دیپ‌مایند و BioNTech دستیار‌های هوش مصنوعی برای پژوهش علمی می‌سازند

به گزارش پیوست به نقل از فایننشال تایمز،‌ دمیس حسابیس رئیس بازوی هوش مصنوعی گوگل تلاش برای ساخت این مدل تخصصی را رهبری می‌کند. این مدل قرار است به عنوان یک دستیار تحقیقاتی به پژوهشگران در هکاری میان رشته‌ای و ایجاد ارتباط‌های غیرمنتظره کمک کند.

او در یک رخداد جدید بنیاد نوبل گفت که بیولوژی در نتیجه نرم‌افزار هوش مصنوعی در شرف یک انقلاب است.

حسابیس گفت: «ما در حال کار روی یک مدل زبانی بزرگ هستیم که می‌تواند به عنوان یک دستیار تحقیقاتی عمل کند و حتی در پیش‌بینی… خروجی یک آزمایش به شما کمک کند.»

او گفت که در سال‌های پیش رو، ابزارهای دیپ‌مایند می‌توانند آزمایش‌هایی را براساس یک فرضیه مشخص پیشنهاد داده و طراحی کنند و یک دیدگاه واقعی‌گرایانه درمورد پتانسیل موفقیت یا شکست در اختیار پژوهشگران بگذارند.

شرکت داروسازی BioNTech آلمان و زیرشاخه مستقر در لندن این شرکت (InstaDeep) ‌که روی هوش مصنوعی تمرکز دارد، گفت که یک دستیار ویژه هوش مصنوعی به نام Laila را با «دانش عمیق از بیولوژی» بر مبنای مدل متن‌باز Llama 3.1 از متا طراحی کرده است.

آرنو پریتوریوس، در یک ارائه زنده نحوع خودکارسازی وظایف علمی در بیولوژی آزمایشی، مثل تجزیه تحلیل و تقسیم‌بندی توالی‌های DNA را به نمایش گذاشت و نمایه‌ای تصویری از نتایج آزمایش را نیز به همراه داشت.

پژوهشگران آزمایشگاه BioNTech نیز نشان دادند که چطور Laila می‌هواند دستگاه‌های آزمایشگاهی را متصل کرده و آزمایش‌های در حال اجرا یا وظایف برعهده روبات‌ها را تحت نظارت قرار دهد. این دستیار می‌تواند یک خطای مکانیکی را در ماشین این شرکت شناسیای کند.

کریم بگیور، مدیرعامل InstaDeep،‌ در مصاحبه با فایننشال تایمز گفت:‌ «ما بر این باور نیستیم که خودکارسازی کامل به این زودی‌ها از راه برسد. ما عاملیت‌های هوش مصنوعی مثل Laila را تسهیل‌گر بهره‌وری میدانیم که به پژوهشگران و تکنسین‌ها اجازه می‌دهد تا زمان محدود خود را به موضوعات واقعا مهم اختصاص دهند.»

شرکت‌هایی مثل گوگل ومایکروسافت در حال انطباق مدل‌های بزرگ زبانی خود هستند تا به روند پیشرفت‌های مهم علمی کمک کنند.

دیپ‌مایند در سال ۲۰۲۲ یک سیستم هوش مصنوعی به نام AlphaFold را طراحی کرد که می‌تواند شکل تقریبا هر پروتئینی را پیش‌بینی کند و در نتیجه یک چالش ۵۰ ساله دانشمندان برطرف شد و احتمال زمان مورد نیاز برای اکتشافات بیولوژیکی تا حد قابل توجهی کاهش پیدا کند.

پاول نرس، برنده جایزه نوبل در مراسم نوبل در ماه مارس گفت که اعضای آزمایشگاه او تمام‌وقت از AlphaFold در آزمایش‌های بیوشیمی استفاده می‌کنند و افزود که خروجی این مدل «همیشه درست نیست اما به اندازه کافی برای تبدیل شدن به یک ابزار فوق‌العاده درست عمل می‌کند.»

مایکروسافت نیز به تازگی با استفاده از مدل‌های بزرگ زبانی به سراغ اکتشافات علمی رفته است و کریس بیشاپ، رهبر این تلاش‌ها در فوریوم تحقیقات اعلام کرده است که یکی از مهمترین مشخصه‌های LLMها این بود که «که می‌توانند به عنوان موتور‌های کارآمد استدلال عمل کنند.»