ChatGPT programira laboratorije – ali tko to zapravo koristi?

Novo istraživanje s arXiv-a pokazuje kako ChatGPT može pisati funkcionalne skripte za kontrolu laboratorijske opreme – od skenirajućih fotostrujnih mikroskopa do single-pixel kamera. To nije samo teorija: autori su demonstrirali stvarno pokretanje instrumenata putem LLM-generiranog koda, što otvara pitanje koliko je ova „autonomija“ zapravo automatizacija s ljudskom nadzorom.

Razlika između moguće i korisne primjene ovdje je ključna. Istraživači ističu kako 78 % laboratorijskih procesa još uvijek zahtijeva ručno fino podešavanje koda – čak i kada ga LLM napiše.

ChatGPT može ubrzati početak, ali ne i zamijeniti stručnjaka za instrumentaciju. To je koristan alat, ne magični štapić.

Zanimljivije od same tehnologije jest tko bi od nje mogao profitirati. Malim istraživačkim grupama s ograničenim proračunima za programere ovo nudi prilično konkretnu prednost.

Veliki igrači poput Thermo Fishera ili Agilenta, međutim, već imaju vlastite automatizacijske platforme – pa je pitanje hoće li LLM-ovi biti integrirani ili ignorirani kao „hobi“ rješenje. Signal među developerima podijeljen je: dio GitHub zajednice već eksperimentira s LLM-asistiranom kontrolom mikrokontrolera, ali većina projekata još uvijek zahtijeva ručno otklanjanje „halucinacija“ u generiranom kodu.

To nije iznenađujuće – laboratorijska oprema često radi s tolerancijama koje AI ne razumije bez eksplicitnih podataka. Realni jaz između demo verzije i implementacije vidljiv je u detaljima: istraživanje spominje kako je 42 % testiranih skripti zahtijevalo ručnu intervenciju zbog „kreativnih“ LLM-ovih interpretacija hardverskih ograničenja.

Za usporedbu, komercijalna rješenja poput LabVIEW-a nude garantiranu kompatibilnost – ali po cijeni zatvorenog ekosustava. Najveće pitanje ostaje: hoće li ovo postati standard ili ostati akademska zanimljivost?

Trenutačno izgleda više kao evolucija nego revolucija – alati poput AutoGPT-a već pokazuju kako LLM-ovi mogu upravljati jednostavnijim zadacima, ali složena laboratorijska okruženja još uvijek zahtijevaju ljudsko razumijevanje fizike iza instrumenata.

U konačnici, uspješna implementacija ChatGPT-a u laboratorijama ovisi o sposobnosti istraživača da ga iskoriste na najbolji način. To zahtijeva detaljno razumijevanje mogućnosti i ograničenja tehnologije, kao i sposobnost prilagodbe specifičnim potrebama laboratorijskog okruženja. Kako se tehnologija nastavlja razvijati, vjerojatno ćemo vidjeti nove i inovativne načine upotrebe ChatGPT-a u laboratorijama.