在科学探索的征途上，一项突破性研究引发了广泛关注：OpenAI的最新成果显示，其研发的GPT-5模型在无需人类干预决策的情况下，通过五轮自主优化实验，成功将分子克隆效率提升至原来的79倍。这一进展标志着人工智能首次在真实物理实验环境中展现出超越传统方法的创新能力，为科研领域带来了新的变革契机。
分子克隆作为生物技术的基础环节，其效率长期受限于两个关键步骤：DNA片段的组装与转化。传统方法往往通过微调现有流程寻求改进，而GPT-5则采取了截然不同的策略。在转化环节，它颠覆了实验室“轻柔操作”的潜规则，提出通过离心浓缩细胞并增加DNA接触频率的方案。实验数据显示，这种“暴力优化”使转化效率提升了超过30倍，证明了物理概率层面的突破比经验性操作更具潜力。
在组装阶段，GPT-5展现了跨学科融合的智慧。它创造性地结合了两种鲜少联用的蛋白质——gp32与RecA。前者如同纳米级梳子，负责理顺DNA单链；后者则充当分子向导，精准匹配同源序列。通过设计温度调控的阶梯式反应流程，该方案使组装效率较基准方法提升2.6倍。当两项优化叠加时，整体效率呈现乘法效应，最终达成79倍的惊人提升。
这一成果的取得并非依赖预设方案，而是通过五轮严格的“实验-反馈-优化”循环逐步迭代完成。初期尝试中，多个理论可行的方案在真实环境中失效，但GPT-5展现出强大的自适应能力。它通过分析失败数据，在后续轮次中修正方向，并逐渐发展出任务规划能力。例如，在第三轮实验中，模型自主提出引入新型工具蛋白，并精确设计了反应温度与时间参数，展现出对实验节奏的深度掌控。
为确保结果的普适性，研究团队构建了全自动化实验平台。GPT-5通过自然语言生成实验协议，经中间层转换为机器人操作指令，驱动机械臂完成离心、移液等精密动作。配备视觉识别系统的机器人能实时定位实验器材，即使试剂盒位置偏移数厘米，仍可准确执行任务。对比实验表明，机器人与人类实验员在优化趋势上高度一致，尽管受硬件限制，绝对产量仍低于人工操作，但已验证了AI方案的可靠性。
这项研究不仅改变了实验效率，更重塑了科研范式。传统分子克隆可能需要数十次重复才能获得理想结果，而优化后的流程仅需单次实验即可达成。更重要的是，AI承担了90%的底层优化工作，使科学家得以从重复劳动中解放，转而聚焦更具颠覆性的课题设计。研究团队特别强调，实验全程在严格受控的“良性系统”中开展，以防范潜在生物安全风险，这种谨慎态度从侧面印证了技术突破的深远影响。
当代码开始驱动试管中的反应，科学发现的边界正在被重新定义。GPT-5的实践表明，人工智能已具备在物理世界中自主探索未知路径的能力。这种能力不再局限于数字模拟，而是通过持续反馈形成闭环，为加速生物研究开辟了新路径。随着自动化技术与AI的深度融合，未来的科研竞争或将聚焦于算力资源与创意构想的较量，而非个体科学家的体力与经验。
