🤯⚡️Vad har JEV, en fluga och en mus gemensamt?

Ingen av dem behöver språk för att visa intelligens. Detta förändrar ju allt!

DFJA är ett prisbelönt nyhetsbrev där Tomas Seo, innovationsstrateg på Phorecast, berättar om händelser, upptäckter, ny teknik och AI som får honom att utbrista: Detta förändrar ju allt! Du prenumererar på det här för att fortsätta vara steget före med de senaste trenderna och få konkreta tips för att framtidssäkra dig och din organisation. Har du fått det här av en vän? Då vill du kanske starta en egen prenumeration?

---

Vad har hänt?

- Anthropic driver ett eget biologilabb som en del av AI-bolagens växande satsningar på fysiska experiment.

Anthropic presenterade i veckan de första konkreta resultaten från sin nya biologiska forskningsgrupp. Runt 950 Claude-agenter fick under 21 timmar söka igenom mer än 200 000 enzymer och identifierade ett tidigare okänt sätt som gener verkar samarbeta på. De kallar det ART vilket står för array-associated reverse transcriptases.

Anthropic lyfter fram likheter med CRISPR [som ledde oss till möjligheten att programmera om DNA] i sin pressrelease och att ART rör enzymer som hittas i bakteriofager, det vill säga virus som infekterar bakterier. Efter att Claude-agenterna identifierat ART så tog mänskliga forskare vid och bekräftade i labb att systemet producerar de RNA-molekyler som Claude förutspått.

Nyheten om ART kommer bara några dagar efter att Reuters bekräftat att Anthropic startat ett så kallat våtlabb (wetlab) i San Francisco. Det är ett labb som utför experiment, analyser och skapar med flytande kemikalier, biologiska ämnen eller levande organismer. (Till skillnad från torrlabb som gör forskningen i datorer eller elektronik)

Enligt Reuters vill Anthropic utveckla Claudes förmåga att på egen hand styra robotar som genomför experiment med begränsad mänsklig inblandning och labbets huvudinriktning är grundläggande biologi.

Även de andra stora AI-bolagen har testat hur AI kan kopplas ihop med biologisk forskning:

OpenAI redovisade i februari ett samarbete där GPT‑5 föreslog experiment som utfördes av robotar i Ginkgo Bioworks våtlabb. Resultaten skickades tillbaka till AI-modellen, som planerade nästa omgång.

Nvidia och Eli Lilly har aviserat ett gemensamt forskningslabb där AI-modeller ska kopplas till automatiserade experiment. Deras uttalade mål är att försöksresultat, nya data och modellutveckling löpande ska förbättra varandra.

Och Google DeepMind har sedan flera år ett Wet Lab-team som bland annat använts för att verifiera AI-designade proteiner. Dessutom har Google ett systerbolag Isomorphic Labs som utvecklar läkemedel med AI.

Men Anthropic är först ut med att direkt skapa ett eget wetlab inhouse för biologiska experiment.

Detta förändrar ju allt

Mitt intresse för AI bottnar i att jag tycker det är spännande att förstå hur vi människor fungerar. Om vi kan göra modeller som simulerar hur vi beter oss så ger det oss en möjlighet att reflektera över vad som är typiskt mänskligt beteende, men också kring varför det blir så att just ett visst beteende blir det mest förekommande.

Jag återkommer till wet labs, men först lite om den nya AI-modellen JEV. Jag hade tillgång till den redan i början av förra veckan, men jag begrep inte riktigt poängen. Den marknadsfördes som en snabb beslutsfattare, men eftersom modellen inte kan motivera sina val så var jag lite ställd över vilka typer av analys jag skulle vilja ha den till?

Jag har länge använt LLM:er för kategorisering och betygssättning, men det har varit för väldigt komplexa beslut så därför trillade inte polletten ner för mig förrän demos:en började komma.

JEV fattar snabba beslut när modellen spelar Doom.

