ائتلافی به رهبری Biohub، وزارت انرژی ایالات متحده و مؤسسه ملی بهداشت تعهدی 1.8 میلیارد دلاری برای تولید و به اشتراک گذاری آشکار داده‌های مورد نیاز برای آموزش مدل‌های هوش مصنوعی پیش‌بینی‌کننده زیست‌شناسی را اعلام کردند - چیزی که محققان آن را دنبال کردن یک "سلول مجازی" می‌نامند.

این اعلامیه که روز چهارشنبه در شهر ردوود، کالیفرنیا اعلام شد، آژانس‌های فدرال، بشردوستانه و سه سازمان برجسته هوش مصنوعی جهان را در آنچه Biohub به عنوان بزرگترین تعهد هماهنگ برای تولید داده‌های بیولوژیکی آماده هوش مصنوعی تا به امروز توصیف می‌کند، گرد هم می‌آورد. For more context on this story, see our ongoing AI trends.

چه کسی برای چه چیزی پرداخت می کند

رقم 1.8 میلیارد دلاری پول، داده، محاسبات و فناوری اندازه گیری جدید از چندین شریک را ترکیب می کند:

  • Biohub این تلاش را با تعهد 500 میلیون دلاری خود لنگر می‌اندازد. از این میزان، 400 میلیون دلار از فناوری‌های اندازه‌گیری جدید پشتیبانی می‌کند که آنچه را که زیست‌شناسان واقعاً می‌توانند مشاهده کنند، گسترش می‌دهد: توموگرافی کرایو الکترونی، که جزئیات نزدیک به اتم را در داخل سلول حل می‌کند، در کنار میکروسکوپ پیشرفته طراحی‌شده برای تصویربرداری از سلول‌ها در مقیاس‌ها و سرعت‌هایی که جریان‌های کاری آزمایشگاهی کنونی نمی‌توانند به آن نزدیک شوند.
  • وزارت انرژی بیش از 500 میلیون دلار در طی پنج سال در اندازه گیری، مدل سازی و محاسبات آزمایشگاهی از طریق دفتر علوم خود سرمایه گذاری خواهد کرد.
  • NIH مشارکت مجموعه داده ها، مخازن و پایگاه های دانش را که از طریق بیش از 500 میلیون دلار سرمایه گذاری قبلی فدرال توسعه یافته اند، با Biohub در کنار آژانس برای استانداردسازی این مجموعه داده ها برای آموزش مدل هوش مصنوعی هماهنگ خواهد کرد.
  • Google DeepMind، Isomorphic Labs و Meta مجموعاً 300 میلیون دلار در Virtual Biology Initiative سرمایه‌گذاری می‌کنند، تلاشی بین‌المللی - که اولین بار در آوریل 2026 اعلام شد - که گسترش امروز رسمی شد.

نتیجه یک منبع باز برای جامعه تحقیقاتی جهانی خواهد بود، نه یک مجموعه داده اختصاصی که در داخل هیچ شرکتی قفل شده باشد.

یک گسترش، نه یک آغاز

اعلامیه امروز، ابتکار زیست شناسی مجازی را که برای اولین بار در آوریل 2026 با دستور هماهنگی تولید داده ها در بین موسسات و رشته های علمی اعلام شد، رسمی و مقیاس می کند. پرتاب آوریل چارچوب را ایجاد کرد. تعهدات جدید آن را با پول فدرال، داده های فدرال و سرمایه گذاری بخش خصوصی پر می کند.

تقسیم کار مهم است. DOE ظرفیت محاسباتی در سطح جهانی و ابزار دقیق آزمایشگاهی ملی را به ارمغان می آورد. NIH مجموعه داده‌های استاندارد شده‌ای را ارائه می‌کند که طی دهه‌ها تحقیق با بودجه فدرال انباشته شده‌اند - نوع داده‌های بیولوژیکی تنظیم‌شده و طولی که هیچ آزمایشگاه یا شرکتی نمی‌توانست آن‌ها را بازسازی کند. Biohub، سازمان تحقیقاتی تحت حمایت بشردوستانه فناوری، به عنوان مرکز یکپارچه‌ای عمل می‌کند که این منابع را به قالب‌هایی عادی می‌کند که مدل‌های هوش مصنوعی واقعاً می‌توانند روی آن آموزش ببینند.

چالش بزرگ "سلول مجازی".

هدف اعلام شده ابتکار این است که امکان انجام آزمایش‌ها را به صورت دیجیتالی برای دانشمندان فراهم کند: پیش‌بینی اینکه سلول چگونه به یک دارو، یک اختلال ژنتیکی یا یک وضعیت بیماری قبل از لمس یک پیپت پاسخ می‌دهد.

