جي بي تي روزاليند: كيف تدخل أوبن إيه آي سباق الأدوية؟

عندما نسمع عن نموذج ذكاء اصطناعي جديد، نتوقع غالبًا شيئًا يدور حول الدردشة أو البرمجة أو الصور. لكن هذه المرة، قررت أوبن إيه آي أن تدخل المختبر من بابه الواسع. ففي 16 أبريل 2026 أعلنت الشركة إطلاق GPT-Rosalind، وهو نموذج مخصص لدعم الأبحاث في البيولوجيا واكتشاف الأدوية والطب الانتقالي، مع إتاحة أولية على شكل research preview داخل ChatGPT وCodex والواجهة البرمجية للعملاء المؤهلين.

الاسم نفسه ليس عابرًا. النموذج سُمّي نسبةً إلى روزاليند فرانكلين، العالمة التي أسهمت أبحاثها الدقيقة في كشف بنية الحمض النووي DNA. وهنا تبدو الرسالة واضحة: أوبن إيه آي لا تريد نموذجًا يشرح العلم فقط، بل نموذجًا يحاول أن يشارك في طريق الاكتشاف العلمي من بدايته، أي من لحظة السؤال الصعب، لا من لحظة كتابة التقرير النهائي.

ما هو جي بي تي روزاليند فعلًا؟

بحسب OpenAI، فإن GPT-Rosalind صُمم للتعامل مع سير العمل العلمي الحديث، أي ذلك المزيج المرهق من الأوراق العلمية، وقواعد البيانات، ونتائج التجارب، والفرضيات المتغيرة كل يوم. لذلك لا يقتصر دوره على التلخيص، بل يمتد إلى تجميع الأدلة، وبناء الفرضيات، والتخطيط للتجارب، وتحليل البيانات، واستخدام الأدوات العلمية وقواعد البيانات ضمن مهام متعددة الخطوات. وبصراحة، هذا هو الفارق بين “شات بوت يعرف بعض المصطلحات الطبية” وبين مساعد بحثي يحاول أن يفهم كيف يتحرك العلماء فعلًا داخل المختبر وخارجه.

كذلك تقول الشركة إن النموذج أظهر أداءً متقدمًا في مهام تتعلق بالجزيئات والبروتينات والجينات والمسارات الحيوية، كما تفوق على GPT-5.4 في 6 من أصل 11 مهمة ضمن معيار LABBench2، وحقق نتائج قوية على BixBench الخاص بمهام المعلوماتية الحيوية وتحليل البيانات. بل إن OpenAI ذكرت أيضًا نتائج داخلية بالتعاون مع Dyno Therapeutics أشارت إلى أداء وصل فوق 95th percentile في مهمة تنبؤ، وحوالي 84th percentile في مهمة توليد تسلسلات، مقارنةً بسجل تاريخي لخبراء بشريين في هذا المجال.

لماذا يبدو هذا الإعلان مهمًا أكثر من مجرد خبر تقني؟

لأن مشكلة اكتشاف الأدوية ليست صغيرة أصلًا. OpenAI نفسها تشير إلى أن رحلة تطوير دواء جديد قد تستغرق من 10 إلى 15 سنة في المتوسط من اكتشاف الهدف العلاجي إلى الموافقة التنظيمية. لذلك فإن أي تسريع في المراحل المبكرة، مثل اختيار الفرضيات الأفضل أو استبعاد المسارات الضعيفة مبكرًا، قد ينعكس لاحقًا على الوقت والكلفة ونسبة النجاح. وهنا تحديدًا يحاول GPT-Rosalind أن يلعب دوره.

أنا أرى أن قوة هذا الإعلان لا تكمن في فكرة “الذكاء الاصطناعي سيخترع الدواء بدل العلماء”، لأن هذه جملة تصلح لعنوان صاخب أكثر مما تصلح لمختبر حقيقي. القوة الفعلية تكمن في شيء أكثر تواضعًا وأكثر فائدة: تقليل الفوضى المعرفية. الباحث اليوم يغرق في أوراق منشورة، ونتائج متفرقة، وأدوات متخصصة، وقواعد بيانات كثيرة جدًا. وإذا نجح النموذج في جمع هذا كله داخل مسار عمل واحد، فهو لا يصنع المعجزة، لكنه قد يوفّر أشهرًا من الدوران في الممرات الخطأ.

من مجرد نموذج إلى منظومة أدوات

أوبن إيه آي لم تطلق النموذج وحده، بل أعلنت أيضًا إضافة مجانية لعلوم الحياة داخل Codex تربط العلماء بأكثر من 50 أداة ومصدر بيانات عام. وهذا مهم جدًا، لأن النماذج القوية وحدها لا تكفي. الباحث لا يريد مجرد إجابة أنيقة؛ هو يريد الوصول إلى قواعد بيانات، وبنى بروتينية، ومراجع، وتسلسلات، ونتائج يمكن البناء عليها. بعبارة أبسط: لا أحد في المختبر يستفيد من “بلاغة اصطناعية” من دون مفاتيح الأدوات.

واللافت أيضًا أن OpenAI تربط النموذج بشبكة شركاء حقيقية، من بينهم Amgen وModerna وThermo Fisher Scientific وAllen Institute وNovo Nordisk وNVIDIA وBenchling وUCSF School of Pharmacy. هذا لا يعني أن النتائج السريرية حُسمت، لكنه يعني أن الشركة لا تختبر النموذج داخل غرفة عرض تسويقية فقط، بل تحاول إدخاله في مسارات عمل واقعية لدى مؤسسات تعرف أن الخطأ في هذا المجال ليس خطأً تجميليًا.

