חוקר אימונולוגיה ותיק עם שלושה עשורים של ניסיון היה תקוע שלוש שנים על תעלומה שהמעבדה שלו לא הצליחה לפצח. ואז הוא נתן את הנתונים ל-GPT-5 Pro, והמודל פיצח אותה. הסיפור הזה, שפורסם לאחרונה על ידי OpenAI, הוא דוגמה מרשימה לכך שבינה מלאכותית הופכת לשותפה אמיתית למחקר מדעי. אבל הלקח האמיתי כאן עדין ומעניין יותר מסתם בינה מלאכותית שפתרה את המדע. בכתבה הזו נספר את הסיפור, ונבין מה הוא באמת מלמד אותנו.
התעלומה שתקעה מעבדה שלמה
החוקר, דריה אונוטמאז, הוא רופא ואימונולוג שחוקר כבר שנים את תאי ה-T, אותם תאי מערכת חיסון שעוזרים לגוף להילחם בנגיפים, להרוג תאים סרטניים, ולהבחין בין תא בריא לאיום. השאלה שהעסיקה אותו הייתה כיצד גלוקוז, סוג של סוכר, משפיע על האופן שבו תאי ה-T מתפתחים ומתמחים בתפקידים שונים, נושא שיש לו השלכות על סרטן, מחלות אוטואימוניות וזיהומים.
ב-2022 הוא ערך ניסוי, שבו חשף תאי T בתחילת התפתחותם לשני תנאים, סביבה דלת גלוקוז, ומולקולה שמשבשת את היכולת של התא להשתמש בגלוקוז. הוא ציפה ששני התנאים יובילו לתוצאה דומה, שהרי בשניהם האנרגיה מוגבלת. אבל זה לא מה שקרה. התאים שנחשפו למולקולה המשבשת ייצרו בכמות גדולה תאים שאחראים על תגובה דלקתית, הרבה מעבר למה שקרה בסביבה דלת הגלוקוז. ההבדל הזה לא יכול היה לנבוע ממחסור באנרגיה בלבד, ומשהו אחר התרחש שם. אונוטמאז והצוות שלו פשוט לא הצליחו להבין מה, אז הם גנזו את הניסוי והמשיכו הלאה.
איך GPT-5 פיצח את זה
בסוף 2025, כשיצא GPT-5 Pro, אונוטמאז החליט להחזיר את הניסוי הישן לחיים. הוא העלה את התוצאות למודל וביקש ממנו לנתח אותן. המודל הציע הסבר, שהמולקולה המשבשת פגעה בייצור של חלבון בשם IL-2. החלבון הזה מונע בדרך כלל מתאי T להפוך לתאים דלקתיים מסוג מסוים, ולכן פגיעה בו הסירה בעצם את החסם, ואיפשרה לתאים להפוך לאותם תאים דלקתיים. זה הסביר את התוצאה המוזרה.
לדברי אונוטמאז, מדובר בתובנה יוצאת דופן שבדיעבד מתיישבת בצורה מושלמת. היא פשוט הייתה קצת מחוץ לתחום המומחיות הספציפי שלו, וגם הוא וגם אנשי המעבדה שלו לא ראו את הקשר בעצמם.
הרגע ששינה את דעתו
הצעד הבא הוא מה שבאמת שכנע אותו. אונוטמאז החליט לבדוק אם GPT-5 מסוגל לחזות תוצאה של ניסוי. הוא בחר ניסוי שכבר ביצע בעבר, על סוג מסוים של תאי T שתוקפים לימפומה, וביקש מהמודל לדמות אותו. המודל חזה נכון את התוצאה, שאותם תאים אכן הופכים יעילים יותר בהריגת תאי הלימפומה.
הנקודה החשובה היא שהמודל לא יכול היה למצוא את התשובה באינטרנט, פשוט כי אונוטמאז עדיין לא פרסם את התוצאות בשום מקום. לדבריו, זה היה הרגע שבו הרגיש שהמודלים הגיעו לנקודה שבה הם באמת מבינים, ולא רק מנחשים.