LLM:er har kunnat göra vägval innan, men det har alltid krävt att de först genererar en mindre uppsats om för- och nackdelar med olika val. När jag såg att den här AI-modellen klarade av att fatta beslut snabbt nog för att spela Doom så klickade det för mig. (Eftersom jag nyss skrivit ett nyhetsbrev om hur AI:s snabbhet spelar roll för vilka användningsområden de kan ha så borde jag väl fattat det tidigare…)

Moderna LLM:er är visa filosofer som väger för och nackdelar, men vad skaparna av JEV hittat på försöker replikera en helt annan hjärnfunktion, instinktiv reflex. Eller system ett-hjärnan som de kallar det efter psykologen Daniel Kahneman populärvetenskapliga bok Thinking fast, thinking slow som beskriver hur vi har två typer av hjärnfunktioner.

Den boken har blivit extra populär bland reklamplanners som ofta refererar till att vi vill att kommunikation vi skapar ska se till att vi kommer ihåg varumärken i reflexhjärnan. Så kommunikation höjder oddsen för att konsumenten ska välja ett visst varumärke när hen inte gör rationellt överlagda val.

Jag började också se en del JEV:s demo:s som visade självsorterande gränssnitt för UX på webbsajter och det fick plannern i mig att fundera över vad som händer när gränssnitten börjar påverka vad vi väljer. Med LLM:er så har vi fått AI-agenter som hjälper till med tråkiga köpbeslut som vi inte riktigt själva känner lust att researcha. Men vi kan alltid läsa någon slags resonemang kring varför LLM:en valt det den gjorde.

Om jag frågar en LLM vilket svenskt varumärke som är förknippat med midsommarafton så får jag en utläggning. Men med JEV-liknande klassificerare (som den här typen av AI-modeller brukade kallas förr) så får vi bara en siffra tillbaka. Jag byggde därför ett verktyg för att kunna utforska JEV:s associationer till varumärken så vi kan se att det finns inbyggda preferenser även i den här typen av modeller även om de bara kan uttrycka det med siffror.

Testet visar att JEV är inte primärt tränad på svenska, men med tanke på hur populär den blivit så är jag säker på att den (eller liknande modell) kommer vara inbyggd på baksidan av arbetsflöden som påverkar varumärkesval på ett eller annat sätt. Som till exempel automatiska produktkategoriseringar (där det kanske blir jobbigt att inte få vara med i urvalet man vill tillhöra).

Testa själv https://jev-top-of-mind.seoism.chatgpt.site/
(funkar så länge mina JEV-tokens räcker)

JEV påminde mig om att bygga ett artificiellt intelligenssystem inte bara handlar om att efterlikna vårt sätt att resonera. Viss intelligens kräver inte att vi är så smarta och medvetna. För jag kopplade också ihop det med att veckan innan så kryllade min feed av andra typer av demo:s som den här:

Då var det nämligen hype att använda Googles nysläppta digitala flughjärna och koppla ihop den så den kunde styra både datorspel och fysiska robotar.

Tidigare forskning har lyckats dissekera hur en bananflugas hjärna fungerar genom att frysa in och skära upp en honbananflugas hjärna i extremt tunna snitt för att kunna fotografera den med elektronmikroskop. Det tog fem år att fota och sedan tog det ytterligare fem år innan de pusslat ihop hur hjärnan fungerade.

Efter att de fotat färdigt den första flugan började de kartlägga en hanbananflugas hjärna. Tekniken hade utvecklats och denna gång tog det bara ett år att fota (de fotade med flera elektromikroskop samtidigt), och sedan använde de AI för att göra pusselarbetet tillsammans med Google. AI-arbetet tog runt ett år, men sedan ägnade trettio forskare tre år att dubbelkolla och rätta (vilket ändå tog två år mindre, och den här kartläggningen var större än för honflugan)

Totalt finns nu tre kartlagda flughjärnor och forskare kan därmed börja förstå hur individuella skillnader skulle kunna fungera i våra hjärnors neurala nätverk.

Vi som inte är forskare kan leka med modellerna. Google släppte hela så kallade connectome (kopplingschemat) över hur inputsignaler flödar i hjärnan och blir outputsignaler. Det är det som AI-geeks nu leker med där de kopplar upp ”hjärnan” så den kan spela Doom, Beat saber och Minecraft.

Virtuell flughjärna som styr en fluga i ett spel som spelar Beat saber. Bilden är på sätt och vis AI-genererad, men simuleringen är äkta.

