Le fonds de capital-risque a16z soutient GenML pour lutter contre la loi d'Eroom
En bref
GenML, une thèse d'investissement du fonds de capital-risque a16z, vise à inverser la loi d'Eroom en combinant algorithmes et puissance de calcul dans les sciences de la vie.
L'IA a le potentiel de relever les défis de la conception des soins de santé et des médicaments, tels que la hausse des coûts due au besoin de personnel hautement qualifié et de résoudre les problèmes d'accès et de qualité.
Les facteurs clés soutenant le potentiel de GenML comprennent GPT-4, AlphaFold et projets de thérapie par ARN.
L'industrie technologique connaît depuis longtemps la loi de Moore, qui stipule que la puissance de calcul des ordinateurs augmente de façon exponentielle tandis que le coût de l'informatique diminue. Cependant, il existe une autre loi, moins connue mais tout aussi impactante, appelée Loi d'Eroom. Cette loi décrit comment le rythme d'innovation dans une industrie ralentit chaque année, accompagné d'une augmentation exponentielle du coût des nouveaux produits. Un domaine particulier où la loi d'Eroom s'est fait sentir est le développement de nouveaux médicaments.
Pour passer de la loi d'Eroom à la loi de Moore, les services pilotés par l'homme doivent être convertis en calcul. Cette transformation commence par des modèles plus simples et ponctuels (généralement l'apprentissage automatique) qui effectuent des tâches simples et tolérantes aux erreurs, telles que Netflix utilisant l'IA pour recommander des émissions. Au fur et à mesure que l'IA progresse, nous entrons dans de nouveaux domaines de possibilités, tels que les méthodes d'IA génératives produisant du texte et des images ou accomplissant des tâches complexes avec des erreurs (ou hallucinations). Cette progression ouvre la porte à la possibilité de copilotes alimentés par l'IA dans les sciences de la vie et les soins de santé qui peuvent considérablement faire évoluer la main-d'œuvre qualifiée ou améliorer la main-d'œuvre moins qualifiée.
Les progrès incroyables de l'IA ne sont qu'une partie de l'histoire ; il y a aussi une renaissance des algorithmes et de la puissance de calcul, ainsi que des progrès en biologie et en soins de santé. Les progrès de l'ingénierie dans les sciences de la vie ont entraîné des avancées significatives dans l'édition de gènes, la biologie cellulaire, les cellules souches, les expériences robotiques et d'autres domaines, permettant aux scientifiques de manipuler la biologie de manière inédite. Ces progrès ont permis la biologie à grande échelle ainsi qu'avec une cohérence retrouvée, qui sont toutes deux essentielles pour se connecter à l'IA. De plus, l'intégration de l'IA dans les expériences en sciences de la vie crée une forte boucle de rétroaction dans laquelle les expériences améliorent le pouvoir prédictif de l'IA, qui à son tour améliore les expériences.
Pour tenter de lutter contre la loi d'Eroom, le fonds de capital-risque a16z a récemment publié un thèse d'investissement axée sur l'intersection de l'IA et de la biotechnologie, connu sous le nom de GenML (apprentissage automatique génomique). Cette thèse suggère que GenML a le potentiel d'inverser la loi d'Eroom, entraînant un changement dans l'industrie et ouvrant des opportunités substantielles pour les startups et les investisseurs.
À la base de toutes ces avancées se trouve une immense quantité de calcul et de stockage de données, qui n'est devenue possible que récemment. Pour la première fois, une renaissance des algorithmes a été associée à la puissance de calcul pure pour tester, itérer et exécuter ces programmes.
L'IA a la possibilité de relever les plus grands défis en matière de soins de santé et de conception de médicaments. Premièrement, le coût des soins de santé augmente en raison du besoin de personnel hautement qualifié, en particulier de docteurs, de médecins, d'infirmières et autres. Alors que l'IA devient de plus en plus capable de fonctionner en tant qu'expert technique, il existe des opportunités d'étendre les capacités des prestataires existants à fournir des soins à un coût bien moindre. S'il est mis en œuvre avec empathie, il peut engendrer un engagement et maintenir la conformité aux recommandations cliniques, ainsi qu'atténuer l'épuisement professionnel des cliniciens. Deuxièmement, la réduction des coûts s'accompagne de la capacité à résoudre les problèmes d'accès (échelle) et de qualité (réduction de la variance des performances). À mesure que de plus en plus de soins deviennent activés par l'IA, l'IA a le potentiel de démocratiser les soins de santé, en offrant les meilleurs services de santé à tous.