מה זה אומר על AI במחקר
אונוטמאז מתאר את הכלים האלה כשותפים למחקר. הם יכולים לקצר סקירות ספרות, ולעבד מאות מאמרים אקדמיים שמתפרסמים מדי שבוע, לעזור לזהות שאלות שעדיין אין עליהן תשובה, ולחדד השערות. במקום לבזבז שבועות, חודשים, ולפעמים שנים על ניסויים, הוא משתמש במודל כדי לדמות תוצאות מראש ולהחליט אילו ניסויים בכלל שווה להריץ במעבדה. הוא אף אמר שהבינה המלאכותית הפכה כל כך מרכזית בעבודתו, שהוא כבר לא יכול לדמיין לעשות מדע בלעדיה.
אבל, האדם עדיין חיוני
כאן מגיע החלק החשוב באמת, שמאזן את הסיפור. הבינה המלאכותית אמנם ייצרה את התובנה, אבל היה צורך במומחה אנושי כדי להעריך אם היא משמעותית ונכונה. מישהו בלי הרקע של אונוטמאז פשוט לא היה יודע לזהות אם מה שהמודל הציע הוא פריצת דרך או שטות. במילים אחרות, זה לא סיפור של AI שמחליף מדען, אלא של מדען מומחה ש-AI מכפיל את היכולות שלו. שווה גם לזכור שזהו סיפור שפורסם על ידי OpenAI עצמה, שמקדמת את המודל שלה ככלי מחקר.
יש כאן גם צד שדורש זהירות. אותן יכולות שמאיצות מחקר בביולוגיה וברפואה יכולות גם להוריד את רף הכניסה לשימוש לרעה, למשל בידי גורמים שמנסים לפתח נשק ביולוגי או כימי, ולכן חברות ה-AI צריכות לבנות מנגנוני הגנה סביב היכולות האלה.
המבט הרחב, מה זה אומר לכולנו
הסיפור הזה חורג הרבה מעבר לאימונולוגיה. המודל של בינה מלאכותית כשותפה חושבת, שלוקחת אות מבלבל ומציעה כיוון שימושי, רלוונטי כמעט לכל תחום, מניתוח עסקי ועד הנדסה. הרעיון זהה, ה-AI יכול להאיץ ולהציע, אבל אדם שמבין בתחום עדיין צריך לשפוט את התוצאה. הלקח הוא שהבינה המלאכותית הופכת לשותפה חזקה, ושמי שירוויח הכי הרבה הם המומחים שיודעים לעבוד איתה נכון.
בשורה התחתונה זוהי אבן דרך אמיתית ומעוררת השראה, שמראה איך בינה מלאכותית הופכת לשותפה למחקר. היא לא החליפה את החוקר, אלא נתנה לו עוד חצי מוח, כפי שהוא עצמו תיאר. העתיד נראה כמו שילוב של מומחיות אנושית ובינה מלאכותית, והסיפור הזה הוא דוגמה מוקדמת וחיה לכך. ובעוד שכאן ה-AI שימש ככלי בידי מומחה, יש כבר מערכות שמנסות לעשות את כל המחקר לבד, אבל זה כבר נושא לכתבה אחרת.
1. מה הייתה התעלומה שתקעה את המעבדה?
דריה אונוטמאז, רופא ואימונולוג שחוקר שנים את תאי ה-T (תאי מערכת חיסון שעוזרים לגוף להילחם בנגיפים ולהרוג תאים סרטניים), היה תקוע שלוש שנים על שאלה שהמעבדה שלו לא הצליחה לפצח. ב-2022 הוא ערך ניסוי שבו חשף תאי T בתחילת התפתחותם לשני תנאים: סביבה דלת גלוקוז, ומולקולה שמשבשת את היכולת של התא להשתמש בגלוקוז. הוא ציפה שהתוצאה תהיה דומה כי בשניהם האנרגיה מוגבלת, אבל התאים שנחשפו למולקולה המשבשת ייצרו בכמות גדולה תאים שאחראים על תגובה דלקתית, הרבה מעבר למה שקרה בסביבה דלת הגלוקוז. ההבדל לא יכול היה לנבוע ממחסור באנרגיה בלבד, והצוות פשוט לא הצליח להבין מה קרה, אז גנז את הניסוי.
