Venture Fund a16z stödjer GenML för att bekämpa Erooms lag
I korthet
GenML, en investeringsuppsats av riskfonden a16z, syftar till att vända på Erooms lag genom att kombinera algoritmer och beräkningskraft inom biovetenskap.
AI har potential att ta itu med utmaningar inom hälsovård och läkemedelsdesign, såsom stigande kostnader på grund av behovet av högutbildad personal och att ta itu med frågor om tillgång och kvalitet.
Nyckelfaktorer som stöder GenMLs potential inkluderar GPT-4, AlphaFold och RNA-terapiprojekt.
Teknikindustrin har länge varit bekant med Moores lag, som säger att datorers beräkningskraft växer exponentiellt samtidigt som kostnaderna för beräkningar minskar. Men det finns en annan lag, mindre känd men lika genomslagskraftig, som kallas Erooms lag. Denna lag beskriver hur innovationstakten i en bransch saktar ner varje år, åtföljd av en exponentiell ökning av kostnaderna för nya produkter. Ett särskilt område där Eroom's Law har gjort sig gällande är utvecklingen av nya läkemedel.
För att gå från Erooms lag till Moores lag måste människodrivna tjänster omvandlas till datorer. Denna transformation börjar med enklare engångsmodeller (vanligtvis maskininlärning) som utför enkla, feltoleranta uppgifter, som att Netflix använder AI för att rekommendera program. När AI utvecklas går vi in i nya möjligheter, såsom generativa AI-metoder som producerar text och bilder eller slutför komplexa uppgifter med fel (aka hallucinationer). Denna utveckling öppnar dörren till möjligheten för AI-drivna co-piloter inom biovetenskap och hälsovård som i hög grad kan skala kvalificerad arbetskraft eller höja mindre kvalificerad arbetskraft.
AI:s otroliga framsteg är bara en del av historien; Det finns också en renässans inom algoritmer och beräkningskraft, såväl som framsteg inom biologi och sjukvård. Ingenjörsdrivna framsteg inom biovetenskap har resulterat i betydande framsteg inom genredigering, cellulär biologi, stamceller, robotexperiment och andra områden, vilket gör det möjligt för forskare att manipulera biologi på tidigare oanade sätt. Dessa framsteg har möjliggjort biologi i stor skala såväl som med nyfunnen konsistens, som båda är viktiga för att kunna ansluta till AI. Dessutom skapar inkorporering av AI i life science-experiment en stark återkopplingsslinga där experimenten förbättrar AI:s prediktiva kraft, vilket i sin tur förbättrar experimenten.
I ett försök att bekämpa Erooms lag har riskfonden a16z nyligen publicerat en investeringsuppsats fokuserad på skärningspunkten mellan AI och Biotech, känd som GenML (Genomic Machine Learning). Den här avhandlingen antyder att GenML har potential att vända på Erooms lag, att åstadkomma en förändring i branschen och öppna upp betydande möjligheter för nystartade företag och investerare.
Bakom alla dessa framsteg ligger en enorm mängd dator- och datalagring, vilket först nyligen har blivit möjligt. För första gången har en renässans inom algoritmer blivit gift med den rena beräkningskraften att testa, iterera och köra dessa program.
AI har möjligheten att tackla de största utmaningarna inom sjukvård och läkemedelsdesign. För det första ökar kostnaderna för sjukvård på grund av behovet av högutbildad personal, särskilt doktorer, läkare, sjuksköterskor och andra. I takt med att AI blir alltmer kapabel att fungera som en teknisk expert, finns det möjligheter att utöka befintliga leverantörers förmåga att ge vård till en mycket lägre kostnad. Om det implementeras med empati, kan det skapa engagemang och upprätthålla efterlevnad av kliniska rekommendationer, samt mildra läkarens utbrändhet. För det andra, med minskade kostnader kommer förmågan att ta itu med frågor om tillgång (skala) och kvalitet (minskad prestandavariation). I takt med att mer vård blir AI-aktiverad har AI potentialen att demokratisera hälso- och sjukvården och ge den bästa sjukvården till alla.
