كم تبعد DrugGPT عن ChatGPT؟ شركات الأدوية التي تعمل بالذكاء الاصطناعي: "العنق المتعثر" ليس قوة حوسبة بل بيانات

** المصدر: ** "Science and Technology Innovation Board Daily"

** المراسل: يو شيكي ، تشو جيان **

مصدر الصورة: تم إنشاؤه بواسطة Unbounded AI‌

في المؤتمر العالمي للذكاء الاصطناعي 2023WAIC الذي مر لتوه ، كاد صعود الذكاء الاصطناعي التوليدي يمر خلال المؤتمر بأكمله. نظرًا لكونه المنفذ التحويلي الذي حظي بأكبر قدر من الاهتمام في الوقت الحالي ، فإن المستثمرين ودوائر الصناعة والأوساط الأكاديمية لديهم الكثير من التوقعات بشأنه ، لا سيما كيفية اكتشاف الفرص التخريبية على مستوى التطبيق.

يعد الذكاء الاصطناعي + الطب إحدى الفرص التي يجب رؤيتها. في هذا المؤتمر ، قالت Su Zifeng ، رئيس مجلس الإدارة والرئيس التنفيذي لشركة Advanced Micro Devices (AMD) ، في كلمتها أن الرعاية الصحية هي مجال يمكن للذكاء الاصطناعي أن يؤثر فيه حقًا على النتائج البشرية وسيساعد الأطباء على إجراء تشخيص أفضل. تسريع أبحاث الوقاية من الأمراض.

تحرك منافسها القديم بشكل أسرع. في 12 يوليو ، أعلنت Nvidia عن استثمار بقيمة 50 مليون دولار في شركة Recursion للأدوية التي تعمل بالذكاء الاصطناعي في شكل أسهم خاصة. قال مؤسسها ومديرها التنفيذي Huang Renxun في الإعلان أن الذكاء الاصطناعي التوليدي هو أداة ثورية في تطوير عقاقير جديدة وعلاجات جديدة. تستخدم Recursion منتجات NVIDIA ذات الصلة لإجراء أعمال رائدة في مجال الكيمياء الحيوية ، وتسريع تطوير أكبر نموذج ذكاء اصطناعي توليدي في العالم للجزيئات الحيوية ، وبالتالي النهوض بتطوير التكنولوجيا الحيوية وتسريع اكتشاف الأدوية لشركات الأدوية.

لطالما كانت المستحضرات الصيدلانية بالذكاء الاصطناعي واحدة من النقاط الساخنة في الصين ، وبرز عدد من الشركات الرائدة التي وصلت إلى طليعة العالم في مجال التكنولوجيا. عندما تأتي فرص العصر ، كيف تتعرف شركات الأدوية في الخطوط الأمامية على التغييرات الحالية؟ دعت "Kechuangban Daily" He Qi ، المؤسس المشارك والرئيس التنفيذي لشركة TB Medical ، Zhang Peiyu ، كبير المسؤولين العلميين في Jingtai التكنولوجيا ، و Shenshi Technology Wang Xiaofo ، رئيس الإستراتيجية ، وثلاثة من ممثلي الصناعة تبادلوا الفرص والتحديات في أعينهم.

** "عالقة" ليست قوة حوسبة بل بيانات **

فيما يتعلق بتأثير موجة الذكاء الاصطناعي التوليدي ، فإن التصور الشائع لرواد الأعمال الثلاثة هو أنها أصبحت "ساخنة".

قال He Qi ، الرئيس التنفيذي لشركة TBMI Pharmaceuticals ، إن صناعة الأدوية بأكملها لا تزال في شتاء بارد ، لكن مسار المستحضرات الصيدلانية AI بدأ في الانتعاش. في مارس من هذا العام ، أكملت شركة TBM تمويل الجولة الأولى بقيمة 35 مليون دولار أمريكي ، وفي ذلك الوقت ، تلقت دعمًا من العديد من المؤسسات الكبرى ، والآن أعربت العديد من المؤسسات عن اهتمامها بنموذج الأعمال.