2. איך GPT-5 פיצח את התעלומה?
בסוף 2025, כשיצא GPT-5 Pro, אונוטמאז העלה את התוצאות הישנות למודל וביקש ממנו לנתח אותן. המודל הציע הסבר: המולקולה המשבשת פגעה בייצור של חלבון בשם IL-2, שמונע בדרך כלל מתאי T להפוך לתאים דלקתיים מסוג מסוים. הפגיעה בו הסירה בעצם את החסם ואיפשרה לתאים להפוך לאותם תאים דלקתיים, וזה הסביר את התוצאה המוזרה. לדברי אונוטמאז מדובר בתובנה יוצאת דופן שבדיעבד מתיישבת בצורה מושלמת, אבל הייתה קצת מחוץ לתחום המומחיות הספציפי שלו, כך שגם הוא וגם אנשי המעבדה שלו לא ראו את הקשר בעצמם.
3. מה היה הרגע ששינה את דעתו על המודל?
הצעד הבא הוא מה שבאמת שכנע אותו. אונוטמאז החליט לבדוק אם GPT-5 מסוגל לחזות תוצאה של ניסוי, ובחר ניסוי שכבר ביצע בעבר על סוג מסוים של תאי T שתוקפים לימפומה, וביקש מהמודל לדמות אותו. המודל חזה נכון את התוצאה, שאותם תאים אכן הופכים יעילים יותר בהריגת תאי הלימפומה. הנקודה החשובה היא שהמודל לא יכול היה למצוא את התשובה באינטרנט, פשוט כי אונוטמאז עדיין לא פרסם את התוצאות בשום מקום, ולדבריו זה היה הרגע שבו הרגיש שהמודלים הגיעו לנקודה שבה הם באמת מבינים ולא רק מנחשים.
4. מה זה אומר על תפקיד ה-AI במחקר?
אונוטמאז מתאר את הכלים האלה כשותפים למחקר. הם יכולים לקצר סקירות ספרות ולעבד מאות מאמרים אקדמיים שמתפרסמים מדי שבוע, לעזור לזהות שאלות שעדיין אין עליהן תשובה, ולחדד השערות. במקום לבזבז שבועות, חודשים ולפעמים שנים על ניסויים, הוא משתמש במודל כדי לדמות תוצאות מראש ולהחליט אילו ניסויים בכלל שווה להריץ במעבדה, ואף אמר שהבינה המלאכותית הפכה כל כך מרכזית בעבודתו שהוא כבר לא יכול לדמיין לעשות מדע בלעדיה.
5. למה האדם עדיין חיוני, ומה הלקח הרחב?
זה החלק החשוב שמאזן את הסיפור. הבינה המלאכותית אמנם ייצרה את התובנה, אבל היה צורך במומחה אנושי כדי להעריך אם היא משמעותית ונכונה, ומישהו בלי הרקע של אונוטמאז פשוט לא היה יודע לזהות אם מה שהמודל הציע הוא פריצת דרך או שטות. זה לא סיפור של AI שמחליף מדען, אלא של מדען מומחה ש-AI מכפיל את היכולות שלו. כדאי גם לזכור שזהו סיפור שפורסם על ידי OpenAI עצמה, ושיש צד שדורש זהירות, כי אותן יכולות שמאיצות מחקר ברפואה יכולות גם להוריד את רף הכניסה לשימוש לרעה. הלקח הרחב הוא שהדפוס רלוונטי כמעט לכל תחום: ה-AI יכול להאיץ ולהציע, אבל אדם שמבין בתחום עדיין צריך לשפוט את התוצאה, ומי שירוויח הכי הרבה הם המומחים שיודעים לעבוד איתו נכון.