Plusieurs facteurs clés soutiennent la conviction que GenML pourrait franchir les barrières imposées par la loi d'Eroom :
- GPT-4, un modèle non spécialisé développé par OpenAI, a montré des résultats prometteurs dans la découverte de médicaments. Même OpenAI reconnaît les risques potentiels associés à cette capacité dans le GPT-4 modèle.
- AlphaFold, un modèle d'IA développé par DeepMind, a récemment fait la une des journaux en réussissant démêler les structures 3D complexes des protéines– un défi qui a déconcerté les scientifiques pendant un demi-siècle.
- Projets assistés par IA dans le domaine de thérapie ARN ont démontré un potentiel important dans la recherche de remèdes pour des maladies auparavant incurables. En exploitant la puissance de l'IA, les chercheurs peuvent désormais explorer des options de traitement qui étaient autrefois inimaginables.
- Le succès de l'IA dans divers domaines dépend fortement de la qualité et de l'échelle des ensembles de données disponibles. Les initiatives Open Data et l'émergence de ensembles de données de recherche participatives facilitent l'expansion des connaissances et permettent des solutions plus complètes basées sur l'IA.
Un élément clé de la réduction des coûts et de l'amélioration des résultats proviendra probablement de l'impact de l'IA sur le développement de nouvelles thérapies. L'IA est un moteur clé dans la compréhension de la biologie, permettant à la recherche d'être étendue bien au-delà du modèle actuel, qui repose principalement sur une découverte fortuite rendue possible par des heures de travail humain en laboratoire.
Cependant, il est important de noter les préoccupations potentielles concernant l'IA, y compris les biais intégrés et d'autres échecs pouvant résulter de la formation des premiers modèles d'IA sur des données collectées par des humains. Alors que l'IA est appliquée à de nouvelles industries, les scientifiques, les prestataires de soins de santé et les régulateurs doivent rester vigilants pour effets secondaires potentiellement nocifs. L'existant cadre réglementaire dans les sciences de la vie et la santé teste tout (thérapeutique, dispositifs, etc.) pour l'efficacité et les effets indésirables.
La nouvelle révolution industrielle est maintenant en cours, et même si certains peuvent s'attendre à ce que l'impact de l'IA se produise du jour au lendemain, nous attendons avec impatience une transition progressive qui se produira probablement au fil du temps. Ces développements dans GenML offrent un aperçu d'un avenir où la loi d'Eroom pourrait être surmontée, non seulement dans le développement de médicaments mais aussi dans d'autres industries.
En savoir plus sur l'IA :
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Damir est chef d'équipe, chef de produit et rédacteur en chef chez Metaverse Post, couvrant des sujets tels que l'IA/ML, l'AGI, les LLM, le métaverse et Web3-domaines connexes. Ses articles attirent une audience massive de plus d'un million d'utilisateurs chaque mois. Il semble être un expert avec 10 ans d'expérience dans le référencement et le marketing numérique. Damir a été mentionné dans Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto et d'autres publications. Il voyage entre les Émirats arabes unis, la Turquie, la Russie et la CEI en tant que nomade numérique. Damir a obtenu un baccalauréat en physique, ce qui, selon lui, lui a donné les compétences de pensée critique nécessaires pour réussir dans le paysage en constante évolution d'Internet.
Plus d'articlesDamir est chef d'équipe, chef de produit et rédacteur en chef chez Metaverse Post, couvrant des sujets tels que l'IA/ML, l'AGI, les LLM, le métaverse et Web3-domaines connexes. Ses articles attirent une audience massive de plus d'un million d'utilisateurs chaque mois. Il semble être un expert avec 10 ans d'expérience dans le référencement et le marketing numérique. Damir a été mentionné dans Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto et d'autres publications. Il voyage entre les Émirats arabes unis, la Turquie, la Russie et la CEI en tant que nomade numérique. Damir a obtenu un baccalauréat en physique, ce qui, selon lui, lui a donné les compétences de pensée critique nécessaires pour réussir dans le paysage en constante évolution d'Internet.