Το Venture Fund a16z υποστηρίζει την GenML στην καταπολέμηση του νόμου του Eroom
Εν συντομία
Η GenML, μια επενδυτική διατριβή από το venture fund a16z, στοχεύει να αντιστρέψει τον νόμο του Eroom συνδυάζοντας αλγόριθμους και υπολογιστική ισχύ στις βιοεπιστήμες.
Η τεχνητή νοημοσύνη έχει τη δυνατότητα να αντιμετωπίσει προκλήσεις στον σχεδιασμό της υγειονομικής περίθαλψης και των φαρμάκων, όπως η αύξηση του κόστους λόγω της ανάγκης για άριστα εκπαιδευμένο προσωπικό και η αντιμετώπιση ζητημάτων πρόσβασης και ποιότητας.
Οι βασικοί παράγοντες που υποστηρίζουν τις δυνατότητες του GenML περιλαμβάνουν GPT-4, έργα θεραπείας AlphaFold και RNA.
Η βιομηχανία της τεχνολογίας είναι από καιρό εξοικειωμένη με τον νόμο του Moore, ο οποίος δηλώνει ότι η υπολογιστική ισχύς των υπολογιστών αυξάνεται εκθετικά ενώ το κόστος των υπολογιστών μειώνεται. Ωστόσο, υπάρχει ένας άλλος νόμος, λιγότερο γνωστός αλλά εξίσου επηρεασμένος, που ονομάζεται Ο νόμος του Eroom. Αυτός ο νόμος περιγράφει πώς ο ρυθμός καινοτομίας σε έναν κλάδο επιβραδύνεται κάθε χρόνο, συνοδευόμενος από μια εκθετική αύξηση του κόστους των νέων προϊόντων. Ένας ιδιαίτερος τομέας όπου ο νόμος του Eroom έχει κάνει αισθητή την παρουσία του είναι η ανάπτυξη νέων φαρμάκων.
Για να μεταβείτε από τον νόμο του Eroom στο νόμο του Moore, οι υπηρεσίες που οδηγούνται από τον άνθρωπο πρέπει να μετατραπούν σε υπολογιστές. Αυτός ο μετασχηματισμός ξεκινά με πιο απλά, εφάπαξ μοντέλα (συνήθως μηχανική μάθηση) που εκτελούν απλές εργασίες ανεκτικές σε σφάλματα, όπως το Netflix που χρησιμοποιεί AI για να προτείνει εκπομπές. Καθώς η τεχνητή νοημοσύνη προχωρά, εισερχόμαστε σε νέες σφαίρες δυνατοτήτων, όπως οι παραγωγικές μέθοδοι τεχνητής νοημοσύνης που παράγουν κείμενο και εικόνες ή ολοκληρώνουν σύνθετες εργασίες με σφάλματα (γνωστοί και ως ψευδαισθήσεις). Αυτή η πρόοδος ανοίγει την πόρτα στη δυνατότητα συγκυβερνήτων με τεχνητή νοημοσύνη στις βιοεπιστήμες και την υγειονομική περίθαλψη που μπορούν να κλιμακώσουν σε μεγάλο βαθμό την ειδικευμένη εργασία ή την εργασία με μικρότερη εξειδίκευση.
