Az a16z kockázati alap támogatja a GenML-t az Eroom törvénye elleni küzdelemben
Röviden
A GenML, az a16z kockázati alap befektetési tézise, célja az Eroom-törvény megfordítása az élettudományok algoritmusainak és számítási teljesítményének kombinálásával.
A mesterséges intelligencia képes megbirkózni az egészségügyi ellátás és a gyógyszertervezés kihívásaival, például a magasan képzett személyzet iránti igény miatt emelkedő költségekkel, valamint a hozzáférés és a minőség kérdéseivel.
A GenML potenciálját támogató kulcsfontosságú tényezők közé tartozik GPT-4, AlphaFold és RNS terápiás projektek.
A technológiai ipar már régóta ismeri a Moore-törvényt, amely kimondja, hogy a számítógépek számítási teljesítménye exponenciálisan nő, miközben a számítási költségek csökkennek. Van azonban egy másik, kevésbé ismert, de ugyanolyan hatású törvény is, az úgynevezett Eroom törvénye. Ez a törvény leírja, hogy az innováció üteme egy iparágban évről évre lelassul, az új termékek költségének exponenciális növekedésével együtt. Az egyik speciális terület, ahol Eroom törvénye éreztette jelenlétét, az új gyógyszerek kifejlesztése.
Az Eroom-törvényről a Moore-törvényre való áttéréshez az ember által vezérelt szolgáltatásokat számítássá kell alakítani. Ez az átalakítás egyszerűbb, egyszer használatos modellekkel (jellemzően gépi tanulással) kezdődik, amelyek egyszerű, hibatűrő feladatokat hajtanak végre, például a Netflix AI segítségével ajánl műsorokat. A mesterséges intelligencia fejlődésével a lehetőségek új tartományaiba lépünk be, mint például a generatív mesterséges intelligencia módszerek, amelyek szöveget és képeket állítanak elő, vagy bonyolult feladatokat hibásan (más néven hallucinációkkal) hajtanak végre. Ez a fejlődés megnyitja az utat a mesterséges intelligencia által üzemeltetett másodpilóták előtt az élettudományokban és az egészségügyben, amelyek nagymértékben növelhetik a képzett munkaerőt vagy a magasabb szintű kevésbé képzett munkaerőt.
Az AI hihetetlen fejlődése csak egy része a történetnek; reneszánsz az algoritmusok és a számítási teljesítmény, valamint a biológia és az egészségügy fejlődése is. Az élettudományok mérnöki által vezérelt fejlődése jelentős előrelépéseket eredményezett a génszerkesztés, a sejtbiológia, az őssejtek, a robotkísérletek és más területeken, lehetővé téve a tudósok számára, hogy korábban hallatlan módon manipulálják a biológiát. Ezek a fejlesztések lehetővé tették a biológiát a méretekben, valamint az újonnan felfedezett következetességben, amelyek mindkettő nélkülözhetetlenek az MI-vel való összekapcsoláshoz. Ezenkívül az MI beépítése az élettudományi kísérletekbe erős visszacsatolási hurkot hoz létre, amelyben a kísérletek javítják az AI előrejelző képességét, ami viszont javítja a kísérleteket.
Az Eroom törvénye elleni küzdelem érdekében az a16z kockázati alap nemrég közzétett egy befektetési szakdolgozata a mesterséges intelligencia és a biotechnológia metszéspontjára összpontosítottGenML (Genomic Machine Learning) néven ismert. Ez a tézis azt sugallja, hogy a GenML képes megfordítani az Eroom-törvényt, változást hozva az iparágban, és jelentős lehetőségeket nyit meg a startupok és a befektetők számára.
Mindezen előrelépések mögött hatalmas mennyiségű számítástechnika és adattárolás áll, amely csak a közelmúltban vált lehetővé. Az algoritmusok reneszánszát most először hozták össze azzal a tiszta számítási teljesítménnyel, hogy teszteljék, iterálják és futtassák ezeket a programokat.
Az AI-nak lehetősége van megbirkózni a legnagyobb kihívásokkal az egészségügy és a gyógyszertervezés terén. Először is, az egészségügyi ellátás költségei emelkednek a magasan képzett személyzet – különösen a PhD-k, orvosok, ápolók és mások – miatt. Ahogy a mesterséges intelligencia egyre inkább képes műszaki szakértőként működni, lehetőség nyílik arra, hogy a meglévő szolgáltatók lehetőségeit kibővítsék az ellátás sokkal alacsonyabb költséggel történő ellátására. Ha empátiával hajtják végre, akkor elkötelezettséget válthat ki és fenntarthatja a klinikai ajánlásoknak való megfelelést, valamint mérsékelheti az orvosi kiégést. Másodszor, a csökkentett költségek mellett lehetőség nyílik a hozzáférés (méretarány) és a minőség (a teljesítmény eltérésének csökkentése) problémáinak megoldására. Ahogy egyre több ellátás válik MI-kompatibilissé, a mesterséges intelligencia képes demokratizálni az egészségügyet, mindenki számára a legjobb egészségügyi szolgáltatásokat nyújtva.
