Venture Fund a16z สนับสนุน GenML เพื่อต่อสู้กับกฎหมายของ Eroom

แชร์บทความนี้

• 
• 
• 
• 
• 

by ดาเมียร์ ยาลอฟ

เผยแพร่: 23 มิถุนายน 2023 เวลา 5:28 น. อัปเดต: 23 มิถุนายน 2023 เวลา 5:29 น.

by คาโรลินา กัซซ์

แก้ไขและตรวจสอบข้อเท็จจริง: 23 มิถุนายน 2023 เวลา 5:28 น

เพื่อปรับปรุงประสบการณ์การใช้ภาษาท้องถิ่นของคุณ บางครั้งเราใช้ปลั๊กอินการแปลอัตโนมัติ โปรดทราบว่าการแปลอัตโนมัติอาจไม่ถูกต้อง โปรดอ่าน เป็นต้นฉบับ บทความสำหรับข้อมูลที่แม่นยำ

อุตสาหกรรมเทคโนโลยีคุ้นเคยกับกฎของมัวร์มานานแล้ว ซึ่งระบุว่าพลังการประมวลผลของคอมพิวเตอร์เพิ่มขึ้นอย่างทวีคูณในขณะที่ต้นทุนของการคำนวณลดลง อย่างไรก็ตาม ยังมีกฎหมายอีกฉบับที่รู้จักกันน้อยแต่มีผลกระทบพอๆ กัน เรียกว่า กฎของอีรูม. กฎหมายนี้อธิบายถึงอัตราการเกิดนวัตกรรมในอุตสาหกรรมที่ช้าลงในแต่ละปี พร้อมกับต้นทุนของผลิตภัณฑ์ใหม่ที่เพิ่มขึ้นแบบทวีคูณ สาขาหนึ่งที่กฎของ Eroom ทำให้รู้สึกว่ามีอยู่คือการพัฒนายาใหม่

หากต้องการเปลี่ยนจากกฎของ Eroom ไปเป็นกฎของ Moore บริการที่ขับเคลื่อนด้วยมนุษย์จะต้องถูกแปลงเป็นคอมพิวเตอร์ การเปลี่ยนแปลงนี้เริ่มต้นด้วยโมเดลแบบครั้งเดียวที่เรียบง่ายขึ้น (โดยทั่วไปคือแมชชีนเลิร์นนิง) ซึ่งทำงานง่ายๆ ที่ทนต่อข้อผิดพลาด เช่น Netflix ที่ใช้ AI เพื่อแนะนำรายการ เมื่อ AI ก้าวหน้า เรากำลังเข้าสู่ขอบเขตใหม่ของความเป็นไปได้ เช่น วิธีกำเนิดของ AI ที่สร้างข้อความและรูปภาพ หรือทำงานที่ซับซ้อนให้เสร็จโดยมีข้อผิดพลาด (หรือที่เรียกว่าภาพหลอน) ความก้าวหน้านี้เปิดประตูสู่ความเป็นไปได้ของนักบินร่วมที่ขับเคลื่อนด้วย AI ในด้านวิทยาศาสตร์เพื่อชีวิตและการดูแลสุขภาพ ซึ่งสามารถเพิ่มแรงงานที่มีทักษะหรือยกระดับแรงงานที่มีทักษะน้อยได้อย่างมาก

