A mesterséges intelligencia immár laboratóriumi asszisztensekként is segíti a kutatókat, többek között a tudományos kísérletek tervezésében és a kimenetelek előrejelzésében. Az ilyen technológiát alkalmazó cégek jelentős előnyhöz juthatnak.
A mesterséges intelligencia térnyerésével egyre több vállalat fejleszt kifejezetten kutatói segédeszközöket a laboratóriumi munka támogatására. A Google DeepMind és a német gyógyszeripari óriás, a BioNTech új mesterségesintelligencia- (MI-) modelleket terveznek, amelyek célja, hogy kutatási asszisztensként segítsék a tudósokat a kísérletek tervezésében, lebonyolításában és az eredmények kiértékelésében. A cél, hogy a tudományos kutatásokat gyorsabbá, precízebbé és hatékonyabbá tegyék.
Sir Demis Hassabis, a Google mesterséges intelligenciáért felelős részlegének vezetője elmondta, hogy a DeepMind épp egy új, tudományos nyelvi modellt fejleszt, amely „kutatási asszisztensként” működhet, és előrejelzéseket készíthet a kísérletek lehetséges kimeneteleiről. A modell képes lehet arra is, hogy javaslatokat tegyen új kísérletek megtervezésére, és valószínűségi előrejelzéseket adjon a siker vagy a kudarc esélyeiről. Hassabis szerint
a biológia területe épp egy forradalmi átalakuláson megy keresztül az MI segítségével, ami új lehetőségeket nyit a különböző tudományterületek közötti együttműködésben.
Eközben a BioNTech és londoni MI-leányvállalata, az InstaDeep bemutatták a Laila nevű, biológiai ismeretekkel rendelkező MI-asszisztensüket, amely a Meta által kifejlesztett nyílt forráskódú Llama 3.1 modellre épül. A Laila képes automatizálni a rutin laboratóriumi feladatokat, mint például a DNS-szekvenciák elemzését és az eredmények vizualizálását. Egy élő bemutató során a BioNTech mainzi laboratóriumában Laila érzékelte egy kísérleti robot meghibásodását, és azonnal riasztotta a kutatókat. Az InstaDeep vezérigazgatója, Karim Beguir elmondta, hogy a jövő laboratóriumaiban
nem a teljes automatizáció lesz a cél, hanem a tudósok és a technikusok produktivitásának növelése, lehetővé téve, hogy az idejüket a valóban fontos feladatokra fordíthassák.
Az InstaDeep olyan MI-modelleket is bemutatott, amelyek segíthetik a BioNTech-et a rák azonosításában. E technológia különlegessége, hogy közvetlenül a BioNTech biológiai szakértelmével ötvözi az MI-alapú megoldásokat, ami egyedülálló előnyt biztosít a gyógyszeriparban.
Az MI-laborasszisztensek fejlesztése része a szélesebb iparági trendeknek, ahol a nagy technológiai vállalatok, mint a Google és a Microsoft, hatalmas összegeket fektetnek be az új modellek és termékek fejlesztésébe. A cél az, hogy a technológia az egészségügytől kezdve az energiatermelésen át az oktatásig számos iparágat átalakítson. A tudományos MI-modellek, mint a DeepMind által kifejlesztett AlphaFold, amely képes előrejelezni a fehérjék szerkezetét, már bizonyították, hogy forradalmasíthatják a kutatási folyamatokat.
Az AlphaFold megoldotta a fehérjék térszerkezetének 50 éves rejtélyét, és jelentősen csökkentette a biológiai felfedezésekhez szükséges időt.
A Microsoft AI4Science kutatórészlege szintén kiemelt figyelmet fordít a tudományos áttörések felgyorsítására nagy nyelvi modellek alkalmazásával. A kutatócsoport egyik sikeres projektje a Global Health Drug Discovery Institute-tal együttműködve új molekulákat azonosított, amelyek hatékonyabban kezelhetik a tuberkulózist. Chris Bishop, a Microsoft AI4Science igazgatója elmondta, hogy a nagy nyelvi modellek különösen hatékonyak lehetnek a tudományos érvelésben és a következtetések levonásában, ami egyedülálló eszközzé teszi őket a kutatók kezében.
Az új laborasszisztens MI-modellek tehát nemcsak a kutatások hatékonyságát növelhetik, hanem újabb lehetőségeket is nyitnak a tudományos áttörések számára, felgyorsítva a felfedezési folyamatokat, és elősegítve a különböző tudományterületek közötti együttműködést. A mesterséges intelligencia mostantól nem csupán passzív elemző, hanem aktív résztvevője lesz a jövő tudományos felfedezéseinek.
Kapcsolódó:
Címlapfotó: Dreamstime