يعتقد كل من Zhang Peiyu ، كبير المسؤولين العلميين في Jingtai Technology ، و Wang Xiaofo ، رئيس الاستراتيجية في Shenshi Technology ، أن تأثير الذكاء الاصطناعي التوليدي لم ينتقل بعد بشكل مباشر إلى المستحضرات الصيدلانية التي تعمل بالذكاء الاصطناعي ، ولكنه قدم بالفعل إشارات إيجابية للصناعة. ذكر Zhang Peiyu ، "لا تزال النقاط الساخنة للاستثمار في GPT حول النماذج الكبيرة وقواعد البيانات وحوسبة الرسومات. هذه مجرد البداية. في المستقبل ، ستنتقل بالتأكيد إلى طبقات تطبيقات أكثر تقسيمًا مثل الطب والتصنيع. هذا هو النمو الحتمي . عملية. ** "

قبل أن ينفجر ChatGPT من الدائرة ، أصبحت أبحاث وتطوير الأدوية الجديدة المدعومة بالذكاء الاصطناعي إجماعًا في الصناعة. يُظهر تقرير البحث أنه من خلال تمكين اكتشاف هدف الأدوية والفحص المركب من خلال التعلم الآلي (ML) والتعلم العميق (DL) ، يمكن زيادة معدل نجاح تطوير الأدوية الجديدة من 12٪ إلى 14٪.٪ ، مما يوفر حوالي 55 مليار دولار أمريكي في تكاليف الفحص المركب والتجارب السريرية في جميع أنحاء العالم كل عام. **

ولكن من ناحية أخرى ، تواجه المستحضرات الصيدلانية للذكاء الاصطناعي أيضًا اختناقات. تُستخدم المستحضرات الصيدلانية التي تستخدم الذكاء الاصطناعي حاليًا بشكل أساسي في المراحل المبكرة من اكتشاف الأدوية والفحص المركب الرئيسي. وفي مرحلة التجارب السريرية ، لا يزال يتعين على المزيد من الأشخاص إكمال الأعمال ذات الصلة. في الوقت نفسه ، فإن المستحضرات الصيدلانية للذكاء الاصطناعي محدودة أيضًا بتأثير تجانس البيانات. بالمعنى الشائع ، فإن مواد التعلم للذكاء الاصطناعي هي بيانات تجريبية أنشأها البشر ، ولا يمكن للذكاء الاصطناعي إنشاء بيانات هدف غير مرغوب فيها من فراغ. هذا يعني أيضًا أن القدرات الأكثر إبداعًا للذكاء الاصطناعي التوليدي محدودة.

لذلك ، فإن المعضلة التي تواجه شركات الأدوية التي تعمل بالذكاء الاصطناعي تختلف تمامًا عن الشركات النموذجية الكبيرة الحالية. صرح Zhang Peiyu بصراحة في المقابلة أن قوة الحوسبة والخوارزميات ليست الحواجز الأساسية التي تقيد تطوير شركات الأدوية التي تعمل بالذكاء الاصطناعي. المئات من وحدات معالجة الرسومات والخوارزمية التكرارية الحالية كافية لدعم احتياجات شركة أدوية تعمل بالذكاء الاصطناعي ، ويكمن المفتاح في البيانات. **

"سواء كان الأمر يتعلق بمحاكاة العمليات الحسابية من خلال مزايا قوة حوسبة الذكاء الاصطناعي ، أو تسريع فحص المواد الرصاصية وتحسينها ، أو تصميم هياكل جزيئية جديدة استنادًا إلى الخبرة والتدريب على البيانات الضخمة ، هناك حاجة إلى قدر كبير من البيانات كدعم. الشركات ، جوهرها مبني على طاقة إنتاج البيانات ".

من وجهة نظر هي تشي ، فإن السبب الرئيسي وراء قدرة الذكاء الاصطناعي على لعب دور محدود نسبيًا في المرحلة اللاحقة من تطوير الدواء هو نقص البيانات ، وخاصة البيانات المطلوبة في المرحلة السريرية أو الطب الترجمي. هذا يشكل تحديا كبيرا لتدريب النماذج الكبيرة.