ความก้าวหน้าที่เหลือเชื่อของ AI เป็นเพียงส่วนหนึ่งของเรื่องราวเท่านั้น นอกจากนี้ยังมียุคฟื้นฟูศิลปวิทยาในอัลกอริธึมและพลังการคำนวณ ตลอดจนความก้าวหน้าทางชีววิทยาและการดูแลสุขภาพ ความก้าวหน้าทางวิศวกรรมที่ขับเคลื่อนด้วยวิทยาศาสตร์ชีวภาพส่งผลให้เกิดความก้าวหน้าที่สำคัญในการแก้ไขยีน ชีววิทยาของเซลล์ สเต็มเซลล์ การทดลองของหุ่นยนต์ และด้านอื่นๆ ทำให้นักวิทยาศาสตร์สามารถจัดการกับชีววิทยาด้วยวิธีที่ไม่เคยได้ยินมาก่อน ความก้าวหน้าเหล่านี้ช่วยให้เกิดชีววิทยาในระดับต่างๆ ตลอดจนความสอดคล้องที่เพิ่งค้นพบ ซึ่งทั้งสองอย่างนี้มีความสำคัญต่อการเชื่อมต่อกับ AI นอกจากนี้ การรวม AI เข้ากับการทดลองด้านวิทยาศาสตร์เพื่อชีวิตจะสร้างวงจรป้อนกลับที่แข็งแกร่งซึ่งการทดลองจะปรับปรุงพลังการทำนายของ AI ซึ่งจะปรับปรุงการทดลองด้วย

ในความพยายามที่จะต่อต้านกฎของ Eroom กองทุนร่วม a16z เพิ่งเผยแพร่ วิทยานิพนธ์การลงทุนมุ่งเน้นไปที่จุดตัดของ AI และเทคโนโลยีชีวภาพหรือที่เรียกว่า GenML (Genomic Machine Learning) วิทยานิพนธ์นี้ชี้ให้เห็นว่า GenML มีศักยภาพในการฝืนกฎของ Eroom ซึ่งนำมาซึ่งการเปลี่ยนแปลงในอุตสาหกรรมและปลดล็อกโอกาสมากมายสำหรับสตาร์ทอัพและนักลงทุน

รากฐานของความก้าวหน้าเหล่านี้คือการประมวลผลและการจัดเก็บข้อมูลจำนวนมหาศาล ซึ่งเพิ่งเป็นไปได้เมื่อไม่นานมานี้ นับเป็นครั้งแรกที่ยุคฟื้นฟูศิลปวิทยาของอัลกอริทึมผสานเข้ากับพลังการประมวลผลบริสุทธิ์เพื่อทดสอบ ทำซ้ำ และเรียกใช้โปรแกรมเหล่านี้

AI มีโอกาสที่จะจัดการกับความท้าทายที่ยิ่งใหญ่ที่สุดในการดูแลสุขภาพและการออกแบบยา ประการแรก ค่าใช้จ่ายด้านการรักษาพยาบาลสูงขึ้นเนื่องจากความต้องการบุคลากรที่ผ่านการฝึกอบรมมาอย่างดี โดยเฉพาะปริญญาเอก แพทยศาสตรบัณฑิต พยาบาล และอื่นๆ เมื่อ AI สามารถทำหน้าที่เป็นผู้เชี่ยวชาญทางเทคนิคได้มากขึ้น จึงมีโอกาสที่จะขยายความสามารถของผู้ให้บริการที่มีอยู่เพื่อส่งมอบการดูแลด้วยต้นทุนที่ต่ำลงมาก หากดำเนินการด้วยความเอาใจใส่ จะสามารถสร้างการมีส่วนร่วมและคงไว้ซึ่งการปฏิบัติตามคำแนะนำทางคลินิก ตลอดจนลดความเหนื่อยหน่ายของแพทย์ ประการที่สอง ต้นทุนที่ลดลงมาพร้อมกับความสามารถในการแก้ไขปัญหาการเข้าถึง (มาตราส่วน) และคุณภาพ (ความแปรปรวนของประสิทธิภาพที่ลดลง) เมื่อการดูแลหันมาใช้ AI มากขึ้น AI ก็มีศักยภาพในการทำให้การดูแลสุขภาพเป็นประชาธิปไตย โดยมอบบริการด้านสุขภาพที่ดีที่สุดให้กับทุกคน

ปัจจัยสำคัญหลายประการสนับสนุนความเชื่อที่ว่า GenML สามารถฝ่าอุปสรรคที่กำหนดโดยกฎของ Eroom:

