让 GPT-6.1 Sol 给小鼠做脑部手术定位:第一轮 169 秒、歪了 0.6 毫米,第三轮 86 秒、0.3 毫米
让 GPT-6.1 Sol 给小鼠做脑部手术定位:第一轮 169 秒、歪了 0.6 毫米,第三轮 86 秒、0.3 毫米
先说清楚这是个什么实验,免得你被标题骗了。
GPT-6.1 Sol 没有真的动刀。它干的是一件更难、也更基础的事——在小鼠脑部手术里,找到那个钻头要下的准确位置。
小鼠脑立体定位手术的第一步,也是最考验基本功的一步:找到头骨上的 Bregma 和 Lambda 两个解剖标志点,结合脑图谱,把目标脑区转换成前后、左右、深度三个方向的坐标。
听起来像”找几个交点”,实际上卡住了无数刚开始做这类实验的研究人员:头骨缝合线不总是清晰可辨,小鼠个体之间有解剖差异,头部固定角度和水平校准都会影响坐标。学界甚至专门讨论过不同测量方法带来的 Bregma 定位误差。
这是一个需要反复练习才能形成肌肉记忆的活。现在,AI 开始学它了。
三轮实验,三个数字都在下降
做这件事的是生物科技初创公司 Exin Therapeutics 的联合创始人兼 CEO Gabriel Ocana-Santero。他让 GPT-6.1 Sol 连续参与三轮小鼠脑部手术定位。
每一轮结束后,由专业外科医生检查模型的定位结果,纠正不准确的地方。而模型会把自己的估计图像、测量数据、以及专家的修正记录全部保存下来,供下一轮参考。
三轮下来:
| 指标 | 第一轮 | 第三轮 | 变化 | |—|—|—|—| | 寻找解剖标志时间 | 169 秒 | 86 秒 | 缩短约一半 | | 需要专家纠正的次数 | 4 次 | 2 次 | 减少一半 | | 定位误差 | 0.6 毫米 | 0.3 毫米 | 直接减半 |
三个指标同步下降,方向一致。这不是某一次碰巧运气好,是每轮都在变好。
Ocana-Santero 给这个过程起了个名字:基于真实世界经验的上下文学习(In-context Learning)。
“上下文学习”这四个字,比数字更值得琢磨
传统模型训练是另一条路:收集数据、算损失、跑反向传播、更新权重。你要模型获得新能力,就得动参数。
这次的机制完全不同——它没有动参数。
模型做的事情是:把上一次的观察结果、测量数据、专家的纠正意见留下来,下一次操作时读进去,当作参考。
这更接近人类学徒的学习方式:先做,被师傅纠正,带着上一次的经验再做一遍。
但正因为不同,有一句话必须说清楚:
目前团队没有披露这套经验记录具体如何接入模型,也不确定是否涉及底层权重更新。
所以,不能把它描述成”GPT-6.1 Sol 通过三次手术完成了自主训练”或”参数层面的自我进化”。它更准确的描述是:模型在一个持续的会话里积累了操作性经验,并在后续任务中利用了这些经验。
这是能力的体现,但不是”进化”。
我更在意的一个问题:这是真实手术还是模拟演示?
原文自己提出了这个疑问,我觉得比任何数字都重要。
如果这一切发生在模拟器里——模型看的是一张张静态图像,在软件界面里标点,专家在旁边打分——那么它证明的是:AI 能在视觉定位任务上快速收敛。
如果这真的接入了手术设备,模型的判断最终影响了钻头落点,那意义完全不同——那是把 AI 的判断放进了有物理后果的循环里。
从披露的信息看,更接近前者:模型根据实验图像判断 Bregma 和 Lambda 的位置,给出自己的定位结果,专家检查修正。也就是判定环节,不是执行环节。
但这个区分必须说清楚,因为它决定了这项实验到底是”AI 学会了定位”还是”AI 学会了做手术”。这两件事之间的差距,比 0.6 毫米到 0.3 毫米大得多。
三个判断
第一,0.6 毫米到 0.3 毫米在神经科学里是实打实的差距。
小鼠脑的尺寸很小,0.3 毫米的误差可能意味着注射进了相邻的核团而不是目标核团。这类实验失败很多不是”技术不行”,是”扎偏了一点”。
所以这个精度提升,如果能在更多样本上重复,是有实际价值的。
但必须加一句:三次操作,样本量太小了。
三次能证明”有改善趋势”,不能证明”掌握了能力”。真正的验证需要几十上百次,跨不同个体、不同操作者、不同实验条件。Ocana-Santero 自己也说了,距离证明稳定的手术能力还有很长距离。
第二,”专家纠正”这个环节,是整件事最关键的设计,也是最容易被忽略的成本。
模型进步的前提是有人类专家在旁边逐轮纠错。这不是”AI 自主学会的”,这是”AI 在有师傅带的情况下学得更快”。
这个区分很重要,因为它决定了这件事能否规模化:
– 一个能请到专业外科医生逐轮纠错的团队,可以用这套方法 – 一个没有专家的团队,用不了
所以这项实验真正证明的,可能不是”AI 能学手术”,而是”专家反馈 + 持续性上下文,是一种高效的技能传递方式”。
这套模式可以推广到任何有专家可纠错的领域——但不是任何领域都有专家愿意花时间逐轮纠错。
第三,这是 AI for Science 里一个正在成形的模式:从”看数据”到”做操作”。
之前写过 Claude 处理冷冻电镜数据、设计实验方案、纠正自己的错误。现在 GPT-6.1 Sol 参与活体手术的定位判断。
共同点是:AI 的输入不再只是论文和数据集,是真实实验产生的一手信号——图像、测量值、误差、专家的纠正。
这个变化的意义在于:真实世界的反馈,是唯一不能造假、也不能靠堆数据刷出来的信号。
如果这条路走通,AI 在实验科学里的角色会变——从”帮我分析这堆数据”,变成”我们一起做这个实验”。
—
*实验方:Exin Therapeutics(联合创始人兼 CEO Gabriel Ocana-Santero)* *模型:GPT-6.1 Sol(三轮小鼠脑立体定位手术)* *数据:169s → 86s;纠正 4 次 → 2 次;误差 0.6mm → 0.3mm* *机制:上下文学习(保留图像、测量、专家修正记录)* *关键限定:未披露经验如何接入模型,不涉及已证实的权重更新;需区分真实手术与模拟环境* *来源:36氪 / 新智元*