Flera nyckelfaktorer stödjer tron att GenML skulle kunna bryta igenom de barriärer som Erooms lag inför:
- GPT-4, en icke-specialiserad modell utvecklad av OpenAI, har visat lovande resultat i drogupptäckten. Även OpenAI erkänner de potentiella riskerna med denna förmåga i GPT-4 modell.
- AlphaFold, en AI-modell utvecklad av DeepMind, skapade nyligen rubriker av framgångsrikt reda ut de komplexa 3D-strukturerna hos proteiner—en utmaning som har förvirrat forskare i ett halvt sekel.
- AI-stödda projekt inom området RNA-terapi har visat betydande potential för att hitta botemedel mot tidigare obotliga sjukdomar. Genom att utnyttja kraften i AI kan forskare nu utforska behandlingsalternativ som en gång var otänkbara.
- Framgången för AI inom olika domäner beror till stor del på kvaliteten och omfattningen av tillgängliga datauppsättningar. Open Data-initiativ och uppkomsten av crowdsourced forskningsdatauppsättning underlättar kunskapsexpansion och möjliggör mer omfattande AI-drivna lösningar.
En viktig del av både kostnadsminskningen och förbättringen av resultat kommer sannolikt att komma från AI:s inverkan på utvecklingen av nya terapier. AI fungerar som en viktig drivkraft för att förstå biologi, vilket gör att forskning kan skalas långt utöver den nuvarande modellen, som i första hand bygger på serendipita upptäckter som möjliggörs av timmar av mänskligt arbete i labbet.
Det är dock viktigt att notera de potentiella farhågorna kring AI, inklusive inbäddad bias och andra misslyckanden som kan uppstå när man tränar tidiga AI-modeller på data som samlats in av människor. När AI tillämpas på nya industrier måste forskare, vårdgivare och tillsynsmyndigheter vara vaksamma för potentiellt skadliga biverkningar. Det existerande regelverk inom biovetenskap och sjukvård testar allt (terapeutika, apparater, etc.) för effekt och negativa effekter.
Den nya industriella revolutionen är nu på gång, och även om vissa kan förvänta sig att AI:s inverkan kommer att inträffa över en natt, ser vi fram emot en gradvis övergång som sannolikt kommer att inträffa med tiden. Dessa utvecklingar inom GenML ger en inblick i en framtid där Erooms lag kan övervinnas, inte bara inom läkemedelsutveckling utan även inom andra industrier.
Läs mer om AI:
Villkor
I linje med den Riktlinjer för Trust Project, vänligen notera att informationen på den här sidan inte är avsedd att vara och inte ska tolkas som juridisk, skattemässig, investerings-, finansiell eller någon annan form av rådgivning. Det är viktigt att bara investera det du har råd att förlora och att söka oberoende finansiell rådgivning om du har några tvivel. För ytterligare information föreslår vi att du hänvisar till villkoren samt hjälp- och supportsidorna som tillhandahålls av utfärdaren eller annonsören. MetaversePost är engagerad i korrekt, opartisk rapportering, men marknadsförhållandena kan ändras utan föregående meddelande.
Om författaren
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
fler artiklar
Damir är teamledare, produktchef och redaktör på Metaverse Post, som täcker ämnen som AI/ML, AGI, LLMs, Metaverse och Web3-relaterade områden. Hans artiklar lockar en massiv publik på över en miljon användare varje månad. Han verkar vara en expert med 10 års erfarenhet av SEO och digital marknadsföring. Damir har nämnts i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto och andra publikationer. Han reser mellan Förenade Arabemiraten, Turkiet, Ryssland och OSS som en digital nomad. Damir tog en kandidatexamen i fysik, som han tror har gett honom de kritiska tänkande färdigheter som behövs för att bli framgångsrik i det ständigt föränderliga landskapet på internet.
