بایوهب مارک زاکربرگ و پریسیلا چن ۵۰۰ میلیون دلار برای ساخت مدلهای هوش مصنوعی از سلولهای انسانی سرمایهگذاری میکند، در حالی که غولهای فناوری برای ورود هوش مصنوعی به زیستشناسی رقابت دارند.
مدیرعامل متا، مارک زاکربرگ، و همسرش پریسیلا چان در حال ساخت مدل های هوشمصنوعی از سلول های انسانی هستند؛ طرحی که به گفته آنها میتواند به «تسریع درمان و پیشگیری از همه بیماری ها» کمک کند.
آگهی
آگهی
سازمان غیرانتفاعی آنها، بایوهب، هفته گذشته از یک برنامه پنجساله برای ایجاد فناوری ها و مجموعه داده های لازم برای ساخت مدل های پیشبینیکننده سلول های انسانی خبر داد.
این سازمان اعلام کرد داده هایی که تولید میکند برای پژوهشگران در سراسر جهان به صورت آزاد و رایگان در دسترس قرار خواهد گرفت.
بایوهب میگوید شبیهسازی های هوشمصنوعی از سلول های انسانی میتواند به پژوهشگران امکان دهد بیماری را به شکل دیجیتال، در مقیاس و سرعتی که امروز در آزمایشگاه ممکن نیست، مطالعه کنند. اگر این مدل ها به اندازه کافی دقیق باشند، میتوانند به دانشمندان کمک کنند رفتار سلول ها در وضعیت سلامت و بیماری را درک کنند، علت های بیماری را آشکار کنند و مسیرهایی برای درمان های جدید نشان دهند.
بایوهب چیست؟
مارک زاکربرگ سال گذشته گفت هدف بلندمدت بایوهب این است که از طریق تلاقی هوشمصنوعی و زیستشناسی، همه بیماری های انسانی را درمان کند.
این زوج در سال 2016 این سازمان را راهاندازی کردند تا دانشمندان و مهندسان را گرد هم بیاورند و فناوری هایی توسعه دهند که «زیستشناسی را در سطح سلول مشاهده، اندازهگیری و برنامهریزی کند».
بایوهب اعلام کرده است از آن زمان تاکنون بزرگترین مجموعه داده های تکسلولی جهان را گردآوری کرده و زیرساخت های محاسباتی بزرگمقیاس و تخصصی ویژه پژوهش های زیستی ایجاد کرده است.
این ابتکار تازه بازتابدهنده این باور روزافزون در صنعت علوم زیستی است که مدل های هوشمصنوعی آموزشدیده بر مجموعه داده های عظیم زیستی میتواند شیوه کشف دارو، درمان و روش های درمانی را دگرگون کند.
این سازمان 400 میلیون دلار (حدود 348 میلیون یورو) برای کارهای خود هزینه خواهد کرد و 100 میلیون دلار دیگر (حدود 87 میلیون یورو) در اختیار پژوهشگران بیرون از مجموعه قرار میدهد. شرکای آن شامل شرکت سازنده تراشه انویدیا و موسسه های پیشروی پژوهشی هستند.
چالش اصلی داده است
بایوهب میگوید مقیاس در این تلاش نقشی محوری خواهد داشت، زیرا هرچه حجم و کیفیت داده های زیستی بیشتر شود، پیشبینی های هوشمصنوعی کاربردی تر میشود.
الکس ریوز، رئیس بخش علمی بایوهب، در یک اطلاعیه گفت: «برای ساخت هوشمصنوعی که بتواند پیچیدگی کامل زیستشناسی را بهدرستی بازنمایی کند و پژوهش علمی را شتاب دهد، به داده هایی به مراتب بیشتر از آنچه امروز وجود دارد نیاز داریم.»
او اضافه کرد: «به فناوری های جدیدی نیاز داریم تا سلول را از سطح مولکولی تا بافتی و در بستر سلامت و بیماری مشاهده کنیم.»
با این حال پژوهشگران هنوز نمیدانند برای آنکه مدل های سلولی به اندازه کافی دقیق شوند و بتوانند پیشبینی های قابلاعتماد ارائه کنند، به چه میزان داده نیاز است.
بایوهب همچنین گفت برای رسیدن به مقیاس مورد نیاز، تلاشی بسیار گسترده تر در سطح جهان لازم خواهد بود.
ریوز ابراز امیدواری کرد سایر تامینکنندگان مالی نیز به بودجه ای که بایوهب برای پژوهشگران بیرونی اختصاص داده است، بیفزایند.
زیستشناسی مبتنی بر هوشمصنوعی صنعتی نوپا است؛ زیرا سازمان های پژوهشی، شرکت های فناوری و سازندگان دارو بهدنبال راه هایی هستند تا با استفاده از یادگیری ماشین، بیماری را بهتر درک کنند و درمان های جدید را سریع تر طراحی کنند.
سایر شرکت های فناوری نیز وارد حوزه زیستشناسی مبتنی بر هوشمصنوعی شده اند.
شرکت آیزومورفیک لبز، زیرمجموعه آلفابت که بر پایه فناوری دیپمایند گوگل بنا شده، از هوشمصنوعی برای کشف دارو استفاده میکند و میگوید در حال کار بر طراحی داروهای جدید است.
مایکروسافت نیز چندین مدل هوشمصنوعی در حوزه سلامت عرضه کرده است؛ از جمله مدل هایی برای تصویربرداری پزشکی، ژنومیک، پرونده های بالینی و پژوهش های زیستپزشکی، در حالی که پلتفرم BioNeMo انویدیا توسط شرکت های علوم زیستی برای کشف دارو با تکیه بر هوشمصنوعی به کار گرفته میشود.