Venture Fund a16z tukee GenML:ää torjumaan Eromin lakia
Lyhyesti
Venture Fund a16z:n sijoitustutkielma GenML pyrkii kääntämään Eromin lain päinvastaiseksi yhdistämällä algoritmeja ja laskentatehoa biotieteissä.
Tekoälyllä on potentiaalia vastata terveydenhuollon ja lääkesuunnittelun haasteisiin, kuten korkeasti koulutetun henkilöstön tarpeesta johtuviin kustannusten nousuun sekä saatavuutta ja laatua koskeviin kysymyksiin.
GenML:n potentiaalia tukevia keskeisiä tekijöitä ovat mm GPT-4, AlphaFold- ja RNA-terapiaprojekteja.
Teknologiateollisuus on jo pitkään tuntenut Mooren lain, jonka mukaan tietokoneiden laskentateho kasvaa eksponentiaalisesti, kun taas laskennan kustannukset laskevat. On kuitenkin olemassa toinen laki, vähemmän tunnettu mutta yhtä vaikuttava, nimeltään Eroomin laki. Tämä laki kuvaa, kuinka alan innovaatiovauhti hidastuu joka vuosi, minkä seurauksena uusien tuotteiden kustannukset nousevat eksponentiaalisesti. Eräs erityinen ala, jolla Eromin laki on saanut vaikutuksensa, on uusien lääkkeiden kehittäminen.
Siirtyäksesi Eroomin laista Mooren lakiin, ihmisen ohjaamat palvelut on muutettava laskennaksi. Tämä muutos alkaa yksinkertaisemmilla, kertakäyttöisillä malleilla (yleensä koneoppiminen), jotka suorittavat yksinkertaisia, virheitä sietäviä tehtäviä, kuten Netflix, joka käyttää tekoälyä ohjelmien suosittelemiseen. Tekoälyn kehittyessä astumme uusille mahdollisuuksille, kuten generatiivisille tekoälymenetelmille, jotka tuottavat tekstiä ja kuvia tai suorittavat monimutkaisia tehtäviä virheellisesti (alias hallusinaatioita). Tämä kehitys avaa oven tekoälyllä toimivien apulentäjien mahdollisuudelle biotieteissä ja terveydenhuollossa, jotka voivat skaalata suuresti ammattitaitoista työvoimaa tai korkeammalle tasolle vähemmän koulutettua työvoimaa.
Tekoälyn uskomaton kehitys on vain osa tarinaa; myös algoritmit ja laskentateho ovat renessanssia sekä biologian ja terveydenhuollon edistysaskeleita. Teknologiavetoiset edistysaskeleet biotieteissä ovat johtaneet merkittäviin edistysaskeliin geenien muokkauksessa, solubiologiassa, kantasoluissa, robottikokeissa ja muilla aloilla, minkä ansiosta tiedemiehet voivat manipuloida biologiaa aiemmin tuntemattomilla tavoilla. Nämä edistysaskeleet ovat mahdollistaneet biologian mittakaavassa sekä uuden johdonmukaisuuden, jotka molemmat ovat välttämättömiä tekoälyn yhdistämiselle. Lisäksi tekoälyn sisällyttäminen life science -kokeisiin luo vahvan takaisinkytkentäsilmukan, jossa kokeet parantavat tekoälyn ennustuskykyä, mikä puolestaan parantaa kokeita.
Yrittääkseen taistella Eroomin lakia vastaan riskirahasto a16z on äskettäin julkaissut an investointitutkielma keskittyi tekoälyn ja biotekniikan risteykseen, joka tunnetaan nimellä GenML (Genomic Machine Learning). Tämä opinnäytetyö viittaa siihen, että GenML:llä on potentiaalia kääntää Eromin laki, mikä saa aikaan muutoksen alalla ja avaa merkittäviä mahdollisuuksia startup-yrityksille ja sijoittajille.
Kaikkien näiden edistysten taustalla on valtava määrä laskentaa ja tietojen tallennusta, mikä on tullut mahdolliseksi vasta äskettäin. Ensimmäistä kertaa algoritmien renessanssi on yhdistetty puhtaaseen laskentatehoon näiden ohjelmien testaamiseen, iterointiin ja suorittamiseen.