لا ينعكس نقص البيانات في الكمية فحسب ، بل قام وانغ شياو بتحليل جوهر المشكلة ، "إن كمية البيانات ليست كافية الآن ، لأن تكلفة توليد البيانات من خلال التجارب عالية جدًا. والأمر الأكثر إزعاجًا هو ذلك لا يمكن ضمان الجودة بشكل كامل. على سبيل المثال ، نفس التجربة ، إذا نفذها أ و ب ، فقد تكون النتائج مختلفة. إنها نفسها تتأثر بالعديد من العوامل خارج الموقع والأخطاء المرتبطة بها. ** الكمية والنوعية من البيانات الأساسية لا يمكن ضمانها ** ، والنتيجة المباشرة أي ، سيتم تقليل أداء ونتائج تعلم الذكاء الاصطناعي بشكل كبير. "

في رأي العديد من الممارسين الدوائيين للذكاء الاصطناعي ، فإن الطريق من ChatGPT إلى DrugGPT متعرجة وصعبة ، فالمعثر ليس قوة الحوسبة ولكن القدرة الأساسية على إنتاج البيانات. ولكن بنفس الطريقة ، في ظل موجة الذكاء الاصطناعي التوليدي ، تمتلك المستحضرات الصيدلانية للذكاء الاصطناعي الفرصة لإحداث تغييرات نوعية في صناعة الأدوية بأكملها ، وكسر عنق الزجاجة للابتكار ، وحل المشكلة الأساسية لكفاءة البحث والتطوير.

** ما مدى مستقبل DrugGPT؟ **

أول شيء يجب حله هو مشكلة قدرة إنتاج البيانات.

فكرة Jingtai هي ** "أتمتة + ذكاء" **. يعتقد Zhang Peiyu أن عملية البحث عن الأدوية وتطويرها هي عملية مستمرة للتجربة والخطأ ، والعديد منها يتطلب عمالة كثيفة ، ويمكن أن تكون مؤتمتة بالكامل لتحل محل العمالة البشرية لتحسين الكفاءة والدقة. الكثير من العمل الذي يقومون به الآن هو تحويل العمليات التقليدية إلى عمليات مؤتمتة ، وتتبع البيانات عالية الدقة من خلال العمليات الآلية ، وإعادتها إلى نماذج الذكاء الاصطناعي في الوقت الفعلي. يمكن أن تجمع هذه الطريقة بيانات أكثر شمولاً وواقعية من التجارب البشرية ، وتحسين الكفاءة البشرية عدة مرات ، وتمكين البشر من القيام بالمزيد والمزيد من الاستكشافات المبتكرة الناجحة.

البيانات الناتجة عن الأتمتة تقود باستمرار تطوير وتحسين الخوارزميات الذكية. كلما زادت كفاءة الأتمتة ، زادت دقة تنبؤات الخوارزميات الذكية واتساع نطاق التطبيق. في الوقت نفسه ، ينعكس الذكاء أيضًا في تحويل المعلومات غير المهيكلة إلى بيانات منظمة. ووفقًا له ، يمكن للذكاء الاصطناعي الآن استخراج معلومات مثل الطرق التركيبية والهياكل الجزيئية المخبأة في المستندات غير المهيكلة وبراءات الاختراع ، وتحويلها إلى بيانات منظمة ، وتحسين أداء الخوارزميات ، ثم إخراج المسارات الاصطناعية المصممة إلى المعدات الآلية. أدخل اختبار التخليق الكيميائي ، عملية إنتاج البيانات. في هذه العملية ، يمكن للذكاء الاصطناعي أيضًا أن يلعب دورًا في الجدولة والتخطيط ، واستدعاء الأدوات المختلفة بكفاءة بالتوازي ، وإكمال الحلقة المغلقة من توقع الخوارزمية إلى التحقق التجريبي لسيناريوهات التطبيق المختلفة.

قال تشانغ بيو: "هذا اتجاه تنموي يستحق التطلع إليه. في النهاية ، يمكن للذكاء الاصطناعي وحده أن يربط الحلقة المغلقة للتصميم والإنتاج ، ويكمل تلقائيًا أبحاث وتطوير الأدوية".

