Bristol Myers Squibb اولین شرکت علوم زیستی است که جدیدترین طرح ابرکامپیوتر هوش مصنوعی انویدیا را خریداری کرده و اعلام کرده است که قصد دارد آنچه را قدرتمندترین کارخانه متمرکز هوش مصنوعی صنعت داروسازی می‌نامد بر روی پلتفرم Vera Rubin سازنده تراشه بسازد. این معامله نشان دهنده تشدید قابل توجهی در مسابقه تسلیحاتی هوش مصنوعی است که در بخش توسعه دارو در حال انجام است. برای پوشش مستمر پیشرفت‌های هوش مصنوعی که صنایع را در سرتاسر جهان شکل می‌دهند، [AI Buzz Wire] (https://aibuzzwire.news) داستان‌های مهم را برای شما به ارمغان می‌آورد.

غول داروسازی ایالات متحده در حال استقرار NVIDIA DGX SuperPOD است که بر روی سیستم Vera Rubin NVL72 ساخته شده است، یک پلت فرم نسل بعدی هوش مصنوعی و ابر محاسباتی که به طور خاص برای گردش های کاری پیچیده و مستقل هوش مصنوعی و محاسبات علمی طراحی شده است. این منظومه به افتخار ورا کوپر روبین، ستاره شناس تحسین شده ای که کارش شواهدی اساسی برای وجود ماده تاریک ارائه کرد، نامگذاری شده است.

تغییر مرحله ای در قدرت محاسباتی

به گفته BMS، این استقرار پیشرفته‌ترین و کم‌مصرف‌ترین زیرساخت NVIDIA را در علوم زیستی ارائه می‌کند که با عملکردی ده برابر بیشتر در هر مگاوات نسبت به سیستم‌های قبلی عمل می‌کند. این ادعای بهره وری در زمانی که اشتهای انرژی هوش مصنوعی به یک نگرانی اصلی برای صنعت و سیاست گذاران تبدیل شده است بسیار مهم است.

این شرکت گفت که زیرساخت جدید به آن امکان می‌دهد تا حجم‌های کاری بزرگ‌تر و پیچیده‌تر هوش مصنوعی را بدون افزایش متناسب در مصرف انرژی دنبال کند، مدل‌های هوش مصنوعی اختصاصی را که برای کوتاه کردن جدول‌های زمانی کشف دارو و بهبود نتایج تحقیقات طراحی شده‌اند، افزایش دهد.

BMS این سرمایه گذاری را به عنوان ستون فقرات چشم انداز هوش ترکیبی خود تعریف می کند، استراتژی که در آن سیستم های هوش مصنوعی به جای جایگزینی با محققان انسانی، در کنار آنها کار می کنند. هدف این است که به دانشمندان اجازه دهیم زمان کمتری را برای کارهای محاسباتی تکراری و زمان بیشتری را برای سوالاتی که نیاز به قضاوت علمی واقعی دارند صرف کنند.

هوش مصنوعی قبلاً در برنامه های دارویی BMS تعبیه شده است

این اعلان یک آرزوی آینده‌نگر نیست که از عملیات فعلی جدا شده باشد. BMS می گوید هوش مصنوعی از قبل طراحی هر برنامه مولکولی کوچک در خط لوله خود و اکثر برنامه های مولکول بزرگ خود را مطلع می کند. این شرکت این را به عنوان یک رویکرد پیش‌بینی اول توصیف می‌کند که در آن مدل‌های تولید شده توسط هوش مصنوعی قبل از شروع هر کار آزمایشگاهی، فرضیه‌ها را شکل می‌دهند.

عوامل هوش مصنوعی در BMS در حال حاضر شناسایی و اعتبارسنجی هدف را خودکار می‌کنند، وظایفی که قبلاً هفته‌ها تلاش دستی دانشمندان محقق را انجام می‌داد. به گفته این شرکت، این عوامل اکنون محققان را آزاد می کنند تا روی آزمایش فرضیه ها و تصمیمات علمی سطح بالاتر تمرکز کنند.