1. GPT-4ซึ่งเป็นโมเดลที่ไม่เฉพาะทางที่พัฒนาโดย OpenAI, ได้แสดงผลลัพธ์ที่มีแนวโน้ม ในการค้นคว้ายา สม่ำเสมอ OpenAI รับทราบถึงความเสี่ยงที่อาจเกิดขึ้นที่เกี่ยวข้องกับความสามารถนี้ใน GPT-4 แบบ.
2. AlphaFold ซึ่งเป็นโมเดล AI ที่พัฒนาโดย DeepMind ประสบความสำเร็จในการพาดหัวข่าวเมื่อไม่นานมานี้ ไขโครงสร้าง 3 มิติที่ซับซ้อนของโปรตีน—ความท้าทายที่ทำให้นักวิทยาศาสตร์สับสนมาครึ่งศตวรรษ
3. โครงการที่ได้รับความช่วยเหลือจาก AI ในสาขา การบำบัดด้วยอาร์เอ็นเอ ได้แสดงศักยภาพที่สำคัญในการหาวิธีรักษาโรคที่รักษาไม่หายก่อนหน้านี้ ด้วยการใช้พลังของ AI นักวิจัยสามารถสำรวจตัวเลือกการรักษาที่ครั้งหนึ่งเป็นไปไม่ได้
4. ความสำเร็จของ AI ในโดเมนต่างๆ นั้นขึ้นอยู่กับคุณภาพและขนาดของชุดข้อมูลที่มีอยู่เป็นอย่างมาก การริเริ่ม Open Data และการเกิดขึ้นของ ชุดข้อมูลการวิจัยแบบฝูงชน กำลังอำนวยความสะดวกในการขยายความรู้และเปิดใช้งานโซลูชันที่ขับเคลื่อนด้วย AI ที่ครอบคลุมมากขึ้น

ส่วนสำคัญของทั้งการลดต้นทุนและการปรับปรุงผลลัพธ์น่าจะมาจากผลกระทบของ AI ในการพัฒนาวิธีการรักษาแบบใหม่ AI ทำหน้าที่เป็นตัวขับเคลื่อนหลักในการทำความเข้าใจชีววิทยา ทำให้การวิจัยสามารถปรับขนาดได้ไกลกว่าแบบจำลองปัจจุบัน ซึ่งส่วนใหญ่อาศัยการค้นพบโดยบังเอิญจากชั่วโมงการทำงานของมนุษย์ในห้องแล็บ

อย่างไรก็ตาม สิ่งสำคัญคือต้องสังเกตข้อกังวลที่อาจเกิดขึ้นเกี่ยวกับ AI รวมถึงอคติฝังตัวและความล้มเหลวอื่นๆ ที่อาจเกิดขึ้นจากการฝึกโมเดล AI ในช่วงต้นเกี่ยวกับข้อมูลที่รวบรวมโดยมนุษย์ เนื่องจาก AI ถูกนำไปใช้กับอุตสาหกรรมใหม่ นักวิทยาศาสตร์ ผู้ให้บริการด้านสุขภาพ และหน่วยงานกำกับดูแลจึงต้องเฝ้าระวังต่อไป ผลข้างเคียงที่อาจเป็นอันตราย. ที่มีอยู่ กรอบการกำกับดูแล ในวิทยาศาสตร์เพื่อชีวิตและการดูแลสุขภาพจะทดสอบทุกอย่าง (การรักษา อุปกรณ์ ฯลฯ) สำหรับประสิทธิภาพและผลกระทบ

