MIT Technology Review пишет, что OpenAI платит за создание новых биологических данных. Это звучит менее эффектно, чем очередная большая модель, но для науки может быть важнее: многие биологические задачи упираются не в красивую архитектуру, а в нехватку надежных измерений из лаборатории.

В биологии данные часто дорогие, неоднородные и плохо сопоставимые между лабораториями. Модель может хорошо работать с текстом или изображениями, но для предсказаний о клетках, белках, лекарствах и старении ей нужны эксперименты, где известно, что именно измеряли и в каких условиях. Поэтому покупка и создание таких наборов данных становятся не вспомогательной работой, а частью научной стратегии.

Почему это важно: если крупные ИИ-компании начнут системно финансировать биологические измерения, преимущество получат не только те, у кого больше вычислений. Возникнет новый барьер входа — доступ к редким, чистым и хорошо размеченным экспериментам. Для открытия лекарств, моделирования клеточных процессов и поиска механизмов болезней это может определить, какие команды смогут обучать действительно полезные научные модели.

Есть и обратная сторона. Чем ценнее становятся закрытые биологические данные, тем сильнее риск, что важная часть научной инфраструктуры уйдет в частные наборы, недоступные независимым лабораториям. Поэтому главный вопрос теперь не только «насколько умна модель», но и «кто контролирует данные, на которых она учится».