سرمایهگذاری ۱.۸ میلیارددلاری برای زیستشناسی AI؛ «سلول مجازی» هدف بعدی است

هوش مصنوعی برای زیستشناسی به یک مشکل بنیادی برخورده است: داده کافی و استانداردشده. Biohub همراه با دولت آمریکا، Google DeepMind، Meta و Isomorphic Labs برنامهای با ارزش مجموع ۱.۸ میلیارد دلار برای ساخت دادههای زیستی مناسب آموزش مدلهای AI اعلام کرده است.
خلاصه خبر
- برنامه Virtual Biology Initiative روی تولید دادههای بزرگ و استاندارد زیستی تمرکز دارد.
- Meta، Google DeepMind و Isomorphic Labs مجموعاً ۳۰۰ میلیون دلار سرمایهگذاری میکنند.
- وزارت انرژی آمریکا بیش از ۵۰۰ میلیون دلار طی پنج سال برای اندازهگیری، مدلسازی و محاسبات اختصاص میدهد.
- NIH مجموعههای داده و زیرساختهای پژوهشی حاصل از بیش از ۵۰۰ میلیون دلار سرمایهگذاری قبلی را هماهنگ میکند.
- Biohub پیشتر ۵۰۰ میلیون دلار برای این تلاش متعهد شده بود.
هدف پروژه چیست؟
هدف نهایی ساخت مدلهایی است که بتوانند رفتار سلولها را در شرایط مختلف پیشبینی کنند؛ چیزی که گاهی «virtual cell» نامیده میشود. اگر چنین مدلهایی به اندازه کافی دقیق شوند، پژوهشگر میتواند بخشی از آزمایشها را ابتدا در محیط شبیهسازی انجام دهد و فقط گزینههای امیدوارکنندهتر را وارد آزمایشگاه کند.
چرا AI زیستشناسی به داده متفاوت نیاز دارد؟
مدلهای زبانی از حجم عظیم متن موجود در اینترنت استفاده کردند. زیستشناسی چنین مخزن آماده و استانداردی ندارد. دادههای آزمایشگاهی گران، ناهمگون و وابسته به روش اندازهگیری هستند.
برای همین گلوگاه بعدی AI علمی ممکن است فقط قدرت GPU نباشد؛ کیفیت و مقیاس داده تجربی میتواند همانقدر مهم شود.
۱.۸ میلیارد دلار دقیقاً از کجا میآید؟
طبق اعلام Biohub و گزارش Reuters، مجموعه تعهدات شامل ۵۰۰ میلیون دلار Biohub، ۳۰۰ میلیون دلار Meta، Google DeepMind و Isomorphic Labs، بیش از ۵۰۰ میلیون دلار وزارت انرژی آمریکا و دسترسی هماهنگ به داده و زیرساخت پژوهشی NIH حاصل از سرمایهگذاری قبلی بیش از ۵۰۰ میلیون دلار است.
آیا دادهها عمومی میشوند؟
هدف پروژه ساخت منابع باز برای جامعه پژوهشی است، هرچند Reuters گزارش کرده شرکای سرمایهگذار در مرحله اولیه میتوانند دورهای از دسترسی زودتر به برخی دادهها داشته باشند. بنابراین باید بین «هدف نهایی open science» و ترتیب دسترسی در مراحل اولیه تفاوت گذاشت.
چرا این خبر برای اقتصاد AI مهم است؟
اگر موج اول AI با خرید GPU و ساخت دیتاسنتر شناخته شد، موج علمی به سرمایهگذاری در آزمایشگاه، ابزار اندازهگیری، داده و ترکیب محاسبات با زیستشناسی نیاز دارد. این بازار میتواند شرکتهای cloud، تراشه، تجهیزات آزمایشگاهی و drug discovery را به یک زنجیره مشترک متصل کند.
آیا AI واقعاً میتواند توسعه دارو را سریعتر کند؟
پتانسیل وجود دارد، اما نباید نتیجه را قطعی دانست. مدل باید در پیشبینی آزمایش واقعی اعتبارسنجی شود. «سلول مجازی» اگر فقط روی benchmark خوب عمل کند ولی در آزمایشگاه پیشبینی قابل اتکا نداشته باشد، ارزش عملی محدودی خواهد داشت.
برای تصویر کلیتر از اقتصاد فناوری، راهنمای هوش مصنوعی هش نیوز را ببینید.
منابع
Biohub announcement – Virtual Biology Initiative
تصویر شاخص: Ousa Chea / Unsplash
جمعبندی
این پروژه نشان میدهد مرحله بعدی رقابت AI علمی فقط درباره ساخت مدل قویتر نیست. برای ساخت مدلی که رفتار سلول را پیشبینی کند، باید دادهای در مقیاس و کیفیتی تولید شود که امروز وجود ندارد. اگر این زیرساخت ساخته شود، AI میتواند از تحلیل دادههای زیستی به طراحی و اولویتبندی آزمایشهای واقعی نزدیکتر شود.