroko przetestowane - Piotr Byrski, dyrektor generalny Molecule.one

Nobel za dwa lata

Mark Chen mówił o przyszłości sztucznej inteligencji w nauce podczas wizyty w biurze OpenAI Korea w seulskiej dzielnicy Gangnam, przy okazji międzynarodowej konferencji o uczeniu maszynowym ICML w tym mieście. Jako dyrektor ds. badań odpowiada w OpenAI za strategię badawczą firmy i podział mocy obliczeniowej.

W ciągu najbliższych dwóch lat sztuczna inteligencja wygeneruje przełomowe innowacje warte największych nagród - Mark Chen, dyrektor ds. badań OpenAI

Chen zastrzegł, że nie wiadomo, czy konkretne odkrycie zostanie kiedyś uhonorowane Nagrodą Nobla, ale będzie miało ogromną wartość dla świata. Jako punkty odniesienia wskazał Nobla z chemii w 2024 roku za AlphaFold, rozwiązanie przez chiński system w kwietniu 2026 roku dziesięcioletniego problemu matematycznego w 80 godzin oraz rozwiązanie przez chatbota OpenAI w maju postawionego w 1946 roku problemu jednostkowych odległości Paula Erdősa.

Polski ślad w wyścigu o AI dla nauki

Molecule.one od lat rozwija połączenie modeli retrosyntezy opartych na AI z rzeczywistymi eksperymentami w zautomatyzowanym laboratorium pod Warszawą. Współpraca z OpenAI wpisuje się w szerszą strategię firmy z Kalifornii, która w lutym 2026 roku ogłosiła z Ginkgo Bioworks obniżenie kosztów syntezy białek o 40 procent, a wcześniej uruchomiła wyspecjalizowany model GPT-Rosalind i benchmark LifeSciBench do zadań z nauk przyrodniczych.

Dla polskiej sceny technologicznej, na co dzień częściej kojarzonej z opóźnieniami we wdrażaniu AI niż z jej tworzeniem, udział krajowego start-upu w jednym z pokazowych projektów OpenAI to rzadki przykład odwrócenia tej narracji. Ahmed El-Kishky z OpenAI opisał wynik jako pokazanie, co staje się możliwe, gdy najnowocześniejsze modele językowe łączy się z wyspecjalizowanymi agentami naukowymi.

Projekt wciąż ma charakter demonstracyjny, ludzie chemicy zatwierdzali każdy krok, a poprawa wydajności z 16,6 do 25,2 procent nie oznacza jeszcze gotowego leku. OpenAI i Molecule.one zapowiedziały dalsze testy na kolejnych trudnych reakcjach, traktując ten wynik jako dowód, że autonomiczne systemy AI mogą realnie przyspieszać wczesne etapy odkrywania leków.

Źródła: Let's Data Science (letsdatascience.com), R&D World (rdworldonline.com), VnExpress International (e.vnexpress.net)