בעידן שבו מודלי שפה גדולים (LLMs) מצליחים בפתרון בעיות מתמטיות ותכנותיות באמצעות חשיבה שרשרתית, הם נכשלים בתחום הבנת תפקוד חלבונים. מחקר חדש שפורסם ב-arXiv מראה כי העברה ישירה של שיטות חשיבה מבוססות טקסט אינה יעילה: למידה מחוזקת רק מחזקת דפוסי מילות מפתח שטחיים, מבלי להוסיף ידע ביולוגי חדש, מה שמוביל להכללה מוגבלת.
המחקר טוען כי חיזוי תפקוד חלבונים הוא משימה מדעית עשירה בידע, המסתמכת על ידע ביולוגי חיצוני וכלים חישוביים, ולא על חשיבה פנימית בלבד. כדי לגשר על הפער, החוקרים מציגים את PFUA – סוכן חשיבה מבוסס כלים להבנת תפקוד חלבונים. PFUA מאחד פירוק בעיה, הפעלת כלים ויצירת תשובות מבוססות ראיות.
במקום להסתמך על מסלולי חשיבה ארוכים ולא מוגבלים, PFUA משלב כלים ספציפיים לתחום כדי לייצר ראיות ביניים ניתנות לאימות. הניסויים נערכו על ארבעה בנצ'מרקים מובילים, שבהם PFUA עלה באופן עקבי על מודלים מבוססי טקסט בלבד, עם שיפור ממוצע של 103% בביצועים.
המשמעות של PFUA היא מהפכה בפיתוח AI לביולוגיה: במקום להסתמך על נתונים גדולים בלבד, הסוכן משלב כלים חיצוניים שמביאים ידע מדעי אמיתי. זה רלוונטי במיוחד לחברות ישראליות בתחום הביוטק, שם חיזוי תפקוד חלבונים חיוני לפיתוח תרופות וטיפולים מותאמים אישית.
עבור מנהלי עסקים ומפתחי AI, PFUA מדגים כיצד שילוב כלים ספציפיים לתחום יכול לשפר תוצאות במשימות מדעיות מורכבות. השיטה פותחת דלתות ליישומים חדשים בבינה מלאכותית יישומית.