Η απίστευτη πρόοδος του AI είναι μόνο ένα μέρος της ιστορίας. Υπάρχει επίσης μια αναγέννηση στους αλγόριθμους και την υπολογιστική ισχύ, καθώς και πρόοδοι στη βιολογία και την υγειονομική περίθαλψη. Οι πρόοδοι που βασίζονται στη μηχανική στις επιστήμες της ζωής έχουν οδηγήσει σε σημαντικές προόδους στην επεξεργασία γονιδίων, την κυτταρική βιολογία, τα βλαστοκύτταρα, τα ρομποτικά πειράματα και άλλους τομείς, επιτρέποντας στους επιστήμονες να χειριστούν τη βιολογία με τρόπους που δεν είχαν ακούσει μέχρι τώρα. Αυτές οι εξελίξεις επέτρεψαν τη βιολογία σε κλίμακα καθώς και με νέα συνέπεια, που είναι και τα δύο απαραίτητα για τη σύνδεση με την τεχνητή νοημοσύνη. Επιπλέον, η ενσωμάτωση της τεχνητής νοημοσύνης σε πειράματα επιστήμης της ζωής δημιουργεί έναν ισχυρό βρόχο ανατροφοδότησης στον οποίο τα πειράματα βελτιώνουν την προγνωστική ισχύ της τεχνητής νοημοσύνης, η οποία με τη σειρά της βελτιώνει τα πειράματα.
Σε μια προσπάθεια να καταπολεμήσει το νόμο του Eroom, το venture fund a16z δημοσίευσε πρόσφατα ένα η επενδυτική διατριβή επικεντρώθηκε στη διασταύρωση AI και Biotech, γνωστό ως GenML (Genomic Machine Learning). Αυτή η διατριβή υποδηλώνει ότι η GenML έχει τη δυνατότητα να αντιστρέψει τον νόμο του Eroom, επιφέροντας μια αλλαγή στον κλάδο και ξεκλειδώνοντας ουσιαστικές ευκαιρίες για νεοφυείς επιχειρήσεις και επενδυτές.
Πίσω από όλες αυτές τις προόδους βρίσκεται ένας τεράστιος όγκος υπολογιστών και αποθήκευσης δεδομένων, που μόλις πρόσφατα κατέστη δυνατή. Για πρώτη φορά, μια αναγέννηση στους αλγόριθμους συνδυάστηκε με την καθαρή υπολογιστική ισχύ για τον έλεγχο, την επανάληψη και την εκτέλεση αυτών των προγραμμάτων.
Η τεχνητή νοημοσύνη έχει την ευκαιρία να αντιμετωπίσει τις μεγαλύτερες προκλήσεις στον τομέα της υγειονομικής περίθαλψης και του σχεδιασμού φαρμάκων. Πρώτον, το κόστος της υγειονομικής περίθαλψης αυξάνεται λόγω της ανάγκης για υψηλά εκπαιδευμένο προσωπικό, ιδιαίτερα διδάκτορες, διδάκτορες, νοσηλευτές και άλλους. Καθώς η τεχνητή νοημοσύνη γίνεται ολοένα και πιο ικανή να λειτουργεί ως τεχνικός εμπειρογνώμονας, υπάρχουν ευκαιρίες να επεκταθούν οι ικανότητες των υφιστάμενων παρόχων να παρέχουν φροντίδα με πολύ χαμηλότερο κόστος. Εάν εφαρμοστεί με ενσυναίσθηση, μπορεί να προκαλέσει δέσμευση και να διατηρήσει τη συμμόρφωση με τις κλινικές συστάσεις, καθώς και να μειώσει την επαγγελματική εξουθένωση των ιατρών. Δεύτερον, με μειωμένο κόστος έρχεται η δυνατότητα αντιμετώπισης ζητημάτων πρόσβασης (κλίμακα) και ποιότητας (μείωση της διακύμανσης της απόδοσης). Καθώς η περισσότερη περίθαλψη ενεργοποιείται με τεχνητή νοημοσύνη, η τεχνητή νοημοσύνη έχει τη δυνατότητα να εκδημοκρατίσει την υγειονομική περίθαλψη, παρέχοντας τις καλύτερες υπηρεσίες υγειονομικής περίθαλψης σε όλους.
