صندوق سرمایه گذاری a16z از GenML برای مبارزه با قانون Eroom حمایت می کند
به طور خلاصه
GenML، پایان نامه سرمایه گذاری توسط صندوق مخاطره آمیز a16z، با هدف معکوس کردن قانون Eroom با ترکیب الگوریتم ها و قدرت محاسبه در علوم زیستی.
هوش مصنوعی پتانسیل مقابله با چالشهای مربوط به مراقبتهای بهداشتی و طراحی دارو را دارد، مانند افزایش هزینهها به دلیل نیاز به کارکنان بسیار آموزش دیده و رسیدگی به مسائل دسترسی و کیفیت.
عوامل کلیدی حمایت کننده از پتانسیل GenML عبارتند از GPT-4پروژه های آلفا فولد و RNA درمانی.
صنعت فناوری مدتها با قانون مور آشنا بوده است که بیان میکند قدرت محاسباتی رایانهها به طور تصاعدی رشد میکند در حالی که هزینه محاسبات کاهش مییابد. با این حال، قانون دیگری وجود دارد که کمتر شناخته شده اما به همان اندازه تأثیرگذار است قانون اروم. این قانون توضیح میدهد که چگونه نرخ نوآوری در یک صنعت در هر سال کاهش مییابد که با افزایش تصاعدی در هزینه محصولات جدید همراه است. یکی از زمینه های خاصی که قانون Eroom در آن حضور خود را نشان داده است، توسعه داروهای جدید است.
برای حرکت از قانون اروم به قانون مور، خدمات انسان محور باید به محاسبات تبدیل شوند. این تحول با مدلهای سادهتر و یکبار مصرف (معمولاً یادگیری ماشینی) شروع میشود که کارهای ساده و قابل تحمل خطا را انجام میدهند، مانند Netflix که از هوش مصنوعی برای توصیه نمایشها استفاده میکند. با پیشرفت هوش مصنوعی، ما وارد حوزههای احتمالی جدیدی میشویم، مانند روشهای هوش مصنوعی مولد برای تولید متن و تصاویر یا تکمیل کارهای پیچیده با خطا (معروف به توهم). این پیشرفت در را به روی امکان کمک خلبانان با هوش مصنوعی در علوم زیستی و مراقبتهای بهداشتی باز میکند که میتوانند نیروی کار ماهر را تا حد زیادی افزایش دهند یا نیروی کار با مهارت کمتر را ارتقا دهند.
پیشرفت باورنکردنی هوش مصنوعی تنها بخشی از داستان است. همچنین یک رنسانس در الگوریتم ها و قدرت محاسباتی و همچنین پیشرفت هایی در زیست شناسی و مراقبت های بهداشتی وجود دارد. پیشرفتهای مهندسی در علوم زیستی منجر به پیشرفتهای قابلتوجهی در ویرایش ژن، زیستشناسی سلولی، سلولهای بنیادی، آزمایشهای روباتیک و سایر زمینهها شده است و به دانشمندان این امکان را میدهد که زیستشناسی را به روشهای ناشناخته دستکاری کنند. این پیشرفتها زیستشناسی را در مقیاس و همچنین سازگاری تازهای که هر دو برای ارتباط با هوش مصنوعی ضروری هستند، فعال کردهاند. علاوه بر این، ترکیب هوش مصنوعی در آزمایشهای علوم زیستی، یک حلقه بازخورد قوی ایجاد میکند که در آن آزمایشها قدرت پیشبینی هوش مصنوعی را بهبود میبخشد، که به نوبه خود باعث بهبود آزمایشها میشود.
در تلاش برای مبارزه با قانون Eroom، صندوق سرمایه گذاری a16z اخیراً یک مقاله منتشر کرده است پایان نامه سرمایه گذاری بر تقاطع هوش مصنوعی و بیوتکنولوژی متمرکز شده استکه با نام GenML (یادگیری ماشین ژنومیک) شناخته می شود. این پایان نامه نشان می دهد که GenML این پتانسیل را دارد که قانون Eroom را معکوس کند و تغییری در صنعت ایجاد کند و فرصت های قابل توجهی را برای استارتاپ ها و سرمایه گذاران باز کند.
زیربنای همه این پیشرفت ها حجم عظیم محاسبات و ذخیره سازی داده ها است که به تازگی امکان پذیر شده است. برای اولین بار، رنسانس در الگوریتم ها با قدرت محاسباتی خالص برای آزمایش، تکرار و اجرای این برنامه ها ازدواج کرده است.
هوش مصنوعی این فرصت را دارد که با بزرگترین چالش ها در مراقبت های بهداشتی و طراحی دارو مقابله کند. اول، هزینه مراقبت های بهداشتی به دلیل نیاز به کارکنان بسیار آموزش دیده، به ویژه دکترا، دکترا، پرستاران و دیگران در حال افزایش است. از آنجایی که هوش مصنوعی به طور فزاینده ای به عنوان یک متخصص فنی عمل می کند، فرصت هایی برای گسترش توانایی های ارائه دهندگان موجود برای ارائه مراقبت با هزینه بسیار کمتر وجود دارد. اگر با همدلی اجرا شود، میتواند باعث ایجاد تعامل و حفظ انطباق با توصیههای بالینی شود و همچنین فرسودگی شغلی پزشک را کاهش دهد. دوم، با کاهش هزینه، توانایی پرداختن به مسائل دسترسی (مقیاس) و کیفیت (کاهش واریانس عملکرد) وجود دارد. همانطور که مراقبت بیشتر به هوش مصنوعی فعال می شود، هوش مصنوعی این پتانسیل را دارد که مراقبت های بهداشتی را دموکراتیک کند و بهترین خدمات مراقبت های بهداشتی را به همه ارائه دهد.
