LLMs能够从目标导向的指令中生成生物实验室自动化的机器人脚本。
摘要：实验室自动化在生命科学领域中广泛使用可极大加快人类科学研究活动。然而，编写操作机器人的计算机程序需要技术知识和技能，这可能不是研究者培训或专长的一部分。近年来，大型语言模型（LLMs），如GPT-4，取得了显著发展，它可以根据自然语言指令生成计算机代码。在本研究中，我们使用包括GPT-4在内的LLMs，根据模糊的指令生成生物实验中机器人操作的脚本。GPT-4成功地根据自然语言中简单的指令，而无需指定机器人动作，为OT-2液体处理机器人生成脚本。传统上，将生物实验的细微差别转化为低级别机器人动作需要研究人员了解生物学和机器人技术，想象机器人动作并编写机器人脚本。我们的结果表明，GPT-4可以通过简单的提示将生物实验的背景与机器人操作连接起来，具有专家级的语境理解和固有知识。用不考虑机器人行为的自然语言LLM指令替代对生物研究人员来说枯燥乏味的机器人脚本编程，可以极大地增加从自动化生物实验中受益的研究人员数量。
作者：Takashi Inagaki, Akari Kato, Koichi Takahashi, Haruka Ozaki, Genki N. Kanda
论文ID：2304.10267
分类：Quantitative Methods
分类简称：q-bio.QM
提交时间：2023-04-21