Venture Fund a16z sostiene GenML per combattere la legge di Eroom
In Breve
GenML, una tesi di investimento del fondo di rischio a16z, mira a invertire la legge di Eroom combinando algoritmi e potenza di calcolo nelle scienze della vita.
L'intelligenza artificiale ha il potenziale per affrontare le sfide nell'assistenza sanitaria e nella progettazione di farmaci, come l'aumento dei costi dovuto alla necessità di personale altamente qualificato e la risoluzione di problemi di accesso e qualità.
I fattori chiave che supportano il potenziale di GenML includono GPT-4, AlphaFold e progetti di terapia dell'RNA.
L'industria tecnologica conosce da tempo la legge di Moore, la quale afferma che la potenza di calcolo dei computer cresce in modo esponenziale mentre il costo del calcolo diminuisce. Esiste però un'altra legge, meno conosciuta ma altrettanto impattante, chiamata Legge di Eroom. Questa legge descrive come il tasso di innovazione in un settore rallenta ogni anno, accompagnato da un aumento esponenziale del costo dei nuovi prodotti. Un campo particolare in cui la legge di Eroom ha fatto sentire la sua presenza è lo sviluppo di nuovi farmaci.
Per passare dalla legge di Eroom alla legge di Moore, i servizi guidati dall'uomo devono essere convertiti in computer. Questa trasformazione inizia con modelli più semplici e una tantum (in genere machine learning) che eseguono attività semplici e tolleranti agli errori, come Netflix che utilizza l'intelligenza artificiale per consigliare spettacoli. Con l'avanzare dell'intelligenza artificiale, stiamo entrando in nuovi regni di possibilità, come i metodi di intelligenza artificiale generativa che producono testo e immagini o completano compiti complessi con errori (ovvero allucinazioni). Questa progressione apre la porta alla possibilità di copiloti basati sull'intelligenza artificiale nelle scienze della vita e nell'assistenza sanitaria che possono ridimensionare notevolmente la manodopera qualificata o migliorare la manodopera meno qualificata.
L'incredibile progresso dell'IA è solo una parte della storia; c'è anche una rinascita negli algoritmi e nella potenza di calcolo, così come i progressi nella biologia e nell'assistenza sanitaria. I progressi guidati dall'ingegneria nelle scienze della vita hanno portato a progressi significativi nell'editing genetico, nella biologia cellulare, nelle cellule staminali, negli esperimenti robotici e in altre aree, consentendo agli scienziati di manipolare la biologia in modi mai visti prima. Questi progressi hanno consentito la biologia su larga scala e con una ritrovata coerenza, entrambi essenziali per connettersi con l'IA. Inoltre, incorporare l'intelligenza artificiale negli esperimenti di scienze della vita crea un forte ciclo di feedback in cui gli esperimenti migliorano il potere predittivo dell'IA, che a sua volta migliora gli esperimenti.
Nel tentativo di combattere la legge di Eroom, il fondo di rischio a16z ha recentemente pubblicato un tesi di investimento incentrata sull'intersezione tra AI e Biotech, noto come GenML (Genomic Machine Learning). Questa tesi suggerisce che GenML ha il potenziale per invertire la legge di Eroom, determinando un cambiamento nel settore e sbloccando opportunità sostanziali per startup e investitori.
Alla base di tutti questi progressi c'è un'enorme quantità di elaborazione e archiviazione dei dati, che solo di recente è diventata possibile. Per la prima volta, una rinascita degli algoritmi è stata sposata con la pura potenza di calcolo per testare, iterare ed eseguire questi programmi.
L'intelligenza artificiale ha l'opportunità di affrontare le maggiori sfide nella progettazione sanitaria e farmaceutica. In primo luogo, il costo dell'assistenza sanitaria sta aumentando a causa della necessità di personale altamente qualificato, in particolare dottori di ricerca, medici, infermieri e altri. Man mano che l'intelligenza artificiale diventa sempre più in grado di funzionare come esperto tecnico, ci sono opportunità per estendere le capacità dei fornitori esistenti di fornire assistenza a un costo molto inferiore. Se implementato con empatia, può generare coinvolgimento e mantenere la conformità con le raccomandazioni cliniche, oltre a mitigare il burnout del medico. In secondo luogo, con la riduzione dei costi deriva la capacità di affrontare i problemi di accesso (scala) e qualità (riduzione della varianza delle prestazioni). Man mano che più cure diventano abilitate all'IA, l'IA ha il potenziale per democratizzare l'assistenza sanitaria, offrendo i migliori servizi sanitari a tutti.