چندین عامل کلیدی از این باور حمایت میکنند که GenML میتواند از موانع تحمیلشده توسط قانون Eroom عبور کند:
- GPT-4، یک مدل غیر تخصصی که توسط OpenAI, نتایج دلخواه نشان داده است در کشف دارو زوج OpenAI خطرات بالقوه مرتبط با این قابلیت را تصدیق می کند GPT-4 مدل.
- AlphaFold، یک مدل هوش مصنوعی که توسط DeepMind توسعه یافته است، اخیراً با موفقیت به تیتر خبرها تبدیل شده است کشف ساختارهای سه بعدی پیچیده پروتئین ها- چالشی که نیم قرن است دانشمندان را گیج کرده است.
- پروژه های با کمک هوش مصنوعی در زمینه RNA درمانی پتانسیل قابل توجهی در یافتن درمان برای بیماریهای صعبالعلاج قبلی نشان دادهاند. با استفاده از قدرت هوش مصنوعی، محققان اکنون میتوانند گزینههای درمانی را که زمانی غیرقابل تصور بودند، بررسی کنند.
- موفقیت هوش مصنوعی در حوزه های مختلف به شدت به کیفیت و مقیاس مجموعه داده های موجود بستگی دارد. ابتکارات Open Data و ظهور مجموعه داده های تحقیقاتی جمع سپاری شده گسترش دانش را تسهیل می کنند و راه حل های جامع تری مبتنی بر هوش مصنوعی را امکان پذیر می کنند.
بخش مهمی از کاهش هزینه و بهبود نتایج احتمالاً ناشی از تأثیر هوش مصنوعی در توسعه درمانهای جدید است. هوش مصنوعی به عنوان یک محرک کلیدی در درک زیستشناسی عمل میکند و به تحقیقات اجازه میدهد تا بسیار فراتر از مدل فعلی مقیاس شوند، مدلی که اساساً بر اکتشافات بینظیر انجام شده توسط ساعتها کار انسانی در آزمایشگاه متکی است.
با این حال، توجه به نگرانیهای بالقوه در مورد هوش مصنوعی، از جمله سوگیری تعبیهشده و سایر نقصهایی که ممکن است از آموزش مدلهای اولیه هوش مصنوعی بر روی دادههای جمعآوریشده توسط انسانها ناشی شود، مهم است. از آنجایی که هوش مصنوعی در صنایع جدید اعمال می شود، دانشمندان، ارائه دهندگان مراقبت های بهداشتی و تنظیم کننده ها باید مراقب باشند. عوارض جانبی بالقوه مضر. موجود چارچوب قانونی در علوم زندگی و مراقبت های بهداشتی همه چیز (درمان ها، دستگاه ها و غیره) را از نظر اثربخشی و اثرات نامطلوب آزمایش می کند.
انقلاب صنعتی جدید اکنون در حال انجام است، و در حالی که برخی ممکن است انتظار داشته باشند که تأثیر هوش مصنوعی یک شبه رخ دهد، ما منتظر یک انتقال تدریجی هستیم که احتمالاً در طول زمان رخ خواهد داد. این پیشرفتها در GenML نگاهی اجمالی به آیندهای را ارائه میدهد که در آن قانون Eroom ممکن است نه تنها در توسعه دارو بلکه در سایر صنایع نیز غلبه کند.
درباره هوش مصنوعی بیشتر بخوانید:
سلب مسئولیت
در خط با دستورالعمل های پروژه اعتماد، لطفاً توجه داشته باشید که اطلاعات ارائه شده در این صفحه به عنوان مشاوره حقوقی، مالیاتی، سرمایه گذاری، مالی یا هر شکل دیگری در نظر گرفته نشده است و نباید تفسیر شود. مهم است که فقط در موردی سرمایه گذاری کنید که توانایی از دست دادن آن را دارید و در صورت شک و تردید به دنبال مشاوره مالی مستقل باشید. برای کسب اطلاعات بیشتر، پیشنهاد می کنیم به شرایط و ضوابط و همچنین صفحات راهنمایی و پشتیبانی ارائه شده توسط صادرکننده یا تبلیغ کننده مراجعه کنید. MetaversePost متعهد به گزارش دقیق و بی طرفانه است، اما شرایط بازار بدون اطلاع قبلی ممکن است تغییر کند.
درباره نویسنده
Damir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.
مقالات بیشترDamir رهبر تیم، مدیر محصول و سردبیر در است Metaverse Post، موضوعاتی مانند AI/ML، AGI، LLMs، Metaverse و Web3- زمینه های مرتبط مقالات او هر ماه مخاطبان زیادی از بیش از یک میلیون کاربر را جذب می کند. به نظر می رسد او یک متخصص با 10 سال تجربه در سئو و بازاریابی دیجیتال است. دمیر در Mashable, Wired, ذکر شده است. Cointelegraph، نیویورکر، Inside.com، Entrepreneur، BeInCrypto، و انتشارات دیگر. او بین امارات متحده عربی، ترکیه، روسیه و کشورهای مستقل مشترک المنافع به عنوان یک عشایر دیجیتال سفر می کند. دمیر مدرک لیسانس خود را در فیزیک گرفت که به اعتقاد او مهارت های تفکر انتقادی لازم برای موفقیت در چشم انداز دائماً در حال تغییر اینترنت را به او داده است.