Η Τεχνητή Νοημοσύνη στην ανακάλυψη φαρμάκων: Κρίση εμπιστοσύνης ή αλλαγή στρατηγικής;
Η μεγάλη υπόσχεση της Τεχνητής Νοημοσύνης δεν αφορά απλώς την σταδιακή διευκόλυνση της καθημερινότητάς μας μέσω εφαρμογών όπως τα chatbots. Αφορά πρωτίστως τις επιστημονικές καινοτομίες που θα μπορούσαν κυριολεκτικά να σώσουν τις ζωές μας. Ωστόσο, στον κρίσιμο τομέα της ανακάλυψης φαρμάκων, η αρχική αισιοδοξία δίνει τη θέση της σε έναν αυξανόμενο σκεπτικισμό, καθώς τα αναμενόμενα αποτελέσματα καθυστερούν να υλοποιηθούν.
Η ψυχρή πραγματικότητα των υψηλών προσδοκιών
Δισεκατομμύρια δολάρια που επενδύθηκαν από κεφάλαια επιχειρηματικών συμμετοχών (VC) στον τομέα της ανακάλυψης φαρμάκων μέσω Τεχνητής Νοημοσύνης, αρχίζουν να μοιάζουν με «χρυσό των ανόητων». Σύμφωνα με πρόσφατο ρεπορτάζ των Financial Times, έχει παρέλθει χρονικό διάστημα μεγαλύτερο από τον μέσο όρο των 10 ετών που απαιτείται για την ανακάλυψη και ανάπτυξη ενός φαρμάκου, χωρίς ωστόσο να υπάρχει ούτε ένα εγκεκριμένο φάρμακο που να προέρχεται από αυτές τις μεθόδους. Ελάχιστοι υποψήφιοι παράγοντες βρίσκονται σε προχωρημένα στάδια κλινικών δοκιμών, ενώ πολλές από τις αρχικές μελέτες των εταιρειών απέτυχαν, παρά τις δεσμεύσεις για μείωση του υψηλού ποσοστού αποτυχίας του κλάδου.
Η παγίδα του παρελθόντος: Μια πιθανή εξήγηση
Μια εξήγηση για αυτή την απογοητευτική πορεία είναι ότι πολλές από τις νεοφυείς εταιρείες χρησιμοποίησαν την Τεχνητή Νοημοσύνη για να «εξορύξουν» και να συνθέσουν δεδομένα από δεκαετίες υφιστάμενης έρευνας, ελπίζοντας να ανακαλύψουν κρυμμένους «θησαυρούς». Αυτή την άποψη υποστηρίζει ο Geoff von Maltzahn, ένας έμπειρος CEO στον χώρο της βιοτεχνολογίας και συνεργάτης της Flagship Pioneering.
Ο von Maltzahn υποστηρίζει ότι η επιστήμη έχει σε μεγάλο βαθμό εγκλωβιστεί στο λεγόμενο «Πικρό Μάθημα» (“The Bitter Lesson”), μια διάσημη θεωρία από τον χώρο της Τεχνητής Νοημοσύνης. Σύμφωνα με αυτή, οι πραγματικές καινοτομίες δεν προκύπτουν από την ενσωμάτωση της υπάρχουσας ανθρώπινης γνώσης στους τρέχοντες υπολογιστές, αλλά από την κλιμάκωση της νέας υπολογιστικής ισχύος. Όπως δηλώνει ο ίδιος, «Αν τα μοντέλα εκπαιδεύονται σε δεδομένα του παρελθόντος, τότε θα είσαι περιορισμένος».
Lila Sciences: Ένα νέο «ευαγγέλιο» για την επιστημονική ανακάλυψη;
Σε αυτό το πλαίσιο, η νέα εταιρεία του von Maltzahn, Lila Sciences, προτείνει μια ριζικά διαφορετική προσέγγιση. Η εταιρεία ανακοίνωσε πρόσφατα χρηματοδότηση ύψους 235 εκατομμυρίων δολαρίων σε έναν πρώτο γύρο (Series A), με αποτίμηση στα 1,2 δισεκατομμύρια δολάρια.
Το σχέδιο της Lila Sciences είναι η ανάπτυξη αυτόνομων εργαστηρίων ικανών να διεξάγουν χιλιάδες ταυτόχρονα πειράματα στις επιστήμες της ζωής, της χημείας και των υλικών. Στόχος της είναι να δημιουργήσει μια πλατφόρμα διαθέσιμη σε ένα ευρύ φάσμα πελατών, συμπεριλαμβανομένων εταιρειών βιοτεχνολογίας. Ουσιαστικά, η Lila δεν εστιάζει στην ανάλυση παλαιών δεδομένων, αλλά στη μαζική παραγωγή νέων, πειραματικών δεδομένων, εφαρμόζοντας την αρχή της υπεροχής του γενικού έναντι του εξειδικευμένου. «Αυτό που χτίζουμε είναι ένα μέσο για να πάμε δυτικά», αναφέρει χαρακτηριστικά ο von Maltzahn, υπονοώντας την εξερεύνηση νέων, αχαρτογράφητων περιοχών.
Στρατηγικές αντιφάσεις και το μέλλον της έρευνας
Αξίζει να σημειωθεί ότι η Flagship Pioneering, η εταιρεία πίσω από τη Lila Sciences, συγκαταλέγεται στους επενδυτές που έχουν διοχετεύσει σημαντικά κεφάλαια στην «παραδοσιακή» προσέγγιση της ανακάλυψης φαρμάκων μέσω ΑΙ. Η Lila επιχειρεί να γεφυρώσει αυτό το χάσμα, υποστηρίζοντας ότι η στρατηγική της είναι συμπληρωματική και όχι ανταγωνιστική προς τις υπάρχουσες προσπάθειες, αν και το επιχείρημα αυτό δεν κρίνεται απόλυτα πειστικό.
Εν κατακλείδι, η πίστη στην ικανότητα της Τεχνητής Νοημοσύνης να φέρει επανάσταση στην ανακάλυψη φαρμάκων δοκιμάζεται σοβαρά. Ίσως αυτό που χρειάζεται ο τομέας δεν είναι απλώς περισσότερα δεδομένα ή ισχυρότεροι αλγόριθμοι, αλλά ένα ριζικά διαφορετικό «ευαγγέλιο» και μια νέα επιστημονική μεθοδολογία.
mywaypress.gr –Περιεχόμενο αξίας με την υποστήριξη υβριδικής νοημοσύνης.
Για αναγνώστες με μεγάλο εύρος προσοχής.
Πηγή: axios.com