Det man ska förstå är att experiment som det ovan än så länge inte är resultatet av att modellen fått lära sig något under längre tid utan bara en reaktiv uppspelning av signaler i en simulerad hjärna. Personen bakom Beat saber-flugan håller nu på att träna modellen för att se hur bra en flugas hjärna skulle kunna vara på att lära sig spela Beat saber på riktigt.

Det är inte bara jag som associerat ihop flughjärnan med JEVs instinktsmässiga beslutfattande. Det finns redan demos där silikon-flughjärnor spelar Doom mot JEV. Utvecklingen är lustfylld och gränslös, vilket är något jag tror vi behöver mer av när vi allt för ofta oj:ar oss över vad vi människor ska fylla för roll när AI-systemen tar över seriös business och seriös forskning.

Men för mig handlar det fortfarande om att förstå hur vi människor fungerar, och det jag går igång på när en simulerad flughjärna och en AI-modell spelar spel tillsammans är att jag behöver ta mig en funderare över om hjärna, tankar och kropp ens behöver hänga ihop när vi drar ut vad som är möjligt att skapa?

Mitt förutspådda tema för året är att allting blir mer och mer scifi, och jag har tidigare skrivit om hur vi odlar mänskliga hjärnceller till pyttesmå minihjärnor som vi kan experimentera på. De kallas organoider och förra gången jag skrev om det så handlade det om att dessa biologiska minihjärnor kan användas för att köra AI-modeller.

Sedan dess har vi fått brains-in-a-box som förpackats som datacenter där forskare kan hyra in sig och även om jag inte ser mig själv mata min dator med sockerlösning de närmaste åren så har jag vant mig vid tanken att biologi och teknik flyter ihop. (De kan så klart också spela Doom)

Men det är ju gamla nyheter, anledningen till att jag kommer att tänka på dem nu är att i veckan släpptes en forskningsartikel i Nature som beskriver hur forskare lyckats skapa möss som saknar stora delar av sin hjärna, istället transplanterar forskarna in mänskliga organoider där.

Mössen är genetiskt förändrade så att de inte utvecklar stora delar av sin vanliga hjärna och när de fortfarande är ungar så opererar forskarna in fyra små hjärnorganoider odlade från mänskliga stamceller i det tomma utrymmet. Dessa växer sedan kraftigt och kopplar ihop sig med musens nervsystem. Efter tre månader består runt 92 procent av vävnaden i området där cortex-delen av hjärnan annars skulle ligga av celler från de mänskliga organoiderna.

Syftet med forskningen är att kunna upptäcka behandlingar för neurologiska skador på hjärnan. Tidigare forskning med vanliga hjärnorganoider i en skål har varit begränsade eftersom de saknat blodförsörjning, sensorisk input och de långväga kopplingar som finns i en riktig hjärna.

Även om syftet är ädelt så blir min instinktiva association att det här är weird science. Om mänskliga hjärnceller växer ihop med en mus, är det fortfarande en mus eller om det blir någon slags musmänniskomutant?

Rapporten bekräftar att det fortfarande är mänskliga hjärnceller. Det som vi fått är ett nervsystem där mänskliga nervceller växer ihop och kommunicerar med nervceller från en mus. Vilket leder mig till min nästa fundering, beter sig musen annorlunda när den har en genetiskt sätt mänsklig hjärna?

Här är forskningen lite otydlig för de hittar små variationer i beteende, men är tydliga med att mössen inte börjar bete sig som människor.

AI-labben som satsar på wet labs gör förmodligen inte det för att Fable, Astra, Gemini och allt vad de heter ska få möjligheten att skapa replikanter och hybridvarelser mellan djur och människor utan snarare för att tillverka nya mediciner och öka börsvärderingar.

Men för min (än så länge helt mänskliga) hjärna resulterar mötet mellan tankarna på flughjärnor som simuleras i hårdvara, människohjärnor som bor i våtvara (wetware) och våtvara som bor i möss i en outforskad framtid. Och det är också det som jag känner är poängen med veckans nyhetsbrev.

Vi har blivit så fokuserade på hur vi tror att chatbots-AI kommer förändra världen att jag tror vi tappat fantasin för att förstå vad som också är möjliga framtider. När vi tänker på fysisk AI som verkar i vår fysiska värld som nästa steg för AI så har vi lite för homogent börjat tänka på människolika robotar. Men när AI börjar förstå avancerad biologi så kommer det också ge oss fler sätt att bygga AI.

