NVIDIA از ابزاری رونمایی کرده است که برای تبدیل عوامل هوش مصنوعی همه منظوره به دستیاران تخصصی تحقیقات علمی طراحی شده است. این شرکت NVIDIA BioNeMo Agent Toolkit را معرفی کرد، مجموعهای از ابزارها و مهارتهای خاص دامنه که برای آنچه NVIDIA «عصر علوم زیستی عاملی» مینامد، ساخته شده است. انویدیا در اعلامیه این هفته خود گفت، به جای درخواست از یک مدل مرزی واحد که از ابتدا راه خود را از طریق یک مشکل زیست شناسی استدلال کند، این جعبه ابزار یک جعبه ابزار علمی آماده را به عوامل می دهد - به آنها اجازه می دهد شواهد جمع آوری کنند، آزمایش های محاسباتی انجام دهند، یافته ها را استدلال کنند و گام های بعدی را توصیه کنند. این یکی از نمونههای ملموستر از [صنعت هوش مصنوعی] (https://aibuzzwire.news) است که از رابطهای چت به سمت جریانهای کاری تحقیقاتی مستقل حرکت میکند.
یک دهه از کتابخانه های علوم زندگی، بسته بندی مجدد برای عوامل
این جعبه ابزار بیش از یک دهه از کتابخانههای علوم حیاتی NVIDIA، ابزارها و مدلهای باز را در یک چارچوب واحد و قابل فراخوانی عامل جمعآوری میکند. این دستگاه بر روی NVIDIA BioNeMo ساخته شده است و از ریزسرویس های NVIDIA NIM، NVIDIA Parabricks، NVIDIA NeMo و NVIDIA Nemotron در کنار پلت فرم محاسباتی شتاب دهنده این شرکت پشتیبانی می کند. NVIDIA گفت، هدف این است که "پایه ای باز و قابل اعتماد برای علوم زیستی عاملی" فراهم کند.
به گفته این شرکت، این جعبه ابزار می تواند یک عامل همه منظوره را در عرض چند دقیقه به یک عامل علوم زندگی تبدیل کند. این کار با افشای مجموعهای از مهارتهای قابل فراخوانی عامل برای وظایفی که زیستشناسان در واقع انجام میدهند کار میکند: پیشبینی ساختار پروتئین، اتصال مولکولی، شیمی مولد، آنالیز ژنومی، طراحی پروتئین، و کشف نشانگر زیستی. هر عامل یا پلتفرم هوش مصنوعی - از یک دستیار همه منظوره تا یک عامل علمی تخصصی یا یک سیستم بیوفارما داخلی - میتواند از این مهارتها برای ترکیب دانش، فراخوانی مدلها، ارزیابی نتایج و اجرای اقدامات بعدی استفاده کند.
"جعبه ابزار علمی" به "مغز" یک مدل
جنسن هوانگ، مدیرعامل انویدیا، رابطه بین مدلهای مرزی و جعبه ابزار جدید را بهطور مشخصی به صورت مستقیم بیان کرد. او گفت: "مدل های مرزی مغز هستند. BioNeMo جعبه ابزار علمی است." آنها با هم به عوامل هوش مصنوعی مهارت های دستیار پژوهشی دکترا و سرعت یک ابر رایانه را می دهند. برای اولین بار، محققان می توانند عوامل هوش مصنوعی بسازند که دانش علمی را درک کرده و می توانند بر اساس آن عمل کنند.
زمین به محدودیت واقعی توانمندترین مدل های امروزی می پردازد. یک عامل همهمنظوره میتواند برای پیمایش کارآمد در جریانهای کاری علمی مشکل داشته باشد، زیرا باید ابزارها، ورودیها، خروجیها و معنای بیولوژیکی صحیح را در جریان استنتاج کند. ابزار BioNeMo Agent Toolkit با دادن ابزارهای واضح و کاملاً مشخص به عوامل اجازه می دهد تا توانایی مناسب را فراخوانی کنند، نتایج را با دقت بیشتری تفسیر کنند و بینش علمی واقعی را سریعتر استخراج کنند.
