Hugging Face が新しい AI モデルを発表: Qianwen に基づいて、科学者が「DNA とチャット」できるようになります

要約:

Business Insider によると、AI 企業の Hugging Face は木曜日、新しい AI モデル Carbon-X の発売を発表しました。これは科学者がより簡単に DNA を研究し、新しい遺伝子治療を開発するのに役立つと期待されています。ハグ・フェイス氏は、Carbon-XはDNAの理解と生成のための140億のパラメーターを備えたオープンモデルだと述べた。

顔を抱きしめる

Carbon-X は、DNA 配列と自然言語を同じモデルに統合します。研究者は、特定の DNA 配列について質問し、突然変異の影響を予測し、新しい DNA 配列を生成できます。また、特殊なサブエージェントとして機能し、他のモデル自身が理解するのに苦労している DNA 配列の解読を支援することもできます。

Qianwen 大型モデルに依存する

Hugging Face 社の上級研究員である Lewis Tunstall 氏は、Carbon-X は DNA 解析および生成機能と自然言語を初めて組み合わせ、研究者が DNA 配列について質問し、本質的に「DNA と会話」できるようになると述べました。

Hugging Face はイタリアと中国の研究所と協力して、オープンソース モデルである Carbon-X を開発しました。 Hugging Face は、ゲノム配列と自然言語を使用して既存の言語モデル Qwen3-14B をトレーニングすることにより、Carbon-X を開発しました。このモデルは、人間、他の哺乳類、植物、菌類の DNA 配列を使用してトレーニングされました。

Hugging Face 氏は、5 つの DNA 理解および生成ベンチマーク全体で、Carbon-X は同社が評価した他のすべてのオープンソース モデルより優れたパフォーマンスを示し、平均スコアは GPT-6.1 Sol に近かったが、質問ごとの推論コストはわずか 1/1800 であったと述べました。 Qwen3-14B と比較して、Carbon-X のスコアは 27 ポイント増加しました。これは、トレーニングに DNA データを直接使用することでオープン言語モデルのパフォーマンスを向上できることを示しています。

Carbon-X のランニングスコアは GPT-6.1 Sol に近い

Carbon-X の応用シナリオについて語る際、タンストール氏は、研究者が DNA 配列をモデルに提供し、特定の突然変異が人の病気のリスクを高めるかどうかを尋ねることができる例を挙げました。その後、モデルは予測と説明を提供します。また、新しい DNA 配列を生成することもできるため、研究者による新しい遺伝子治療の開発に役立ちます。

大企業への過度の依存を防ぐ

タンストール氏は、Hugging Face が Carbon-X を開発する動機の一部は、生物学研究者が大規模な AI 研究室に依存するのを防ぐことだったと述べた。同氏は、AIが数学の分野に破壊的な影響を与えていると指摘した。

「本当に数学研究の最前線を押し広げたいのであれば、おそらく OpenAI や Anthropic のような AI ラボで働く必要があります。なぜなら、彼らには最高の数学モデルがあるからです。」タンストール氏は語った。同氏は、同様の状況が科学の他の分野でも起こる可能性があると考えている。

彼はさらに次のように付け加えました。「オープンな研究コミュニティが 1 つの外部ベンダーに完全に依存する必要がないように、オープンな研究コミュニティにツールを提供したいと考えています。」

研究者は、機密の患者データを外部の AI 企業と共有することなく、自分のコンピュータで Carbon-X を実行できます。タンストール氏はまた、今年7月にOpenAIエージェントがHugging Faceに侵入した有名な事件で明らかになった問題など、大規模なモデルで観察された一部の動作の不正確さは、小規模でよりプロフェッショナルなモデルにはまだ現れていない、とも述べた。

一般的なチャットボットも、「生物兵器を設計」しようとしていると誤解しているため、研究者からの正当な生物学的質問への回答を拒否することがある、とタンストール氏は述べた。同氏によると、モデルの悪用を防ぐため、Carbon-Xのトレーニングデータではウイルス関連のデータが明示的に除外されているという。

Carbon-X は主に研究者によって使用される可能性が高いが、タンストール氏は、このモデルは AI がより個別化された医療の提供に役立つと期待される未来に向けた小さな一歩であると述べました。

「最終的な目標は、私たち一人ひとりが自分の医療記録とゲノムデータを使用して、最終的には自分に合った治療計画を見つけ、場合によっては設計することができる個別化医療を実現することだと思います。」と彼は言いました。