Det nästa stora skiftet behöver inte komma av att de stora labben släpper ännu en ännu smartare AGI-klassad LLM som klarar allt. Det kan lika gärna komma av att AI får flera ofullständiga tekniker som börjar fungera tillsammans, och detta förändrar ju allt!

Vad kan du göra idag?

Förstå

Vi associerar ofta intelligens med huvudet som styr och då blir kroppen bara ett verktyg som huvudet använder för att interagera med världen. Det är då det lätt blir att vi tänker på AI som något som byter ut huvudet och förr eller senare så blir det en robotkropp som AI använder för att ta sig runt i världen.

Men metaforen kan leda oss till ännu friare sätt att tänka på knopp och kropp. Muspekaren är en kroppsdel vi människor använder när vi rör oss i den digitala världen. Vi behöver inte se AI-verktygen som utbyte av vårt huvud utan som en förlängning av våra kroppar.

Bilen är redan ett verktyg som blir en förlängning av föraren, och den är också ett exempel på hur våra mer avancerade verktyg redan har inbyggda reflexer. Funktioner som sladdskydd och automatisk inbromsning gör att bilen reagerar reflexmässigt.

Vi behöver förstå att JEV-typen av AI-system kommer att göra att flera av våra AI-verktyg slutar kännas som en person du delegerar uppgifter till. Istället kommer de börja kännas som digitala kroppsdelar med något som liknar egna reflexer.

Planera

Organisationer har intelligens. De samlade erfarenheterna som är bevarade i leveranser och rapporter har lett fram till processer som SOPs och policy-dokument. Den del av organisationens intelligens som bevaras i dokumentation har varit väldigt passiv eftersom den intelligensens fysiska kropp är organisationens individuella medarbetare. Och de kanske inte alltid läser eller följer SOPs och policies.

Det AI-spår som de flesta organisationer just nu utforskar är varianter på hur AI-agenter kan dra nytta av organisationens passiva minnen. Frågeställningen är hur AI kan utnyttja vad organisationen har lärt sig och dra slutsatser av komplexa data för att koppla samband som varit för svåra för oss människor att se tidigare.

Nu är det dags att planera för nästa typ av AI-implementering. Tänk på det som reflexmässig AI, som med organisationens erfarenheter gör rutinjobb reflexmässigt.

Leta därför efter beslut som görs ofta, snabbt och nästan likadant varje gång: Vilken person ska få det här ärendet? Behöver det granskas eller kan det gå vidare? Vilken av fem åtgärder passar situationen?

Det här är inte AI som ska analysera business case och föreslå stora affärer. Det vi letar efter är beslut som en erfaren medarbetare idag gör reflexmässigt på rutin eftersom ”det är så vi brukar göra i den här organisationen”

Tidigare har det varit för dyrt att införa den här typen av AI-analys för småsaker med ringa affärsvärde, men nu finns tillräcklig speed till så lågt pris att det går att få till business case för det. Det kommer också inspirera alla som jobbar med kundflöden och varumärkesupplevelser att kunna bygga AI-powered ux för webben som tidigare hade varit för dyrt för att ha i gång för massanvändning.

Gör

Veckans Gör blir en filosofisk tankeövning.
Fundera vilka verktyg som känns som en förlängning av dig när du använder dem?

Om vi börjar tänka på huvud och kropp lite mer modulärt så kan vi hitta intressanta kombinationer som öppnar upp för fler framtidsvisioner.
Fundera sedan vidare:

Vad händer när ChatGPTs huvud har mitt kök som kropp?
Eller om mitt huvud har en helautomatiserad fabrik som kropp?
Eller om en aphjärna har IT-avdelningen som sin kropp?

Hitta sedan på en egen kombination av knopp och kropp.

Poängen är att träna bort föreställningen att hjärna, sinnen och kropp måste komma som ett färdigt paket. Det är möjligt att de konstigaste kombinationerna är de som bäst förbereder oss inför nästa oväntade framtid.