گرگ مایرز، مدیر ارشد فناوری و دیجیتال در BMS، گفت که این شرکت نزدیک به سه سال است که در راستای این پروژه ساخته شده است. مایرز در بیانیه‌ای گفت: «BMS یک شرط‌بندی عمدی بر روی هوش مصنوعی انجام داده است و ما شروع به دیدن نتیجه آن در خط لوله و عملیات خود کرده‌ایم. گسترش قابلیت‌های محاسباتی ما با NVIDIA به محققان و تیم‌های ما در سراسر تجارت مقیاسی را می‌دهد که برای حفظ BMS در لبه برتر آنچه که هوش مصنوعی برای کشف و توسعه دارو انجام می‌دهد، نیاز دارند.»

شرط بندی روی تصمیمات بهتر، نه فقط سرعت

رابرت پلنگ، مدیر ارشد تحقیقات BMS، این سرمایه گذاری را اساساً در جهت بهبود کیفیت تصمیمات علمی به جای تسریع صرف آن ها عنوان کرد. پلنج گفت: "کشف مواد مخدر مجموعه ای از تصمیمات است که در شرایط عدم قطعیت گرفته می شود و تصمیمات بهتر از شواهد بهتر و سریعتر حاصل می شود." این زیرساخت به ما امکان می‌دهد از هر آزمایش و هر بازخوانی بالینی یاد بگیریم تا فرضیه بعدی را تیز کنیم، و به دانشمندان BMS اجازه می‌دهد زمان کمتری را برای کارهای دستی و زمان بیشتری را برای سؤالاتی که نیاز به قضاوت انسانی دارند، صرف کنند.»

پلنگ افزود: "هدف سرعت به خاطر خودش نیست." این احتمال را افزایش می‌دهد که هر برنامه‌ای که پیش می‌بریم، برنامه مناسبی است.»

شرایط مالی این معامله فاش نشده است.

مسابقه تسلیحاتی هوش مصنوعی دارویی

اعلام BMS در بحبوحه موجی از سرمایه‌گذاری‌های مشابه در بخش داروسازی صورت می‌گیرد که نشان می‌دهد کشف داروی مبتنی بر هوش مصنوعی از برنامه‌های آزمایشی آزمایشی به هزینه‌های زیرساختی اصلی منتقل شده است. چند ماه قبل از آن، Eli Lilly ادعاهای مشابهی را در پشت شراکت خود با NVIDIA مطرح کرد و ادعا کرد که هیچ شرکت دیگری در مقیاس پروژه محاسباتی هوش مصنوعی خود فعالیت نمی کند.

کشف دارو با استفاده از هوش مصنوعی به عنوان راهی برای کوتاه کردن زمان انتخاب نامزدها، کاهش هزینه های توسعه و بهبود نرخ موفقیت مورد حمایت قرار می گیرد. توانایی این فناوری برای پردازش مجموعه داده‌های وسیع، کشف الگوهای پنهان و ایجاد پیش‌بینی‌های قابل آزمایش، آن را برای شناسایی اهداف دارویی جدید و طراحی ترکیبات درمانی جدید جذاب‌تر کرده است.

استقبال صنعت داروسازی از محاسبات هوش مصنوعی در مقیاس بزرگ نیز بر روند گسترده‌تری تأکید می‌کند: شرکت‌هایی که زیرساخت‌های هوش مصنوعی را ایجاد می‌کنند دیگر فقط شرکت‌های فناوری نیستند. از کشف دارو گرفته تا علم مواد، مهم ترین استقرار هوش مصنوعی به طور فزاینده ای در صنایع سنتی رخ می دهد که در حال رقابت برای تعبیه هوش محاسباتی در فرآیندهای اصلی خود هستند.

برای BMS، شرط این است که اولین بودن در جدیدترین پلتفرم NVIDIA به یک مزیت تحقیقاتی بادوام تبدیل شود. اینکه آیا این مزیت وجود دارد یا نه به این بستگی دارد که آیا مدل‌های هوش مصنوعی که بر روی Vera Rubin اجرا می‌شوند می‌توانند به طور مداوم داروهای بهتری تولید کنند - و در نهایت، داروهای بهتری برای بیماران تولید کنند.

از مرز هوش مصنوعی جلوتر بمانید

از آزمایشگاه های تحقیقاتی دارویی گرفته تا ریخته گری های نیمه هادی، هوش مصنوعی در حال بازنویسی قوانین در هر صنعتی است. [AI Buzz Wire] (https://aibuzzwire.news) را برای آخرین گزارش در مورد چگونگی تغییر جهان توسط هوش مصنوعی نشانک کنید.

اخبار هوش مصنوعی را بیشتر بخوانید →