A Google DeepMind és a BioNTech mesterséges intelligencia laboratóriumi asszisztenseket fejlesztenek, amelyek segítenek a kutatóknak tudományos kísérleteket tervezni és azok eredményeit jobban előre jelezni. A vállalatok célja az MI energia- és adatintenzív modelljeinek speciális alkalmazásainak megtalálása.
Sir Demis Hassabis, a Google MI részlegének vezetője egy olyan speciális MI-modellt fejleszt, amely kutatási asszisztensként működik. Ez a modell segítene a tudósoknak különböző tudományterületeken együttműködni és váratlan összefüggéseket felfedezni. Hassabis szerint az MI forradalmat hoz a biológia terén, és a DeepMind fejlesztései a következő években képesek lesznek kísérleteket javasolni és tervezni, valamint előrejelezni azok sikerességét.
Eközben a német BioNTech gyógyszergyár és annak londoni MI-leányvállalata, az InstaDeep bemutatta a „Laila” nevű MI-asszisztenst, amely a Meta nyílt forráskódú Llama 3.1 modelljére épül, és részletes biológiai ismeretekkel rendelkezik. A Laila képes automatizálni rutinfeladatokat, például DNS-szekvenciák elemzését és kísérleti eredmények vizualizálását. A BioNTech mainzi laboratóriumában bemutatták, hogy a Laila hogyan kapcsolódik laboratóriumi eszközökhöz, figyeli a folyamatban lévő kísérleteket, és észlel mechanikai hibákat.
Karim Beguir, az InstaDeep vezérigazgatója szerint az MI nem fogja teljesen automatizálni a tudományos munkát, hanem a termelékenységet növeli, lehetővé téve a tudósoknak, hogy a legfontosabb feladatokra koncentráljanak. Az InstaDeep technológiája a BioNTech rákellenes célpontok azonosításában is segíthet, ami az InstaDeep 2023-as, akár 500 millió font értékű felvásárlása után került előtérbe.
A technológiai vállalatok jelentős összegeket költenek MI-modellek és termékek fejlesztésére, mivel úgy vélik, hogy ezek átalakíthatják az iparágakat, például az egészségügyet, az energiát és az oktatást. Az MI jelenlegi innovációi leginkább új gyógyszerjelöltek előrejelzésére összpontosítanak, de a valódi kísérletek elvégzése továbbra is az egyik legnagyobb akadály a gyógyszerfejlesztésben.
A cél az, hogy az MI-asszisztensek megkönnyítsék a tudományos kísérletek tervezését és kiválasztását, hogy a tudósok hatékonyabban választhassák ki a legígéretesebb kísérleteket. A Google és a Microsoft is adaptálja nagy nyelvi modelljeit (LLM-eket) a tudományos áttörések elősegítése érdekében. A DeepMind korábbi eredményei között szerepel az „AlphaFold” nevű MI rendszer, amely képes előrejelezni a fehérjék alakját, megoldva egy több mint 50 éves tudományos kihívást, és jelentősen felgyorsítva a biológiai felfedezések folyamatát.
A Microsoft AI4Science kutatási részlege szintén LLM-eket használ a tudományos felfedezések felgyorsítására, amelyek képesek hatékony logikai rendszerek működésére, ami különösen hasznos a tudományos kutatásokban.