การปฏิวัติอุตสาหกรรมใหม่กำลังดำเนินอยู่ในขณะนี้ และในขณะที่บางคนอาจคาดว่าผลกระทบของ AI จะเกิดขึ้นในชั่วข้ามคืน แต่เราหวังว่าจะมีการเปลี่ยนแปลงอย่างค่อยเป็นค่อยไปซึ่งน่าจะเกิดขึ้นเมื่อเวลาผ่านไป การพัฒนาเหล่านี้ใน GenML ทำให้มองเห็นอนาคตที่อาจเอาชนะกฎของ Eroom ได้ ไม่เพียงแต่ในการพัฒนายาเท่านั้น แต่ยังรวมถึงอุตสาหกรรมอื่นๆ ด้วย

อ่านเพิ่มเติมเกี่ยวกับ AI:

• จำนวนหน่วยสืบราชการลับในจักรวาลจะเพิ่มขึ้นเป็นสองเท่าทุกๆ 18 เดือน แซม อัลท์แมนกล่าว
• ศิลปินสร้างสคริปต์กันขโมยเพื่อปกป้องงานศิลปะ ใช้ลายน้ำแบบเดียวกับตัวสร้าง AI
• Phi-1 โมเดลภาษาขนาดกะทัดรัด แซงหน้า GPT ในการสร้างโค้ดที่มีประสิทธิภาพ

เกี่ยวกับผู้เขียน

Damir เป็นหัวหน้าทีม ผู้จัดการผลิตภัณฑ์ และบรรณาธิการที่ Metaverse Postซึ่งครอบคลุมหัวข้อต่างๆ เช่น AI/ML, AGI, LLMs, Metaverse และ Web3- สาขาที่เกี่ยวข้อง บทความของเขาดึงดูดผู้ชมจำนวนมากกว่าล้านคนทุกเดือน ดูเหมือนว่าเขาจะเป็นผู้เชี่ยวชาญที่มีประสบการณ์ 10 ปีในด้าน SEO และการตลาดดิจิทัล Damir ได้รับการกล่าวถึงใน Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto และสิ่งพิมพ์อื่น ๆ เขาเดินทางไปมาระหว่างสหรัฐอาหรับเอมิเรตส์ ตุรกี รัสเซีย และ CIS ในฐานะคนเร่ร่อนทางดิจิทัล Damir สำเร็จการศึกษาระดับปริญญาตรีสาขาฟิสิกส์ ซึ่งเขาเชื่อว่าทำให้เขามีทักษะการคิดเชิงวิพากษ์ที่จำเป็นต่อการประสบความสำเร็จในภูมิทัศน์ที่เปลี่ยนแปลงตลอดเวลาของอินเทอร์เน็ต 

บทความอื่น ๆ

ดาเมียร์ ยาลอฟ

• 
• 

ดาเมียร์ ยาลอฟ

Damir เป็นหัวหน้าทีม ผู้จัดการผลิตภัณฑ์ และบรรณาธิการที่ Metaverse Postซึ่งครอบคลุมหัวข้อต่างๆ เช่น AI/ML, AGI, LLMs, Metaverse และ Web3- สาขาที่เกี่ยวข้อง บทความของเขาดึงดูดผู้ชมจำนวนมากกว่าล้านคนทุกเดือน ดูเหมือนว่าเขาจะเป็นผู้เชี่ยวชาญที่มีประสบการณ์ 10 ปีในด้าน SEO และการตลาดดิจิทัล Damir ได้รับการกล่าวถึงใน Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto และสิ่งพิมพ์อื่น ๆ เขาเดินทางไปมาระหว่างสหรัฐอาหรับเอมิเรตส์ ตุรกี รัสเซีย และ CIS ในฐานะคนเร่ร่อนทางดิจิทัล Damir สำเร็จการศึกษาระดับปริญญาตรีสาขาฟิสิกส์ ซึ่งเขาเชื่อว่าทำให้เขามีทักษะการคิดเชิงวิพากษ์ที่จำเป็นต่อการประสบความสำเร็จในภูมิทัศน์ที่เปลี่ยนแปลงตลอดเวลาของอินเทอร์เน็ต 

• 

บทความอื่น ๆ