Αρκετοί βασικοί παράγοντες υποστηρίζουν την πεποίθηση ότι η GenML θα μπορούσε να ξεπεράσει τα εμπόδια που επιβάλλει ο νόμος του Eroom:
- GPT-4, ένα μη εξειδικευμένο μοντέλο που αναπτύχθηκε από OpenAI, έχει δείξει πολλά υποσχόμενα αποτελέσματα στην ανακάλυψη ναρκωτικών. Ακόμη και OpenAI αναγνωρίζει τους πιθανούς κινδύνους που συνδέονται με αυτή την ικανότητα στο GPT-4 μοντέλο.
- Το AlphaFold, ένα μοντέλο AI που αναπτύχθηκε από την DeepMind, έγινε πρόσφατα πρωτοσέλιδο με επιτυχία αποκαλύπτοντας τις πολύπλοκες τρισδιάστατες δομές των πρωτεϊνών—μια πρόκληση που έχει μπερδέψει τους επιστήμονες εδώ και μισό αιώνα.
- Έργα με τη βοήθεια AI στον τομέα της Θεραπεία RNA έχουν αποδείξει σημαντικές δυνατότητες στην εύρεση θεραπειών για ανίατες στο παρελθόν ασθένειες. Αξιοποιώντας τη δύναμη της τεχνητής νοημοσύνης, οι ερευνητές μπορούν τώρα να εξερευνήσουν θεραπευτικές επιλογές που κάποτε ήταν αδιανόητες.
- Η επιτυχία της τεχνητής νοημοσύνης σε διάφορους τομείς βασίζεται σε μεγάλο βαθμό στην ποιότητα και την κλίμακα των διαθέσιμων συνόλων δεδομένων. Πρωτοβουλίες Ανοικτών Δεδομένων και η εμφάνιση του πλήθος δεδομένων ερευνητικών δεδομένων διευκολύνουν τη διεύρυνση της γνώσης και επιτρέπουν πιο ολοκληρωμένες λύσεις που βασίζονται στην τεχνητή νοημοσύνη.
Ένα βασικό μέρος τόσο της μείωσης του κόστους όσο και της βελτίωσης των αποτελεσμάτων πιθανότατα θα προέλθει από τον αντίκτυπο της τεχνητής νοημοσύνης στην ανάπτυξη νέων θεραπειών. Η τεχνητή νοημοσύνη χρησιμεύει ως βασικός μοχλός για την κατανόηση της βιολογίας, επιτρέποντας στην έρευνα να κλιμακωθεί πολύ πέρα από το τρέχον μοντέλο, το οποίο βασίζεται κατά κύριο λόγο σε τρελή ανακάλυψη που επιτρέπονται από ώρες ανθρώπινης εργασίας στο εργαστήριο.
Ωστόσο, είναι σημαντικό να σημειωθούν οι πιθανές ανησυχίες σχετικά με την τεχνητή νοημοσύνη, συμπεριλαμβανομένης της ενσωματωμένης μεροληψίας και άλλων αστοχιών που μπορεί να προκύψουν από την εκπαίδευση πρώιμων μοντέλων τεχνητής νοημοσύνης σε δεδομένα που συλλέγονται από ανθρώπους. Καθώς η τεχνητή νοημοσύνη εφαρμόζεται σε νέες βιομηχανίες, οι επιστήμονες, οι πάροχοι υγειονομικής περίθαλψης και οι ρυθμιστικές αρχές πρέπει να παραμείνουν σε επαγρύπνηση για δυνητικά επιβλαβείς παρενέργειες. Τα υπαρχοντα κανονιστικού πλαισίου στις βιοεπιστήμες και την υγειονομική περίθαλψη δοκιμάζει τα πάντα (θεραπευτικά, συσκευές κ.λπ.) για αποτελεσματικότητα και ανεπιθύμητες ενέργειες.