الکس ریوز، رئیس علوم Biohub، در این اطلاعیه گفت: «یک مدل دقیق پیش‌بینی‌کننده زیست‌شناسی می‌تواند به طور چشمگیری اکتشافات علمی را با قادر ساختن دانشمندان به انجام آزمایش‌ها به صورت دیجیتالی سرعت بخشد. بینش‌هایی که از این موضوع به دست می‌آید می‌تواند درک بسیار بیشتری از بیماری را باز کند و مسیرهای کاملاً جدیدی را برای درمان باز کند.»

ریوز افزود: به دلیل این پتانسیل، ایجاد یک سلول مجازی یکی از مهم ترین چالش های عصر آینده علم است. این امر مستلزم تلاش‌های هماهنگ تولید داده در مقیاس ملی و بین‌المللی است، به همین دلیل است که این شرکا گرد هم می‌آیند.»

چرا داده ها، نه فقط مدل ها، گلوگاه هستند

هوش مصنوعی در زیست‌شناسی نتایج برجسته‌ای را ایجاد کرده است - خانواده AlphaFold شرکت DeepMind نشان داد که شبکه‌های عصبی می‌توانند ساختارهای پروتئینی را با دقت تجربی پیش‌بینی کنند - اما این سیستم‌ها بر اساس دهه‌ها داده‌های عمومی تنظیم شده آموزش دیده بودند. مشکلات مرزی، از پیش‌بینی اینکه چگونه کل سلول‌ها به مداخلات پاسخ می‌دهند تا مدل‌سازی تعاملات سلولی، به داده‌هایی نیاز دارند که عمدتاً هنوز به شکل آماده برای هوش مصنوعی وجود ندارند.

این شکافی است که ابتکار هدف آن است. به‌جای انتشار مدل دیگری، شرکا زیرساخت‌های نامطلوب علم را تأمین مالی می‌کنند: گسترش داده‌های پاسخ سلولی به مداخلات در انواع سلول‌ها و شرایط بسیار بیشتر از آنچه تاکنون مورد مطالعه قرار گرفته‌اند، ساخت و اعتبارسنجی فناوری‌هایی برای مطالعه سلول‌ها و تعاملات آن‌ها در مقیاس، سرعت و دقت بیشتر، و مونتاژ مخازن مشترکی که آزمایشگاه‌های بیرونی واقعاً می‌توانند از آنها استفاده کنند.

بسط هم بعد دفاعی دارد. در هکر نیوز، جایی که اطلاعیه توجه قابل توجهی را به خود جلب کرد، نظر دهندگان تعهد به داده‌های باز را با حذف مجموعه داده‌های تحقیقات عمومی قبلی از سرورهای دولتی توسط دولت فعلی ایالات متحده مقایسه کردند - تنش بین علم باز در مرز و تعدیل در جاهای دیگر.

چه معنایی برای هوش مصنوعی در کشف دارو دارد

برای صنعت داروسازی و بیوتکنولوژی، پیام این است که داده های بنیادی در حال تبدیل شدن به یک ابزار عمومی مشترک هستند. آزمایشگاه‌های ایزومورفیک، شرکت طراحی داروی آلفابت، و متا - که تحقیقات بنیادی هوش مصنوعی و ساختار پروتئینی خود را دارد - هر دو شرط می‌بندند که داده‌های به اشتراک‌گذاشته‌شده بهتر، مدل‌های همه از جمله مدل خودشان را تسریع می‌کنند.

اگر ابتکار عمل موفقیت آمیز باشد، نتایج کوتاه‌مدت شامل مجموعه داده‌های پاسخ سلولی می‌شود که انواع سلول‌ها و شرایط بسیار بیشتری را پوشش می‌دهد، به علاوه فناوری اندازه‌گیری معتبر که مسیر را از فرضیه به داده‌های آموزشی با کیفیت بالا کوتاه می‌کند. جایزه بلندمدت یک شبیه‌سازی به اندازه کافی خوب برای تریاژ دیجیتالی داوطلبان دارو قبل از اولین آزمایش آزمایشگاه مرطوب است.

جامعه علمی به صراحت برای شرکت دعوت می شود: اعلامیه Biohub با فراخوانی آزاد برای پیوستن به "جامعه علمی جهانی" به پروژه پایان می یابد.

برای اطلاعات بیشتر در مورد اینکه چگونه یادگیری ماشین در حال تغییر شکل علوم زندگی است، به پوشش تحقیقاتی هوش مصنوعی AI Buzz Wire مراجعه کنید.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →