周二，具身（agentic）AI科学计算迈出了具体一步：当OpenAI发布一份领域报告，展示研究人员如何使用AI代码代理（Coding Agents）将数月的科学软件工作压缩到几天之内。
该报告记录了基因组学及更广泛计算生物学中的真实部署：此前需要18个月完成的任务，已在大约一周内完成。
OpenAI将其视为证据：具身（agentic）AI已经在重塑发现的方式——并非未来的承诺，而是正在被积极使用的当下能力。
Агентний AI для наукових обчислень: що насправді знайшов звіт OpenAI
Агентні AI для наукових обчислень — це основна тема звіту, і висновки в ньому конкретні. Вчені, які працювали над пайплайнами в геноміці, використовували AI Coding Agents, щоб модернізувати застаріле наукове програмне забезпечення зі швидкістю, яка ще два роки тому здавалася б неймовірною.
Один випадок, описаний у звіті, стосувався зусиль із модернізації програмного забезпечення, які, як очікувалося, потребуватимуть 18 місяців інженерної роботи. З AI Coding Agents ту саму роботу було виконано за тиждень.
Коефіцієнт стиснення, приблизно 90%, — це не наслідок того, що код пишуть швидше.
Це відображає абсолютно іншу модель роботи. AI-агенти не просто доповнювали рядки.
Вони прочитали наявну кодову базу, визначили, де вона застаріла, запропонували переписування, перевірили результат і виконали ітерації — усе це з мінімальним втручанням людини між кроками. Вчені спрямовували агентів на цілі, а не задавали кожен крок.
Саме це відрізняє AI-агента від звичайного інструменту-асистента для програмування.
Копілот пропонує наступний рядок коду. А агент планує багатокрокове завдання, виконує його впродовж сесії, відстежує власні результати й коригує, коли вони виходять за межі очікуваних діапазонів.
Звіт OpenAI — один із найчіткіших публічних описів того, як це виглядає на практиці в дослідницькій установі.
Чому геноміка — саме те місце, де AI Coding Agents вперше довели свою цінність
Геноміка — природний полігон для агентного AI з структурної причини. Сфера працює на застарілому ПЗ, частина якого десятиліттями не оновлювалась, написаного мовами на кшталт Fortran і C ученими, які ставили коректність вище за підтримуваність. Накопичений «борг» зростає. Модернізація пайплайна в геноміці зазвичай потребує інженерів, які розуміють і біологію, і архітектуру програмного забезпечення.
Ця комбінація рідкісна й дорога.
AI Coding Agents обходять проблему дефіциту. Вони можуть читати документацію різними мовами програмування, розуміти наукові коментарі, вбудовані в старий код, і генерувати сучасні еквіваленти без потреби в роках предметного навчання.
«Звуження» переходить від пошуку правильного інженера до пошуку правильного формулювання цілей. Це значно легше завдання.
Також читайте: Зломи типу Crypto Wrench дісталися 52 випадків за шість місяців; більшість — у Франції
Звіт OpenAI також зачіпає прискорення відкриттів понад модернізацію софту. Агенти, які запускають швидший код у чистіших пайплайнах на більших наборах даних, отримують результати швидше. У геноміці швидші результати означають ранніше виявлення генетичних варіантів, швидшу валідацію мішеней для ліків і коротші строки від гіпотези до експериментального підтвердження.
Перевага в швидкості наростає.
Як обережність Сема Альтмана «бок о бок» стоїть із таким прискоренням
Офіційний звіт OpenAI з’являється в той самий день, коли генеральний директор OpenAI Сем Альтман сказав TechCrunch, що компанії, можливо, доведеться «сповільнювати/вирівнювати темп розвитку ШІ, щоб світ був готовий до цього». Це напруження справжнє і варте того, щоб його назвати.
Компанія, яка одночасно публікує докази того, що її AI Coding Agents стискають проєкти в генетиці/науці тривалістю 18 місяців до тижня, і водночас припускає, що світ може бути не готовий до того, що буде далі, — не суперечить сама собі.
Йдеться про ту саму ситуацію з двох кутів зору.
Польовий звіт показує можливості. Коментар Альтмана визнає наслідки.
Обидва твердження правильні. Питання, яке при цьому не розв’язується, — де саме лежить здатність задавати темп: у лабораторіях, у регуляторах чи в дослідниках, які вже запускають цих агентів усередині живих геномних пайплайнів.
Від дослідницької цікавості до наукової інфраструктури
Більш широкий патерн тут такий: AI Coding Agents у наукових обчисленнях уже не оцінюють — їх розгортають.
Звіт OpenAI — це польовий звіт, а не наукова стаття. Ця різниця має значення.
Наукова стаття описує, що можливо в контрольованих умовах. Польовий звіт описує, що сталося, коли реальні вчені застосували реальні інструменти до реальних задач і виміряли результат.
Історично наукові обчислення відставали від споживчого програмного забезпечення в ухваленні нових інструментів.
18-місячне до 1-тижневого стиснення, описане в звіті OpenAI, свідчить, що ця прогалина закривається швидше, ніж більшість інституцій встигли запланувати. Лабораторії та університети, які ще не оцінили свої застарілі кодові бази на предмет модернізації за допомогою агентів, тепер помітно відстають від колег, які це вже зробили.
Геноміка — це також не щось унікальне лише для біології.
Комп’ютерна хімія, моделювання клімату, астрофізика та матеріалознавство працюють на кодових базах подібного віку з приблизно такими ж рідкісними пулами відповідальних мейнтейнерів. Динаміка, яка зробила геноміку першопрохідцем, застосовна до кожної наукоємної сфери, де багато обчислень.
Те, що OpenAI задокументував в одній сфері, імовірно, буде відтворюваним у десятках інших.
Читати далі: Sparrow Wallet у магазині Apple був фейковим, і $1,8 млн зникли