Η Νέα Βιομηχανική Επανάσταση βρίσκεται τώρα σε εξέλιξη και ενώ ορισμένοι μπορεί να αναμένουν ότι ο αντίκτυπος της τεχνητής νοημοσύνης θα συμβεί εν μία νυκτί, προσβλέπουμε σε μια σταδιακή μετάβαση που πιθανότατα θα συμβεί με την πάροδο του χρόνου. Αυτές οι εξελίξεις στο GenML προσφέρουν μια ματιά σε ένα μέλλον όπου ο νόμος του Eroom μπορεί να ξεπεραστεί, όχι μόνο στην ανάπτυξη φαρμάκων αλλά και σε άλλες βιομηχανίες.
Διαβάστε περισσότερα για το AI:
Αποποίηση ευθυνών
Σύμφωνα με το Οδηγίες του έργου Trust, σημειώστε ότι οι πληροφορίες που παρέχονται σε αυτήν τη σελίδα δεν προορίζονται και δεν πρέπει να ερμηνεύονται ως νομικές, φορολογικές, επενδυτικές, χρηματοοικονομικές ή οποιαδήποτε άλλη μορφή συμβουλής. Είναι σημαντικό να επενδύσετε μόνο ό,τι έχετε την πολυτέλεια να χάσετε και να αναζητήσετε ανεξάρτητες οικονομικές συμβουλές εάν έχετε οποιεσδήποτε αμφιβολίες. Για περισσότερες πληροφορίες, προτείνουμε να ανατρέξετε στους όρους και τις προϋποθέσεις, καθώς και στις σελίδες βοήθειας και υποστήριξης που παρέχονται από τον εκδότη ή τον διαφημιστή. MetaversePost δεσμεύεται για ακριβείς, αμερόληπτες αναφορές, αλλά οι συνθήκες της αγοράς υπόκεινται σε αλλαγές χωρίς προειδοποίηση.
Σχετικά με το Συγγραφέας
Ο Damir είναι ο αρχηγός της ομάδας, ο διευθυντής προϊόντων και ο συντάκτης στο Metaverse Post, καλύπτοντας θέματα όπως AI/ML, AGI, LLMs, Metaverse και Web3-σχετικά πεδία. Τα άρθρα του προσελκύουν ένα τεράστιο κοινό άνω του ενός εκατομμυρίου χρηστών κάθε μήνα. Φαίνεται να είναι ειδικός με 10ετή εμπειρία στο SEO και το ψηφιακό μάρκετινγκ. Ο Damir έχει αναφερθεί στο Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto και άλλες εκδόσεις. Ταξιδεύει μεταξύ των ΗΑΕ, της Τουρκίας, της Ρωσίας και της ΚΑΚ ως ψηφιακός νομάδας. Ο Damir απέκτησε πτυχίο στη φυσική, το οποίο πιστεύει ότι του έχει δώσει τις δεξιότητες κριτικής σκέψης που απαιτούνται για να είναι επιτυχής στο συνεχώς μεταβαλλόμενο τοπίο του Διαδικτύου.
Περισσότερα άρθρα
Ο Damir είναι ο αρχηγός της ομάδας, ο διευθυντής προϊόντων και ο συντάκτης στο Metaverse Post, καλύπτοντας θέματα όπως AI/ML, AGI, LLMs, Metaverse και Web3-σχετικά πεδία. Τα άρθρα του προσελκύουν ένα τεράστιο κοινό άνω του ενός εκατομμυρίου χρηστών κάθε μήνα. Φαίνεται να είναι ειδικός με 10ετή εμπειρία στο SEO και το ψηφιακό μάρκετινγκ. Ο Damir έχει αναφερθεί στο Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto και άλλες εκδόσεις. Ταξιδεύει μεταξύ των ΗΑΕ, της Τουρκίας, της Ρωσίας και της ΚΑΚ ως ψηφιακός νομάδας. Ο Damir απέκτησε πτυχίο στη φυσική, το οποίο πιστεύει ότι του έχει δώσει τις δεξιότητες κριτικής σκέψης που απαιτούνται για να είναι επιτυχής στο συνεχώς μεταβαλλόμενο τοπίο του Διαδικτύου.
