Το νέο AI της Google για την ανακάλυψη φαρμάκων είναι μια νίκη για την επιστημονική ανακάλυψη
ΝΕΟ ΔΕΛΙ Η Google μια σουίτα εργαλείων τεχνητής νοημοσύνης (AI), τα οποία οι ερευνητές ανέφεραν ότι ήταν επιτυχής, όχι μόνο πρότεινε έναν νέο συνδυασμό φαρμάκων για τη θεραπεία του καρκίνου, αλλά άντεξε ακόμη και σε πρώιμες δοκιμές στο εργαστήριο, είναι ένα μήνυμα ότι οι ερευνητές-επιστήμονες πρέπει να ενσωματώσουν την τεχνητή νοημοσύνη στη διαδικασία της επιστημονικής ανακάλυψης. Κατασκευάστηκε στην οικογένεια των ανοιχτών μοντέλων Gemma-Bcal2S, Cellence-Bcal2S, Το (C2S-Scale) είναι ένα θεμελιώδες μοντέλο 27 δισεκατομμυρίων παραμέτρων που έχει σχεδιαστεί για να «κατανοεί» τη γλώσσα μεμονωμένων κυττάρων. «Αυτή η ανακοίνωση σηματοδοτεί ένα ορόσημο για την τεχνητή νοημοσύνη στην επιστήμη», οι Shekoofeh Azizi και Brian Perozzi, επιστήμονες του προσωπικού στο Google DeepMind και στο Google Research αντίστοιχα, δημιούργησαν μια ανάρτηση που συνόδευε τη συμπεριφορά για την υποκυψελική ανακοίνωση. Και έκτοτε επιβεβαιώσαμε την πρόβλεψή του με πειραματική επικύρωση σε ζωντανά κύτταρα Αυτή η ανακάλυψη αποκαλύπτει ένα πολλά υποσχόμενο μονοπάτι για την ανάπτυξη θεραπειών για την καταπολέμηση του καρκίνου», πρόσθεσε. εκκολαπτόμενο. Βεβαίως, το silmitasertib (CX-4945) βρίσκεται επί του παρόντος σε αρκετές κλινικές δοκιμές για τη θεραπεία του πολλαπλού μυελώματος, του καρκίνου του νεφρού, του μυελοβλαστώματος και των προχωρημένων συμπαγών όγκων. Τον Ιανουάριο του 2017, η Υπηρεσία Τροφίμων και Φαρμάκων των ΗΠΑ της χορήγησε το καθεστώς ορφανού φαρμάκου για προχωρημένο χολαγγειοκαρκίνωμα. Ωστόσο, η καινοτομία της προσπάθειας της Google δεν ήταν η (επαν)ανακάλυψη του φαρμάκου αλλά ότι είχε σαρώσει την τεράστια βιβλιογραφία για τη βιολογία του καρκίνου για να προτείνει μια νέα χρήση για υποψήφιο φάρμακο. Οι φαρμακευτικές εταιρείες στη συνήθη πορεία τους ξοδεύουν δισεκατομμύρια δολάρια και απασχολούν υψηλά εκπαιδευμένο προσωπικό για να αποκαλύψει παρόμοιες ιδέες. «Είναι ένα ωραίο αποτέλεσμα και ήταν ένα καλά επιλεγμένο πρόβλημα για να δοκιμαστούν οι δυνατότητες ενός LLM (μεγάλου γλωσσικού μοντέλου)», είπε ο Sunil Laxman, βιολόγος συστημάτων στο Ινστιτούτο Επιστήμης Βλαστοκυττάρων και Αναγεννητικής Ιατρικής στο Bengal Hinduu. «Αυτό, στη συνήθη πορεία, θα χρειαζόταν αρκετούς μήνες από μια εστιασμένη ομάδα αφοσιωμένων ερευνητών για να προτείνει μια τέτοια χρήση του φαρμάκου.» «Είναι πολύ καλό» Δρ. Ωστόσο, ο Laxman υπογράμμισε ότι το μοντέλο δεν είχε προτείνει κάτι που δεν θα μπορούσε να συμβεί σε εκπαιδευμένο βιολόγο ούτε είχε ανακαλύψει κάτι νέο σχετικά με τη βιολογία του καρκίνου. “Είναι πολύ καλό. Όχι υπέροχο. Το μέσο εργαστήριο στην Ινδία δεν θα έχει πρόσβαση σε μια τεράστια βιβλιοθήκη χημικών ενώσεων όπου μπορούν να δοκιμαστούν. ανακάλυψη που ξεπερνά τα μονοπάτια.” Οι LLM βρίσκονται στον πυρήνα της τεχνητής νοημοσύνης και εκπαιδεύονται σε δεδομένα σχολιασμένα από τον άνθρωπο για να κατανοήσουν την ανθρώπινη γλώσσα και να λύσουν