لماذا تتحرك الشركات بهذه السرعة نحو الذكاء الاصطناعي الحيوي؟

لأن السوق كله يتحرك. تشير تقديرات حديثة إلى أن الذكاء الاصطناعي التوليدي قد يفتح عشرات المليارات من الدولارات سنويًا من القيمة الاقتصادية في الصناعات الدوائية والمنتجات الطبية. ومع ذلك، فإن عدد الجهات التي حققت أثرًا ماليًا كبيرًا ومستمرًا ما زال محدودًا. هذه المفارقة مهمة: الحماس موجود، لكن التنفيذ الصعب ما زال هو الامتحان الحقيقي.

ولهذا جاء إعلان GPT-Rosalind في توقيت لافت. فالمشهد لم يعد يحتمل المتفرجين. شركات الأدوية، ومنصات السحابة، وشركات الذكاء الاصطناعي، كلها دخلت المسار نفسه. كل طرف يريد أن يثبت أن الذكاء الاصطناعي قادر على الوصول إلى المختبر من دون أن يتوه بين البيانات والفرضيات والتجارب.

لكن، هل وصلنا فعلًا إلى مرحلة “دواء بضغطة زر”؟

لا، ولسنا قريبين من هذه الصورة السينمائية بعد. حتى OpenAI نفسها تطرح GPT-Rosalind ضمن وصول موثوق ومقيّد للعملاء المؤهلين، وهذا يعكس حساسية المجال وخطورته. كذلك فإن التوسع سيكون تدريجيًا، والنموذج ما يزال في أول إصدار من سلسلة علوم الحياة.

وفوق ذلك، حتى الدراسات المتفائلة في هذا القطاع ما تزال تتحدث بلغة أكثر حذرًا من العناوين المتحمسة. نعم، الذكاء الاصطناعي بدأ يدفع جزيئات واعدة نحو مراحل أكثر تقدمًا، لكن الطريق إلى دواء فعلي ما يزال يمر عبر مختبرات حقيقية، وتجارب صارمة، ومراجعات تنظيمية لا تعرف المجاملة.

وأنا شخصيًا أرى أن أجمل ما في هذا النوع من النماذج ليس أنه “يستبدل” الباحث، بل أنه قد يرفع سقف الباحث نفسه. كأنك تعطي العالم مساعدًا لا ينام، يقرأ بسرعة مذهلة، ويقترح طرقًا جديدة، لكنه ما يزال بحاجة إلى عقل بشري يقول له: هذه الفرضية تستحق، وهذه تبدو لامعة على الورق لكنها قد تنهار عند أول تجربة حقيقية.

ماذا يضيف هذا الإعلان إلى صورة OpenAI الأكبر؟

الإعلان لا يأتي منفصلًا عن استراتيجية أوسع. فالشركة تتحرك في اتجاه النماذج المتخصصة، سواء في الأمن السيبراني أو علوم الحياة أو المهام الاحترافية المعقدة. لذلك، حين ننظر إلى GPT-Rosalind، فنحن لا نرى مجرد منتج جديد، بل نرى مسارًا واضحًا: نماذج أكثر تخصصًا، وأقل عمومية، وأقرب إلى بيئات العمل الدقيقة.

تحليل: هل يغيّر جي بي تي روزاليند شكل البحث العلمي؟

أعتقد أن الإجابة الأقرب إلى الدقة هي: قد يغيّر طريقة بدء البحث، أكثر من تغييره لطريقة حسمه. وهذا فرق مهم. في المراحل المبكرة، يبحث العلماء عن إشارات، وأنماط، وروابط، ومسارات واعدة. وهنا يستطيع نموذج مثل GPT-Rosalind أن يختصر تعبًا معرفيًا هائلًا. لكن عند لحظة القرار الحاسم، أي عندما ننتقل من فرضية جميلة إلى جزيء يجب أن ينجح في الواقع، يعود العالم الحقيقي بكل قسوته: تجارب، وتكرار، وأخطاء، وضوابط، ومراجعات، وموافقات.

ومع ذلك، لا ينبغي التقليل من قيمة المرحلة المبكرة. ففي البحث الدوائي، خسارة سنة في البداية قد تعني تأخير سنوات لاحقًا. وإذا استطاع نموذج مثل هذا أن يساعد الفرق العلمية على الوصول إلى أسئلة أفضل، لا إلى إجابات أسرع فقط، فهذه فائدة حقيقية جدًا. هنا بالتحديد قد يكون الأثر الأكبر على القارئ أيضًا، سواء كان باحثًا أو مستثمرًا أو مجرد متابع للتكنولوجيا: نحن نقترب من لحظة يصبح فيها الذكاء الاصطناعي جزءًا من بنية المختبر نفسه، لا مجرد أداة على طرف الشاشة.

الخلاصة

جي بي تي روزاليند ليس خبرًا عابرًا من نوع “أداة جديدة تفعل كل شيء”. هو، ببساطة، إشارة إلى أن معركة الذكاء الاصطناعي دخلت مرحلة أكثر جدية: مرحلة العلوم الصعبة، والرهانات الثقيلة، والأسئلة التي لا يكفي فيها الرد السريع ولا الواجهة اللامعة.

نحن لا نقف اليوم أمام آلة تصنع دواءً بضغطة زر، لكننا نقف أمام بداية مختلفة: أدوات تستطيع أن تساعد العلماء على رؤية ما كان يتشتت بينهم، وعلى اختبار ما كان يحتاج وقتًا أطول، وعلى الاقتراب من فرضيات أقوى في وقت أقصر. وربما هذا هو التغيير الأهم. ليس أن الذكاء الاصطناعي سيأخذ مكان الباحث، بل أنه قد يمنح الباحث مساحة أوسع ليكون أفضل، وأدق، وأسرع، وأكثر جرأة في طرح السؤال التالي.

المصدر:
OpenAI، Reuters، McKinsey، Nature