Számos kulcsfontosságú tényező támasztja alá azt a meggyőződést, hogy a GenML képes áttörni az Eroom törvénye által támasztott korlátokat:
- GPT-4által kifejlesztett, nem speciális modell OpenAI, ígéretes eredményeket mutatott a gyógyszerkutatásban. Még OpenAI tudomásul veszi az ezzel a képességgel kapcsolatos lehetséges kockázatokat GPT-4 modell.
- Az AlphaFold, a DeepMind által kifejlesztett mesterséges intelligencia modell a közelmúltban sikeresen felkerült a címlapokra a fehérjék összetett 3D-s szerkezeteinek feltárása— ez a kihívás fél évszázada zavarba ejti a tudósokat.
- AI által támogatott projektek a területen RNS terápia jelentős potenciált mutattak a korábban gyógyíthatatlan betegségek gyógymódjának megtalálásában. A mesterséges intelligencia erejét kihasználva a kutatók most olyan kezelési lehetőségeket fedezhetnek fel, amelyek korábban elképzelhetetlenek voltak.
- A mesterséges intelligencia sikere különböző területeken nagymértékben függ a rendelkezésre álló adatkészletek minőségétől és méretétől. Open Data kezdeményezések és megjelenése közösségi forrásból származó kutatási adatkészletek elősegítik a tudás bővítését és átfogóbb, mesterséges intelligencia által vezérelt megoldásokat tesznek lehetővé.
Mind a költségek csökkenésének, mind az eredmények javulásának kulcsfontosságú része valószínűleg az MI új terápiák fejlesztésére gyakorolt hatásából származik. A mesterséges intelligencia kulcsfontosságú mozgatórugója a biológia megértésének, lehetővé téve, hogy a kutatás messze túlmutasson a jelenlegi modellen, amely elsősorban a többórás laboratóriumi emberi munka által lehetővé tett szerény felfedezéseken alapul.
Fontos azonban megjegyezni a mesterséges intelligencia körüli potenciális aggodalmakat, beleértve a beágyazott torzítást és más hibákat, amelyek a korai mesterségesintelligencia-modellek emberek által gyűjtött adatokon történő betanításából származhatnak. Mivel az AI-t új iparágakban alkalmazzák, a tudósoknak, az egészségügyi szolgáltatóknak és a szabályozóknak ébernek kell maradniuk potenciálisan káros mellékhatások. A létező szabályozási keret az élettudományokban és az egészségügyben mindent (terápiát, eszközöket stb.) tesztel a hatékonyság és a káros hatások szempontjából.
Az új ipari forradalom most zajlik, és bár egyesek arra számíthatnak, hogy az AI hatása egyik napról a másikra jelentkezik, mi egy fokozatos átmenet elé nézünk, amely valószínűleg idővel bekövetkezik. A GenML ezen fejlesztései bepillantást engednek egy olyan jövőbe, ahol az Eroom-törvény leküzdhető, nemcsak a gyógyszerfejlesztésben, hanem más iparágakban is.
Tudjon meg többet az AI-ról:
A felelősség megtagadása
Összhangban a A Trust Project irányelvei, kérjük, vegye figyelembe, hogy az ezen az oldalon közölt információk nem minősülnek jogi, adózási, befektetési, pénzügyi vagy bármilyen más formájú tanácsnak, és nem is értelmezhetők. Fontos, hogy csak annyit fektessen be, amennyit megengedhet magának, hogy elveszítsen, és kérjen független pénzügyi tanácsot, ha kétségei vannak. További információkért javasoljuk, hogy tekintse meg a szerződési feltételeket, valamint a kibocsátó vagy hirdető által biztosított súgó- és támogatási oldalakat. MetaversePost elkötelezett a pontos, elfogulatlan jelentéstétel mellett, de a piaci feltételek előzetes értesítés nélkül változhatnak.
A szerzőről
Damir a csapat vezetője, termékmenedzsere és szerkesztője Metaverse Post, olyan témákkal foglalkozik, mint az AI/ML, AGI, LLMs, Metaverse és Web3- kapcsolódó mezők. Cikkei havonta több mint egymillió felhasználót vonzanak. Úgy tűnik, szakértő, aki 10 éves tapasztalattal rendelkezik a SEO és a digitális marketing területén. Damirt a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto és más kiadványok. Digitális nomádként utazik az Egyesült Arab Emírségek, Törökország, Oroszország és a FÁK között. Damir fizikából szerzett bachelor-diplomát, és úgy gondolja, hogy ez megadta neki azokat a kritikus gondolkodási készségeket, amelyek szükségesek ahhoz, hogy sikeres legyen az internet folyamatosan változó táján.
További cikkekDamir a csapat vezetője, termékmenedzsere és szerkesztője Metaverse Post, olyan témákkal foglalkozik, mint az AI/ML, AGI, LLMs, Metaverse és Web3- kapcsolódó mezők. Cikkei havonta több mint egymillió felhasználót vonzanak. Úgy tűnik, szakértő, aki 10 éves tapasztalattal rendelkezik a SEO és a digitális marketing területén. Damirt a Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto és más kiadványok. Digitális nomádként utazik az Egyesült Arab Emírségek, Törökország, Oroszország és a FÁK között. Damir fizikából szerzett bachelor-diplomát, és úgy gondolja, hogy ez megadta neki azokat a kritikus gondolkodási készségeket, amelyek szükségesek ahhoz, hogy sikeres legyen az internet folyamatosan változó táján.