Tekoälyllä on mahdollisuus kohdata terveydenhuollon ja lääkesuunnittelun suurimpia haasteita. Ensinnäkin terveydenhuollon kustannukset nousevat korkeasti koulutetun henkilöstön, erityisesti tohtoreiden, lääketieteen tohtoreiden, sairaanhoitajien ja muiden tarpeiden vuoksi. Tekoälyn kyvyn kasvaessa toimia teknisenä asiantuntijana on mahdollisuuksia laajentaa olemassa olevien palveluntarjoajien mahdollisuuksia tarjota hoitoa paljon halvemmalla. Jos se toteutetaan empatialla, se voi synnyttää sitoutumista ja ylläpitää kliinisten suositusten noudattamista sekä lieventää kliinikon työuupumusta. Toiseksi alhaisemmilla kustannuksilla voidaan ratkaista pääsyyn (mittakaavaan) ja laatuun (suorituskyvyn vaihtelun vähentäminen) liittyviä kysymyksiä. Kun yhä enemmän hoitoa tulee tekoälyn käyttöön, tekoälyllä on potentiaalia demokratisoida terveydenhuoltoa ja tarjota parhaat terveydenhuoltopalvelut kaikille.
Useat keskeiset tekijät tukevat uskoa, että GenML voisi murtaa Eromin lain asettamat esteet:
- GPT-4, erikoistumaton malli, jonka on kehittänyt OpenAI, on osoittanut lupaavia tuloksia huumeiden löytämisessä. Jopa OpenAI tunnustaa tähän kykyyn liittyvät mahdolliset riskit GPT-4 malli.
- AlphaFold, DeepMindin kehittämä tekoälymalli, nousi äskettäin otsikoihin menestyksekkäästi proteiinien monimutkaisten 3D-rakenteiden purkaminen-haaste, joka on hämmentänyt tiedemiehiä puolen vuosisadan ajan.
- AI-avusteiset projektit alalla RNA-terapia ovat osoittaneet merkittäviä mahdollisuuksia löytää parannuskeinoja aiemmin parantumattomiin sairauksiin. Hyödyntämällä tekoälyn voimaa tutkijat voivat nyt tutkia hoitovaihtoehtoja, joita ennen oli mahdoton kuvitella.
- Tekoälyn menestys eri aloilla riippuu suuresti saatavilla olevien tietojoukkojen laadusta ja laajuudesta. Open Data -aloitteet ja niiden syntyminen joukkolähteet tutkimusaineistot helpottavat tiedon laajentamista ja mahdollistavat kattavampia tekoälypohjaisia ratkaisuja.
Keskeinen osa sekä kustannusten alenemista että tulosten paranemista tulee todennäköisesti tekoälyn vaikutuksesta uusien hoitomuotojen kehittämiseen. Tekoäly toimii avaintekijänä biologian ymmärtämisessä, mikä mahdollistaa tutkimuksen skaalaamisen paljon nykyistä mallia pidemmälle, joka perustuu ensisijaisesti satunnaisiin löytöihin, jotka mahdollistavat tuntien ihmisen työ laboratoriossa.
On kuitenkin tärkeää huomata tekoälyyn liittyvät mahdolliset huolenaiheet, mukaan lukien sulautettu harha ja muut viat, joita voi syntyä opetettaessa varhaisia tekoälymalleja ihmisten keräämien tietojen pohjalta. Koska tekoälyä sovelletaan uusilla aloilla, tutkijoiden, terveydenhuollon tarjoajien ja sääntelyviranomaisten on pysyttävä valppaina mahdollisesti haitalliset sivuvaikutukset. Olemassa oleva sääntelypuitteita biotieteissä ja terveydenhuollossa testaa kaikkea (terapiat, laitteet jne.) tehokkuuden ja haittavaikutusten suhteen.
Uusi teollinen vallankumous on nyt käynnissä, ja vaikka jotkut saattavat odottaa tekoälyn vaikutuksen tapahtuvan yhdessä yössä, odotamme asteittaista siirtymää, joka todennäköisesti tapahtuu ajan myötä. Nämä GenML:n kehityssuunnat tarjoavat kurkistuksen tulevaisuuteen, jossa Eromin laki voidaan voittaa, ei vain lääkekehityksessä vaan myös muilla teollisuudenaloilla.
Lue lisää tekoälystä:
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
lisää artikkeleita
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