Diversi fattori chiave supportano la convinzione che GenML potrebbe abbattere le barriere imposte dalla legge di Eroom:
- GPT-4, un modello non specializzato sviluppato da OpenAI, ha mostrato risultati promettenti nella scoperta della droga. Anche OpenAI riconosce i potenziali rischi associati a questa capacità nel GPT-4 modello.
- AlphaFold, un modello di intelligenza artificiale sviluppato da DeepMind, ha recentemente fatto notizia con successo svelare le complesse strutture 3D delle proteine- una sfida che ha confuso gli scienziati per mezzo secolo.
- Progetti assistiti dall'intelligenza artificiale nel campo della Terapia dell'RNA hanno dimostrato un potenziale significativo nella ricerca di cure per malattie precedentemente incurabili. Sfruttando la potenza dell'intelligenza artificiale, i ricercatori possono ora esplorare opzioni di trattamento che una volta erano inimmaginabili.
- Il successo dell'IA in vari domini dipende fortemente dalla qualità e dalla portata dei set di dati disponibili. Iniziative Open Data e l'emergere di set di dati di ricerca in crowdsourcing stanno facilitando l'espansione delle conoscenze e consentendo soluzioni più complete basate sull'intelligenza artificiale.
Una parte fondamentale sia della riduzione dei costi che del miglioramento dei risultati deriverà probabilmente dall'impatto dell'IA nello sviluppo di nuove terapie. L'intelligenza artificiale funge da motore chiave per comprendere la biologia, consentendo di scalare la ricerca ben oltre il modello attuale, che si basa principalmente su scoperte fortuite rese possibili da ore di lavoro umano in laboratorio.
Tuttavia, è importante notare le potenziali preoccupazioni relative all'intelligenza artificiale, inclusi i pregiudizi incorporati e altri errori che possono derivare dall'addestramento dei primi modelli di intelligenza artificiale sui dati raccolti dagli esseri umani. Poiché l'intelligenza artificiale viene applicata a nuove industrie, scienziati, operatori sanitari e autorità di regolamentazione devono rimanere vigili effetti collaterali potenzialmente dannosi. L'esistente quadro normativo nelle scienze della vita e nella sanità testa tutto (terapie, dispositivi, ecc.) per l'efficacia e gli effetti avversi.
La nuova rivoluzione industriale è ora in corso e, mentre alcuni potrebbero aspettarsi che l'impatto dell'IA si verifichi dall'oggi al domani, non vediamo l'ora di una transizione graduale che probabilmente avverrà nel tempo. Questi sviluppi in GenML offrono uno sguardo a un futuro in cui la legge di Eroom potrebbe essere superata, non solo nello sviluppo di farmaci ma anche in altri settori.
Per saperne di più sull'intelligenza artificiale:
Negazione di responsabilità
In linea con la Linee guida del progetto Trust, si prega di notare che le informazioni fornite in questa pagina non intendono essere e non devono essere interpretate come consulenza legale, fiscale, di investimento, finanziaria o di qualsiasi altra forma. È importante investire solo ciò che puoi permetterti di perdere e chiedere una consulenza finanziaria indipendente in caso di dubbi. Per ulteriori informazioni, suggeriamo di fare riferimento ai termini e alle condizioni nonché alle pagine di aiuto e supporto fornite dall'emittente o dall'inserzionista. MetaversePost si impegna a fornire report accurati e imparziali, ma le condizioni di mercato sono soggette a modifiche senza preavviso.
Circa l'autore
Damir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.
Altri articoliDamir è il team leader, il product manager e l'editore di Metaverse Post, che copre argomenti come AI/ML, AGI, LLM, Metaverse e Web3campi correlati. I suoi articoli attirano un vasto pubblico di oltre un milione di utenti ogni mese. Sembra essere un esperto con 10 anni di esperienza in SEO e marketing digitale. Damir è stato menzionato in Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto e altre pubblicazioni. Viaggia tra Emirati Arabi Uniti, Turchia, Russia e CSI come nomade digitale. Damir ha conseguito una laurea in fisica, che secondo lui gli ha fornito le capacità di pensiero critico necessarie per avere successo nel panorama in continua evoluzione di Internet.