اقترح شينشي نموذج بحث علمي جديد للذكاء الاصطناعي للعلوم ، ببساطة هو استخدام الذكاء الاصطناعي لتعلم القوانين العلمية للعملية الأساسية لسلسلة من الأشياء. قال وانغ شياو فو إنهم يواجهون مشكلة ندرة البيانات ، وقد أدخلوا الذكاء الاصطناعي في مجال البحث العلمي ذي المستوى الأدنى ، مما سمح للذكاء الاصطناعي باستخدام قدراته القوية في تركيب الوظائف وتحليل البيانات لتعلم القوانين والمبادئ العلمية ، والحصول على نماذج قابلة للاستخدام لحل المشكلات العملية. • قضايا البحث العلمي وخاصة مساعدة العلماء على إجراء عدد كبير من عمليات التحقق والتجربة والخطأ تحت افتراضات مختلفة مما يسرع بشكل كبير من عملية البحث والاستكشاف العلميين.

في الوقت الحاضر ، يمكننا أن نرى التحسن في الكفاءة.ذكر وانغ شياو فو أنه قد يلزم إجراء عدة مرات من التجارب عالية الإنتاجية في عملية فحص الأدوية. الآن ، سنستخدم النموذج الجديد للذكاء الاصطناعي للعلوم لحساب ، ثم ننتقل إلى الحساب. بالنسبة لجزء صغير من التحقق ، حاولنا مؤخرًا إجراء تجارب أقل بكثير مما كانت عليه في الماضي ، ويمكننا الحصول على الأدوية المرشحة. هذا يعادل الحصول على تحسين الكفاءة أكثر من 10 مرات.

لقد أحدثت نعمة الكفاءة تغييرات على مستوى أدنى. وفقًا لـ Zhang Peiyu ، فإن مختبر الذكاء الرقمي الآلي الذي صممه Jingtai للطب الحيوي لا يمكن استخدامه فقط في أبحاث وتطوير الأدوية ، ولكن يمكن أيضًا توسيعه ليشمل اتجاه الهندسة الكيميائية والمواد الجديدة التي تتطلب أيضًا فحصًا تجريبيًا. المبادئ الأساسية هي نفسها. لكن متطلبات الأمان ودورة التحقق وتعقيد المشروع في هذه المجالات أقل بكثير. هذا سوق ضخم ليس أضعف من الأدوية ، وقد توصلوا في الوقت الحاضر إلى تعاون مع بعض البتروكيماويات ومواد تخزين الطاقة وشركات بحث وتطوير مواد جديدة أخرى.

بالنسبة للمستقبل ، لديه توقعات متفائلة تمامًا. بعد تجاوز عنق الزجاجة في إنتاج البيانات ، تتاح للمستحضرات الصيدلانية للذكاء الاصطناعي الفرصة لإحداث تغييرات نوعية من خلال التغييرات الكمية. في المستقبل ، قد يتم توجيه عملية تطوير الأدوية بالكامل بواسطة الذكاء الاصطناعي ، مما يجعل من الصعب- أهداف الأدوية والعقاقير الجديدة لقد ولدت آلية صنع الدواء جيلًا جديدًا من الأدوية عالية الجودة ، وخلق خطوط أنابيب جديدة للأدوية وأسواقًا إضافية. في غضون 20 أو 30 عامًا ، يمكن توقع أن 90٪ من العمل في مجال البحث والتطوير لعقاقير جديدة يمكن أن يتم بشكل أكثر كفاءة بواسطة الذكاء الاصطناعي. وبينما يتم تخفيض عتبة الابتكار ، سيتم رفع سقف البحث والتطوير الدوائي ، بموارد ووقت أقل وخطر الفشل ، بحيث يأتي المزيد من الأدوية للمرضى.

في الوقت الحاضر ، يعتقد He Qi أن القوة الدافعة للذكاء الاصطناعي لأبحاث وتطوير العقاقير قد وصلت إلى المنحنى الثاني ، وستحتاج شركات التكنولوجيا الحيوية حتماً إلى الاستثمار بكثافة في الحوسبة عند إجراء البحوث وتطوير الأدوية المبتكرة. بناءً على نقطة الألم هذه ، تم الاعتراف بشركات الأدوية التي تعمل بالذكاء الاصطناعي التي توفر المعدات وقوة الحوسبة ، فضلاً عن دعم الخبراء ، من قبل العديد من العملاء. بعد وضع الأساس للتسويق ، يمكن للشركات استكشاف المزيد من مسارات البحث والتطوير الخاصة بالعقاقير التي تدعم الذكاء الاصطناعي من منظور طويل المدى.