Googleov DeepMind i BioNTech stvaraju AI alate za znanstvena istraživanja

Autor: Poslovni dnevnik , 02. listopad 2024. u 22:00
Val inovacija AI-ja u znanosti dosad je bio usmjeren na predviđanje kandidata za lijekove, no usko grlo u iznošenju novih tretmana na tržište ostaju eksperimenti u stvarnom svijetu/Shutterstock

Cilj AI pomoćnika je pojednostaviti proces učinkovitijim planiranjem eksperimenata.

Google DeepMind i BioNTech grade AI laboratorijske asistente za pomoć istraživačima u planiranju znanstvenih eksperimenata i bolje predviđanje njihovih ishoda.

Demis Hassabis, šef Googleovog odjela za umjetnu inteligenciju, predvodi napore tvrtke da razvije specijalizirani model umjetne inteligencije koji će djelovati kao asistent u istraživanju, pomažući znanstvenicima da surađuju u različitim disciplinama i lakše stvore neočekivane veze, piše Financial Times.

Na nedavnom događaju u organizaciji Nobelove zaklade rekao je da biologija “vidi revoluciju” kao rezultat AI softvera. “Radimo na modelu velikog znanstvenog jezika koji bi mogao biti pomoćnik u istraživanju i možda vam pomoći u predviđanju ishoda eksperimenta”, rekao je Hassabis.

Eksperimentalna biologija
U nadolazećim godinama alati koje izrađuje DeepMind moći će predložiti i dizajnirati eksperimente temeljene na danoj hipotezi i dati znanstvenicima vjerojatni pogled na potencijalni uspjeh ili neuspjeh predloženog eksperimenta, rekao je.

U međuvremenu, njemački proizvođač lijekova BioNTech i njegova podružnica InstaDeep sa sjedištem u Londonu objavili su u utorak da su dizajnirali specijaliziranu pomoćnicu za umjetnu inteligenciju poznatu kao Laila s “detaljnim poznavanjem biologije” izgrađenu na temelju Metinog modela otvorenog koda Llama 3.1.

Novi ciljevi za borbu protiv raka

InstaDeep je predstavio i AI modele koji bi mogli pomoći BioNTechu da identificira ili otkrije nove ciljeve za borbu protiv raka.

U demonstraciji uživo, istraživač Arnu Pretorius pokazao je kako AI agent može automatizirati rutinske znanstvene zadatke u eksperimentalnoj biologiji, kao što su analiza i segmentacija DNK sekvenci i vizualizacija eksperimentalnih rezultata.

Znanstvenici u BioNTechovom laboratoriju u Mainzu također su pokazali kako se Laila može povezati s laboratorijskim uređajima i nadzirati tekuće eksperimente ili zadatke koje obavljaju roboti, pri čemu je pomoćnik otkrio mehanički kvar BioNTech stroja tijekom demonstracije uživo.

”Ne vjerujemo da je budućnost potpuna automatizacija umjetne inteligencije u skorije vrijeme. Alate umjetne inteligencije poput Laile vidimo kao akceleratore produktivnosti koji će omogućiti znanstvenicima i tehničarima, da svoje ograničeno vrijeme potroše na ono što je stvarno važno,” rekao je izvršni direktor InstaDeepa Karim Beguir za FT.

InstaDeep je predstavio i modele umjetne inteligencije koji bi mogli pomoći BioNTechu da identificira ili otkrije nove ciljeve za borbu protiv raka. Bilo je to prvo predstavljanje njihove tehnologije otkako je proizvođač cjepiva protiv Covida-19 kupio InstaDeep 2023. za (do) 500 milijuna funti.

Zlatni standard
Priznajući da rivali poput DeepMinda također mogu izgraditi AI pomoćnike, Beguir je rekao da imati InstaDeepovu tehnologija “pod istim krovom” s BioNTechovom ekspertizom u biologiji predstavlja “akcelerator” za implementaciju AI-ja što je “jedinstveno” u farmaceutskom sektoru.

Val inovacija umjetne inteligencije u znanosti dosad je bio usmjeren na predviđanje novih i korisnih kandidata za lijekove. Međutim, usko grlo u iznošenju novih tretmana na tržište ostaju eksperimenti u stvarnom svijetu, što je zlatni standard u znanstvenom istraživanju.

Cilj pomoćnika istraživanja AI-a je pojednostaviti proces učinkovitijim planiranjem eksperimenata, primjerice onih koji najviše obećavaju od niza mogućih eksperimenata. Tvrtke poput Googlea i Microsofta prilagođavaju velike jezične modele, softver koji može generirati tekst, kod, slike, pa čak i DNK ili molekularne sekvence, na temelju velikih skupova podataka za obuku – kako bi olakšali znanstvena otkrića.

DeepMind je 2022. dizajnirao AI sustav poznat kao AlphaFold koji je mogao predvidjeti oblik gotovo svakog poznatog proteina, rješavajući 50 godina star znanstveni izazov i potencijalno značajno smanjujući vrijeme nužno za biološka otkrića

Komentirajte prvi

New Report

Close