אנתרופיק (Anthropic), חברת מחקר ו-AI שמתמקדת בבטיחות, ממשיכה להשקיע בפיתוח Claude (קלוד) כמודל המוביל למחקר מדעי. מאז השקת "Claude for Life Sciences" באוקטובר האחרון, חל שיפור משמעותי ביכולותיו של מודל Opus 4.5, במיוחד בפרשנות תרשימים, ביולוגיה חישובית והבנת חלבונים. התקדמות זו, בשיתוף פעולה עם חוקרים מהאקדמיה ומהתעשייה, מדגישה את מחויבות החברה להבין איך מדענים משתמשים ב-AI כדי להאיץ את התקדמות המחקר.

במסגרת תוכנית "AI for Science", אנתרופיק מעניקה גישה לקרדיטים חינם ל-API של Claude לחוקרים מובילים. חוקרים אלה מפתחים מערכות מותאמות אישית המנצלות את Claude הרבה מעבר למשימות בסיסיות כמו סקירת ספרות או סיוע בקידוד. למעשה, Claude הפך לשותף פעיל בכל שלבי המחקר: הוא מסייע להבין אילו ניסויים כדאי לבצע באופן יעיל וחסכוני, משתמש במגוון כלים כדי לדחוס פרויקטים של חודשים לשעות, ומאתר תבניות ביישומי נתונים עצומים שאולי נעלמו מעיני חוקרים אנושיים. במקרים רבים, Claude מבטל חסמי מחקר, מטפל במשימות שדורשות ידע מעמיק ושבעבר לא ניתן היה להרחיב (סקיילינג) אותן, ובמקרים אחרים הוא אף מאפשר גישות מחקר חדשות לחלוטין. במילים אחרות, Claude מתחיל לעצב מחדש את דרך עבודתם של המדענים הללו – ומכוון אותם לתובנות וגילויים מדעיים חדשניים.

Biomni: סוכן ביו-רפואי כללי עם גישה למאות כלים ומאגרי מידע

אחד החסמים המרכזיים במחקר הביולוגי הוא פיצול הכלים: קיימים מאות מאגרי מידע, חבילות תוכנה ופרוטוקולים, וחוקרים משקיעים זמן ניכר בבחירה ובשליטה בפלטפורמות שונות. זהו זמן שבעולם אידיאלי היה מוקדש לביצוע ניסויים, פרשנות נתונים או פיתוח פרויקטים חדשים.

Biomni, פלטפורמת AI סוכני (agentic) מאוניברסיטת סטנפורד, מאגדת מאות כלים, חבילות נתונים ומאגרי מידע למערכת יחידה שבה סוכן מבוסס Claude יכול לנווט. חוקרים מזינים בקשות בשפה טבעית, ו-Biomni בוחר אוטומטית את המשאבים המתאימים. המערכת יכולה לבנות השערות, לתכנן פרוטוקולי ניסוי ולבצע ניתוחים ביותר מ-25 תחומי משנה בביולוגיה. לדוגמה, מחקר GWAS (Genome-Wide Association Study) שאורך חודשים, הושלם על ידי Biomni ב-20 דקות בלבד.

הצוות של Biomni ביצע אימות למערכת באמצעות מספר מחקרי מקרה בתחומים שונים. באחד מהם, Biomni תכנן ניסוי שיבוט מולקולרי, ובבדיקה עיוורת, הפרוטוקול והתכנון התאימו לאלו של פוסט-דוקטורנט עם למעלה מחמש שנות ניסיון. המערכת עדיין אינה מושלמת וכוללת מנגנוני הגנה (guardrails) לזיהוי טעויות, אך היא מאפשרת למדענים להקודד מתודולוגיות מומחים כ"מיומנויות" (skills), ובכך ללמד את הסוכן איך מומחה יפתור בעיה, במקום לאפשר לו לאלתר.

מערכות ממוקדות: אוטומציה של ניסויי עריכה גנטית ויצירת השערות

מעבר למערכות כלליות כמו Biomni, מעבדות אחרות בונות מערכות ממוקדות יותר לטיפול בחסמים ספציפיים. לדוגמה, במעבדת Cheeseman במכון Whitehead וב-MIT, חוקרים משתמשים ב-Claude באמצעות מערכת MozzareLLM (כינוי משעשע שממשיך מוטיב גבינות, בהשראת Brieflow) כדי לאוטומט את פרשנות ניסויי ה"כיבוי" (knockout) גנטיים בקנה מידה גדול שבוצעו באמצעות CRISPR. במקום שמומחה אנושי יבלה מאות שעות בניתוח ספרות מדעית כדי להבין קיבוצי גנים, MozzareLLM מזהה תהליכים ביולוגיים משותפים, מסמנת גנים ידועים ופחות נחקרים, ומדגישה ממצאים פוטנציאליים לגילויים חדשים, תוך ציון רמות ביטחון (confidence levels) – מה שמאיץ משמעותית את העבודה ומביא לגילויים שאולי היו נפסדים.

במקביל, מעבדת Lundberg בסטנפורד משתמשת ב-Claude כדי להפוך את תהליך יצירת ההשערות לגבי אילו גנים כדאי לחקור בניסויים ממוקדים ויקרים. במקום להסתמך על השערות אנושיות המבוססות על ידע קיים ומוגבל ברוחב פס, המערכת של Lundberg בונה מפה של כל המולקולות הידועות בתא ואת הקשרים ביניהן. Claude מנווט במפה זו כדי לזהות גנים מועמדים על בסיס תכונותיהם הביולוגיות והקשרים המולקולריים שלהם, ובכך מאפשר "הימורים מושכלים" יותר לגבי אילו גנים לטרגט, מה שיכול לחסוך עשרות אלפי דולרים לניסוי ולהאיץ את קצב הגילויים.

מערכות אלה, אף שאינן מושלמות, מצביעות על המהירות שבה מדענים החלו לשלב AI כשותף מחקר המסוגל להרבה יותר ממשימות בסיסיות. Claude, ומודלי AI אחרים, מאיצים ובמקרים מסוימים אף מחליפים היבטים רבים בתהליך המחקר. עם כל שחרור מודל חדש, היכולות גדלות באופן ניכר, ומודלים חזקים יותר מתחילים, אמנם לאט, לשכפל את עבודת המחקר המתוארת במאמרים מדעיים. ככל שהכלים יתקדמו ומודלי ה-AI ימשיכו להפוך לחכמים יותר, נמשיך ללמוד ולצפות כיצד תגליות מדעיות מתפתחות יחד איתם.