LLM:illä on sanamalleja. Asiantuntijoilla on maailmanmalleja. Siinä on koko aukko. LLM kirjoittaa sopimuksen, joka lukee täydellisesti. Asianajaja näkee tarkalleen, miten vastapuolen asianajaja repii sen palasiksi. Sama biologiassa. Malli ennustaa proteiinirakenteen. Biologi kysyy: miten se käyttäytyy, kun solu on stressaantunut, tulehtunut tai kuolee? Seuraava tekoälyn raja ei ole älykkyys. Kyse on simulaation syvyydestä.

Tänään X-syötteeni on täynnä oikeita lääketieteellisiä läpimurtoja: 🇲🇽 Meksikolaiset tutkijat eliminoivat HPV:n 🇪🇸 Espanjalaiset tutkijat paransivat eturauhassyövän hiirillä 🇯🇵 Japani palautti motorisen toiminnan halvaantuneilla potilailla uudistavan lääketieteen avulla 🇰🇷 Korealaiset tutkijat raportoivat kääntävänsä paksusuolen syövän takaisin 🇻🇳 Vietnamilaiset lääkärit osoittavat, että verisyöpä voidaan hoitaa täysin Biolääketiede etenee ennennäkemättömällä ja kiihtyvällä vauhdilla. Aidosti loistava päivä lääketieteelle. 🧬🚀

Kaikki ovat innoissaan "AI for Science" -ohjelmasta vuonna 2025! Vuoden lopussa sallikaa minun jakaa levottomuuteni ja optimismini, erityisesti tekoälyn ja biologian suhteen. Vietettyäni vielä yhden vuoden syvällä biologisten perustusmallien, terveydenhuollon tekoälyn ja lääkeaineiden löytämisen parissa, tässä on kolme oppia, jotka opin vuonna 2025. 1. Biologia ei ole "vain toinen menetelmä." Suurin väärinkäsitys, jonka näen edelleen: "Biologia on tekstiä + kuvia + kaavioita. Vain mittakaavan muuntajia." Ei. Biologia on kausaalinen, hierarkkinen, stokastinen ja epätäydellinen tavoilla, joita kieli ja näkö eivät ole. Tokenit eivät vastaa täysin todellisuutta. Nimitykset ovat harvassa, puolueellisia ja usein vääriä. Perustotuus on ehdollinen, kontekstista riippuvainen ja joskus tuntematon. Olemme edistyneet todellista – yksisolu, kuvantaminen, genomiikka ja EHR:t mallinnetaan vihdoin yhdessä – mutta karu totuus on tämä: Useimmat biologiset signaalit eivät ole valvottuja ongelmia, jotka odottavat parempia häviötoimintoja. Ne ovat interventiopohjaisia ongelmia. Ne vaativat häiriöitä, vastaväitteitä ja mekanismeja, pelkän ennustamisen lisäksi. Skaalaus auttaa tietenkin. Mutta ilman kausaalista rakennetta skaalaus antaa enimmäkseen terävämpiä korrelaatioita. Vuosi 2025 vahvisti uskoani siihen, että biologiset perustamallit on rakennettava häiriöiden, epävarmuuden ja toteutettavuuden ympärille, ei pelkästään edustuksellisen oppimisen ympärille. 2. Vertailuarvot hidastavat biologiaa enemmän kuin laskenta. Ollaan rehellisiä: tekoälyn ja biologian vertailu on edelleen rikki. Kaikki ilmoittavat SOTA:sta. Jokainen valitsee eri aineiston viipaleen. Jokainen valitsee eri mittarin. Kaikki välttävät tulevaa hyväksyntää. Olemme tuoneet ML:n benchmarkauksen pahimmat tavat alueelle, jossa panokset ovat paljon korkeammat. Biologiassa ja terveydenhuollossa 1 %:n hyöty, joka ei siirry eteenpäin, on pahempi kuin hyödytön – se on harhaanjohtavaa. Mitä puuttuu, ei ole lisää vertailuarvoja. Se on kovia vertailuarvoja: •Prospektiivinen, ei retrospektiivinen •Perturbaatiopohjainen, ei staattinen •Monitoimipaikka, ei yksittäinen laboratorio •Epäonnistumistietoinen, ei tulostaululle optimoitu Jos mallisi toimii vain sillä aineistolla, joka sen loi, se ei ole perustamalli – se on aineiston artefakti. Vuonna 2026 tarvitsemme vähemmän näyttäviä juonia ja enemmän nöyryyttä, tarkkuutta ja negatiivisia tuloksia. 3. "Päättely" biologiassa ei ole ajatusketjua. On kasvava taipumus soveltaa sanaa päättely suoraan biologisiin LLM-tutkimuksiin. Ollaan varovaisia. Biologinen päättely ei ole sanallista sujuvuutta, pidempiä kontekstiikkunoita tai kauniimpia selityksiä. Nämä ovat pintapuolisia parannuksia. Biologian todellinen päättely näkyy muualla: hypoteesien muodostamisessa, kokeiden päättämisessä, uskomusten päivittämisessä, kun häiriöt epäonnistuvat, ja jatkuvassa kustannusten, riskin ja epävarmuuden vaihtamisessa. Malli, joka selittää reitin kauniisti mutta ei osaa päättää, minkä kokeen seuraavaksi tehdä, ei ole järkeilyä, vaan kertomista. Vuosi 2025 vakuutti minut siitä, että tulevaisuus on agenttisessa biologisessa tekoälyssä: järjestelmät, jotka yhdistävät perustusmallit kokeiluun, simulointiin ja päätöksentekosilmukoihin. Loppuajatus: Tekoäly ja biologia eivät jää jälkeen tekoälystä koodin tai kielen osalta. Se on vain vaikeampaa peliä. Rajoitteet ovat todellisia. Data on sekavaa. Palautesilmukat ovat hitaita. Seurauksilla on merkitystä. Jos vuosi 2025 selvensi minulle jotain, se on tämä: Emme tee edistystä käsittelemällä biologiaa kuin tekstiä. Edistymme rakentamalla tekoälyä, joka käyttäytyy enemmän kuin tiedemies: skeptinen, iteratiivinen ja valmis olemaan väärässä. Kohti vuotta 2026.