پذیرش از روز اول
NVIDIA گفت که بیش از 50 شرکت در حال حاضر از این جعبه ابزار برای پیشبرد اکتشافات علمی استفاده می کنند. مدلهای باز و سازمانهای تحقیقاتی از جمله مؤسسه Arc، بنیاد نرمافزار مولکولی باز، و مؤسسه طراحی پروتئین دانشگاه واشنگتن (IPD) با NVIDIA همکاری میکنند تا مدلهای مرزی را پیش ببرند و آنها را از طریق گردشهای کاری آمادهی عامل در دسترستر کنند.
دیوید بیکر، استاد بیوشیمی در دانشکده پزشکی دانشگاه واشنگتن و مدیر موسسه طراحی پروتئین، بر اهمیت دسترسی تاکید کرد. او گفت: «هر ابزاری که ما برای طراحی پروتئین ساختهایم، به اندازه دانشمندانی که میتوانند به طور مؤثر به آن دسترسی داشته باشند، قدرتمند است.» و افزود: «جهش بعدی در علم از یک مدل پیشرو نیست، بلکه از سیستمهایی که ابزارهای قدرتمند را مستقیماً در دست محققان قرار میدهند، حاصل خواهد شد». بیکر جایزه نوبل شیمی 2024 را به دلیل کارش در طراحی پروتئین محاسباتی به اشتراک گذاشت.
بر روی یک پشته عامل در حال رشد ساخته شده است
این جعبه ابزار در بالای مجموعه گستردهتر فناوری نمایندگی NVIDIA قرار دارد. NVIDIA در حال بهینه سازی کل پلتفرم BioNeMo با تبدیل کتابخانه ها، مدل ها و چارچوب های خود به ابزارهای قابل فراخوانی عامل است. این شامل استفاده از مدلهای باز NVIDIA Nemotron برای پایه استدلال، کتابخانه NVIDIA NeMo RL برای یادگیری تقویتی، و طرحهای NVIDIA NemoClaw برای عوامل ایمن و خصوصی است که میتوانند بر روی وظایف استدلال کنند، ابزارهای فراخوانی و با دادهها تعامل داشته باشند. میکروسرویسهای NIM NVIDIA به نمایندگان کمک میکنند مدلها را فراخوانی کنند و وظایف را انجام دهند، در حالی که زمان اجرا NVIDIA OpenShell یک محیط اجرایی کنترلشده را فراهم میکند.
چرا مهم است
علوم زیستی یکی از مهم ترین مرزهای علمی جهان است. انویدیا هزینه تحقیق و توسعه علمی جهانی را حدود 3.8 تریلیون دلار و بودجه دارویی سالانه را نزدیک به 300 میلیارد دلار ذکر کرده است. این شرکت استدلال می کند که گردش کار عاملی می تواند به صنعت کمک کند تا سریعتر تکرار شود، هزینه ها را کاهش دهد و احتمال موفقیت در کشف و توسعه دارو را افزایش دهد.
این انتشار همچنین نشان دهنده یک تغییر استراتژیک در نحوه ارائه هوش مصنوعی به دانشمندان است: نه به عنوان یک مدل یکپارچه که باید از آن خواسته شود، بلکه به عنوان یک سیستم هماهنگ از ابزارهای تخصصی و قابل فراخوانی که یک عامل می تواند هماهنگ کند. اگر این رویکرد محقق شود، [آخرین پیشرفتهای هوش مصنوعی] (https://aibuzzwire.news) نشان میدهد که آزمایشگاه آینده ممکن است کمتر توسط یک دستیار دانا و بیشتر توسط تیمی از عوامل ابزاری که در کنار محققان انسانی کار میکنند اداره شود.
از هوش مصنوعی جلوتر بمانید
آخرین اخبار، تحلیل ها و پیشرفت های هوش مصنوعی را دریافت کنید - همه در یک مکان.
اخبار هوش مصنوعی را بیشتر بخوانید →