προβλήματα. Δρ. Οι Azizi και Perozzi υποστήριξαν ότι τα αποτελέσματά τους αποδεικνύουν ότι είναι δυνατό να δημιουργηθούν LLM που δεν χρειάζεται να εκπαιδεύονται στους κανόνες των βιολογικών συστημάτων. Αντίθετα, έγραψαν, τα μοντέλα μπορούν να ενθαρρυνθούν να καταλάβουν τους κανόνες απλώς με το να «ανταμείβονται» οι επιτυχίες τους και να «τιμωρούνται» οι αποτυχίες τους. Αυτός είναι ο τρόπος με τον οποίο εκπαιδεύτηκαν μερικοί από τους πιο ισχυρούς LLM που παίζουν σκάκι. Καλή συλλογιστική Ινδικό Ινστιτούτο Επιστήμης, Μπανγκαλόρ, ο καθηγητής μαθηματικών Siddhartha Gadgil ερμήνευσε τα ευρήματα ως σημαντικά και υπολόγισε ότι τα καλύτερα μοντέλα τεχνητής νοημοσύνης στα μαθηματικά ήταν σήμερα σε επίπεδο «ειδικευμένου μαθηματικού, αλλά δεν ήταν σε ιδιοφυή επίπεδα». μια μέρα δεν θα ήταν σε θέση να λύσει τα πιο δύσκολα μαθηματικά προβλήματα. “Δεν μπορούμε να πούμε πότε ένα μοντέλο τεχνητής νοημοσύνης θα λύσει την Υπόθεση Riemann, αλλά δεν υπάρχει λόγος να υποθέσουμε ότι δεν μπορεί ποτέ. Ήδη υπάρχουν αρκετές πρωτοβουλίες, ακόμη και εταιρείες που αντιμετωπίζουν άλυτα μαθηματικά προβλήματα και καταλήγουν σε νέες υποθέσεις.” Ο Gadgil ανέφερε τη Διεθνή Μαθηματική Ολυμπιάδα 2025, όπου το OpenAI, ο κατασκευαστής του ChatGPT, είπε ότι ένα «πειραματικό μοντέλο συλλογισμού» είχε βρει απαντήσεις στις ερωτήσεις, οι οποίες, αν ήταν άνθρωπος, θα του είχαν κερδίσει ένα χρυσό μετάλλιο. Το μοντέλο ακολούθησε τα ίδια χρονικά όρια με τους ανθρώπους που συμμετείχαν. Σημαντικά, αυτό το μοντέλο δεν εκπαιδεύτηκε για την Ολυμπιάδα, αλλά ήταν ένα μοντέλο λογικής γενικής χρήσης με επαρκώς καλές συλλογιστικές δυνάμεις. Έτσι, τα προβλήματα της Ολυμπιάδας δεν είναι αντιπροσωπευτικά παραδείγματα των προβλημάτων που εργάζονται οι επαγγελματίες μαθηματικοί. Προορίζονται για ταλαντούχους μαθητές γυμνασίου και αποτελούν ένα χρυσό τεστ μαθηματικού ταλέντου. Η υπόθεση Riemann από την άλλη πλευρά είναι ένα πρόβλημα που εργάζονται πολλοί μαθηματικοί. Είναι μια δήλωση για τη φύση των πρώτων αριθμών των οποίων η απόδειξη διέφευγε τους μαθηματικούς για περισσότερο από έναν αιώνα. Το Μαθηματικό Ινστιτούτο Clay στις ΗΠΑ έχει υποσχεθεί να ανταμείψει τον λύτη του με 1 εκατομμύριο δολάρια. «Ακόμα διχασμένο» Δεδομένης της τεράστιας βιβλιογραφίας στην οποία εκτίθενται αυτά τα LLM, αναμένεται να βρουν νέες και χρήσιμες ιδέες για το πώς να προσεγγίσουν ένα μαθηματικό πρόβλημα που ένας αντίστοιχος ανθρώπινος ειδικός δεν θα έβλεπε πάντα αμέσως, πρόσθεσε. Ο Gadgil, ο οποίος αγκαλιάζει τα εργαλεία LLM στη δική του έρευνα, πρόσθεσε ότι ο τομέας του είναι «ακόμα διχασμένος» όσον αφορά την ενσωμάτωσή τους. Σύμφωνα με τον ίδιο, υπήρχαν αρκετά καλά μοντέλα που «δεν έδειχναν σημάδια οροπέδιο και είχαν πολλές λανθάνουσες δυνατότητες που δεν είχαν ακόμη εξερευνηθεί πλήρως», και ως εκ τούτου θα έπρεπε να ενθαρρύνονται ως εργαλεία που ένας εργαζόμενος ερευνητής θα έπρεπε να ενσωματώνει. Δημοσιεύθηκε – 25 Οκτωβρίου 2025 06:00 π.μ. IST
Δημοσιεύτηκε: 2025-10-25 01:30:00
πηγή: www.thehindu.com
