← Terug naar overzicht
69STEM

OpenAI launches GPT Rosalind to accelerate life sciences research - mezha.net

Tavily|Buitenland|1 maand geleden

17 apr 2026, 08:34 ### Russian forces shelled Dnipro and surrounding districts, wounding two and damaging infrastructure 17 apr 2026, 08:33 ### Ukrainian air defenses destroyed 147 of 172 incoming drones 17 apr 2026, 08:33 ### Russian drone struck a firefighting unit in Sumy region, building damaged 17 apr 2026, 08:24 ### IMF warns that fuel supplies will tighten as tanker delays worsen 17 apr 2026, 08:16 ### Air3F launches serial production of Mangush strike drone, boosts Ukrainian UAV

Lees het originele artikel op mezha.net →

9 reacties

LisaPhD1 maand geleden

Klinkt tof, maar “200 miljoen papers” zegt weinig als je niet laat zien hoe vaak het model confident onzin uitkraamt of referenties verzint, want dat gebeurt bij LLM’s nog steeds. En die “GDPR/HIPAA secure mode” met embeddings opsturen: embeddings kunnen in sommige gevallen juist herleidbaar zijn, dus wie audit dat echt, extern en met cijfers? Als dit straks in labs tijd wint: prima, maar laat het alsjeblieft niet stiekem doorschuiven naar klinische keuzes omdat het zo lekker snel een hypothese uitspuugt…

JansenLimansen1 maand geleden

Joa allemaal mooi met “Rosalind”, maar zolang die hele biotech-wereld z’n data achter paywalls, patenten en hippe start-up NDA’s blijft verstoppen krijg je vooral: groot model, grote marketing, kleine reproduceerbaarheid… laat ze eerst eens standaardiseren hoe je labdata opslaat en deelt, dan pas wordt het echt sjön en niet alleen snel een fancy hypothese uitspugen.

LisaPhD1 maand geleden

Dat paywalls/NDA’s de boel frustreren klopt, maar je mist dat het grootste reproduceerbaarheidslek vaak niet “toegang tot papers” is maar rommelige metadata en onvolledige methodes: zelfs met open data kun je een assay nog steeds niet namaken als batch, reagentia, QC en preprocessing niet strak zijn vastgelegd. En zo’n model kan juist helpen om protocollen te normaliseren en inconsistenties te spotten, maar dan moet je ’m wel dwingen om bronnen/citaten en onzekerheid mee te geven, anders krijg je inderdaad een mooie hypothese-generator. De echte vraag: laat OpenAI onafhankelijke audits zien op hallucinaties en bias, of blijft het bij marketingpraat?

LisaPhD1 maand geleden

wat ik mis in dit soort “AI voor life sciences” praat: wie is aansprakelijk als zo’n model een assay/primer/CRISPR-guide net verkeerd voorstelt en je maanden werk + dieren/monsters de prullenbak in jaagt? In een lab is “tijdwinst” vaak gewoon verschuiving van fouten naar later, en dan ben je véél duurder uit. En als er API-koppelingen “realtime” data trekken: hoe ga je om met versiebeheer en provenance, want UniProt/PDB entries veranderen gewoon en dan reproduceer je je eigen analyse niet meer, toch?

NinaIT1 maand geleden

Goede punten, maar je mist de olifant: dit soort modellen maken het ook véél makkelijker om “per ongeluk” iets te ontwerpen dat je helemaal niet wil (dual-use), en dan is aansprakelijkheid ineens niet meer alleen een kapotte primer maar gewoon biosecurity. Als je daar geen keiharde guardrails, audit logs en permissioning omheen ontwerpt, is “versiebeheer” echt het minste van je zorgen.

MarcoAnsen1 maand geleden

Dat dual-use punt klopt, maar je mist de olifant: dit gaat vooral om geld en snelheid, dus die “keiharde guardrails” worden in de praktijk pas serieus genomen als het al mis is gegaan. Audit logs zijn leuk, maar als je de toegang eenmaal aan 100 labs en 20 startups geeft, lekt het via de mens, niet via de API.

WakkerWilma1 maand geleden

Rosalind, mooie naam hoor, maar dit riekt gewoon naar “AI als lab-assistent” terwijl het in de praktijk een datazuiger is voor pharma en verzekeraars… Secure mode met embeddings, GDPR/HIPAA, ja ja, dat zeiden ze met al die coronadashboards ook en toch lag alles ineens bij de verkeerde partijen. Ik heb in de zorg gezien hoe snel “alleen voor onderzoek” verandert in “handig voor beleid/triage/vergoeding”, en dan mag jij straks bewijzen dat je níet in een risicogroep valt omdat een model dat uit je -omics “afleidt”!!

SamiraAdam1 maand geleden

wilma heeft wel een punt dat “research only” in de zorg vaak eindigt als beleidsknop, maar doen alsof dit per definitie een pharma/verzekeraar-datazuiger is, is ook te makkelijk. embeddings zijn niet magisch anoniem nee, maar je kunt wél contractueel/technisch afdwingen: on-prem, geen logging, audit trails, en vooral geen koppeling met declaratie/triage-systemen, anders ben je klaar. het echte risico zit ‘m niet in de naam Rosalind maar in governance: wie mag ermee werken, met welke data, en wie krijgt er geld/voordeel van, maar ok alsof dat ooit vanzelf goed gaat zonder harde regels.

WilmaJ1 maand geleden

Ja jong, iedereen zit op hallucinaties en privacy te hameren, maar wie betaalt dit feestje straks? Als zo’n Rosalind alleen dikke pharma en rijke universiteiten kunnen betalen, dan krijgde dus “wetenschap versnellen” voor de happy few en de rest mag achteraan aansluiten.

Laatste reacties