Länkar

Anthropic presenterar sitt nya biologiska wet lab och hur Claude hittade det nya ART-systemet med CRISPR-liknande DNA-repetitioner.
https://www.anthropic.com/news/claude-discovers-novel-enzyme-system

Reuters om att Anthropic byggt ett eget wet lab.
https://www.reuters.com/world/anthropic-quietly-sets-up-biology-lab-it-ramps-ai-drug-program-2026-09-18/

Anthropics Model Hardware Standard för att låta AI-agenter styra fysisk laboratorieutrustning.
https://www.anthropic.com/news/model-hardware-standard-research-preview

OpenAI kopplar GPT-5 till Ginkgo Bioworks automatiserade wet lab och kör över 36.000 experiment i en feedbackloop.
https://openai.com/index/gpt-5-lowers-protein-synthesis-cost/

Nvidia och Eli Lillys gemensamma AI-labb för läkemedelsforskning och fysisk AI.
https://investor.nvidia.com/news/press-release-details/2026/NVIDIA-and-Lilly-Announce-Co-Innovation-AI-Lab-to-Reinvent-Drug-Discovery-in-the-Age-of-AI/

Google DeepMind om sitt wet lab på Francis Crick Institute.
https://deepmind.google/blog/alphaproteo-generates-novel-proteins-for-biology-and-health-research/

TypeSafe presenterar JEV
https://typesafe.ai/blog/introducing-system-one-models-and-jev

Google Research presenterar den kompletta kartläggningen av hanbananflugans hjärna och centrala nervsystem.
https://research.google/blog/a-connectomics-milestone-mapping-the-complete-male-fruit-fly-brain/

Exempel på vad folk gjort med modellen av flughjärnan
https://x.com/GoogleAI/status/2098109357624095155

Nature om mössen där mänskliga hjärnorganoider växer in och integreras i nervsystemet.
https://www.nature.com/articles/s41586-026-11032-2

Cortical Labs CL1, den färdigpaketerade biologiska datorn med levande neuroner på chip.
https://www.corticallabs.com/cl1.html

Sedan sist vi hördes

Mera podcast med mig! Nytt avsnitt av Techforwards podcast med Rebecca och mig! Techforward är ett initiativ av Teknikföretagen för att stärka Sverige som technation genom att erbjuda kunskap och mötesplatser. DFJA:s samarbete med dem ingår i kunskapsspridningsdelen.

Titta på oss! https://techforward.se/podcast/the-hyperpersonalized-future
Eller lyssna där poddar finns.

2024 skrev jag om Peter Thiel-gängets planer för egna länder. Nu kan du ansöka om att bli medborgare i Praxis nation. Jag känner mig inte beredd att flytta till sydamerika, men jag är ändå nyfiken på hur rörelsen att skapa virtuella länder utvecklas.

Meta hade sin Connect och Zuck promotade deras nya AI-assistent Muse hårt. För er som hängt med ett tag är det i princip samma som en OpenClaw fast istället för på din dator så är det på en privat virtuell dator. Meta jobbar hårt med just det privata för den här lanseringen. Jag tror det här kan bli breaket för när vanliga människor förstår vad en AI-agent kan användas till. Vi får se om jag har anledning att återkomma till det när/om det lanseras i EU.

Trots all AI så verkar Meta verkar bli mer och mer ett hårdvaruföretag, deras nya VR-headset visar att de är på väg att få ihop VR mer något som faktiskt ser ut som glasögon.

Joanna Stern gjorde en intervju med Zuck med anledning av deras nya lanseringar som jag tyckte var sevärd.

Är du en insiktsdelare?

Känner du någon som grubblar mycket över om vi borde vara oroliga för AI? Eller kanske någon som gillar lite för långa texter om amerikansk valstrategi? Vem tänkte du på? Skicka vidare!

Dags för föreläsning/onlineträff för betalande medlemmar igen.
Torsdag 15de oktober kl 12:00-12:45 blir kommande träff så save the date.
Jag får återkomma med ett ämne lite närmare, men det blir som vanligt en inspirationsdragning om något aktuellt och chans för alla närvarande att fråga mig och varandra om tips och råd.

Fortsätt utforska så ses vi om en vecka!
Tomas Seo

Har du fått dagens nyhetsbrev utan att vara prenumerant?
Gillade du det här och vill ha mer så är det bara att skriva upp sig här
(du väljer själv om du vill betala):