Стартап Isomorphic Labs, который занимается созданием лекарств, до конца текущего года проведёт испытания препаратов, разработанных искусственным интеллектом. Об этом рассказал его фаундер и глава Google DeepMind Демис Хассабис. Isomorphic Labs был запущен четыре года назад и принадлежит Alphabet.
Стартап Isomorphic Labs, который занимается созданием лекарств, до конца текущего года проведёт испытания препаратов, разработанных искусственным интеллектом. Об этом рассказал его фаундер и глава Google DeepMind Демис Хассабис. Isomorphic Labs был запущен четыре года назад и принадлежит Alphabet.
Стартап работает в таких направлениях, как онкология, сердечно-сосудистые и нейродегенеративные заболевания. «Полагаю, что до конца этого года у нас появится первое лекарство», — поделился он с Financial Times на Всемирном экономическом форуме.
Хассабис отметил, что обычно на разработку лекарства требуется 5-10 лет. ИИ может сократить эти сроки в 10 раз, что произведёт революцию в медицине, считает лауреат Нобелевской премии по химии.
Isomorphic отделился от DeepMind — исследовательского ИИ-подразделения Google, тоже основанного Хассабисом, — в 2021 году и перешёл «под крыло» Alphabet. Перспективный стартап запартнёрился с крупными игроками в фармацевтике, которые заинтересованы в удешевлении и повышении эффективности разработки лекарств. К примеру, у него шесть совместных проектов с компаниями Eli Lilly и Novarti.
Также Хассабис озвучил свои прогнозы по поводу ИИ-агентов. По его мнению, в течение трёх лет в мире будут насчитываться «миллиарды» таких агентов, и они будут «вести друг с другом переговоры от имени поставщиков и клиентов». Это потребует переосмыслить концепцию «Всемирной паутины».
Помимо этого, предприниматель призвал разработчиков ИИ быть осторожными. Он предупредил, что технология может нести угрозу человечеству, если попадёт в плохие руки.
Google DeepMind между тем работает над созданием общего ИИ. Хассабис говорит, что общий ИИ в его истинном понимании будет неизбежно создан, но, несмотря на хайп в интернете, лишь через 5-10 лет.
Релоцировались? Теперь вы можете комментировать без верификации аккаунта.
На(бредо)генерировать то оно может что угодно, но кто это все протестирует неизвестно.
По факту тырнет набьют сгенерированным мусором.
Люди не могут создать искуственный интеллект потому что не представляют как функционирует их собственный. Концепции перцептрона aka нейронные сети уже 70 лет (1957 год), а воз и ныне там.
Пользователь отредактировал комментарий 25 января 2025, 14:28
Как эти две вещи связаны? ИИ - это просто термин для описания группы алгоритмов. У слова "интеллект" вообще нет единого определения
Просто теория опережает технические возможности. Железо только недавно подтянулось до нужного уровня. Вопрос больше в том, можно ли представить интеллект функцией. Если да, то есть доказанная теория (и уже довольно много практики) о том, что эту функцию можно аппроксимировать нейронками. До какой-то степени этого удалось добиться. И вроде как в потолок пока не уперлись - эту аппроксимацию продолжают улучшать буквально каждый месяц. Может, упрутся через год другой, кто знает
Окей... А что-нибудь, решающее более насущные проблемы будет?
Нет, это просто уменьшит сроки (ака издержки для выгодополучателя).
AI хайп продолжается...
От знакомых биоинформатиков слышу что LLM генерят мусор а узкое горло переместилось в клинические исследования где выхлоп около нуля.
Раньше кандидаты (формулы) были качественно лучше, теперь лавина шума.
Тут речь про AlphaFold, это не LLM. Это модель, которая обучалась на известных конфигурациях белков выводить новые по заданным условиям. И за которую ее создатели получили Нобелевку по химии в прошлом году.
Насколько понимаю AlphaFold это тип генеративного AI который набрасывает формулы кандидатов лекарств. Родственник LLM-a.
пристегните ремни, будет много текста, потому что мне лень работать
Все нейронки между собой похожи. Берут последовательность каких-то данных на вход, превращают в матрицу чисел, прогоняют через разные группы слоёв и конвертируют обратно в данные. Разница только в архитектуре слоёв и способе превращения данных в числа. При этом LLM называют бредогенераторами, но никто не пытается спорить с эффективностью ИИ, играющих в шахматы. Почему? Главная проблема LLM в том, что они сами не могут оценить результат своей работы. И в принципе никто не может - нет алгоритма. Как понять, хороший они выдали текст или нет? Никак - нужен человек или более умный ИИ для интуитивной оценки результата. Текст не детерминирован, нет однозначно правильного ответа. Это очень серьёзное ограничение, которое не позволяет нейронке самостоятельно совершенствовать свои результаты или хотя бы проверить их. Шахматные ИИ не имеют такого ограничения, потому что у них есть очень простая цель - победить в игре. Любой ход либо ведёт к этой цели, либо нет. Нужно только научиться понимать, как оценить этот ход, но для этого существуют алгоритмы. Не нужны сложные данные, не нужны люди — они могут играть сами с собой до бесконечности, постоянно совершенствуясь. Как итог, шахматные ИИ обошли и людей, и все известные алгоритмы. И не только шахматные: го, Dota, StarCraft - ИИ победил везде. После этого интерес к играм упал - в любой игре с конечной целью ИИ победит. И никто с этим не спорит.
AlphaFold ближе к моделям, которые решают задачи регрессии, чем к LLM. Он предсказывает 3D-структуру белка на основе последовательности аминокислот. В отличие от текста, результат детерминирован, что уже большое преимущество. Результат можно проверить на адекватность программно, прогнать через симуляции молекулярной динамики или сравнить с экспериментальными данными. С текстом такого сделать нельзя. AlphaFold не использует reinforcement learning, как шахматные модели, так что он всё-таки ограничен качеством данных и валидацией. Он не может сам себя улучшать. Но он галлюцинирует куда меньше, чем LLM. Он показал настолько хорошие результаты в моделировании белков, что принес своим создателям Нобелевскую премию по химии в 2024 году. То есть результаты его работы впечатлили прежде всего химиков, а не только специалистов по ИИ. AlphaFold нашел способ получить ответ для NP-complete проблемы за конечное время с удовлетворительной погрешностью.
По вашему комменту мне показалось, что речь скорее о чатботах, к которым всё чаще прибегают при написании научных работ. И поэтому качество этих работ падает. Если ваши знакомые пробовали работать с AlphaFold и остались недовольны результатами, тогда снимаю шляпу - молодцы, держат руку на пульсе и не боятся бросить вызов мировому научному сообществу. Без иронии. Я знаю людей, которые опровергают теорию относительности, но я считаю их умнее себя, поэтому не берусь судить, кто тут прав. Если нет, то пусть попробуют - AlphaFold в открутом доступе и запускается на домашнем компьютере.
Пользователь отредактировал комментарий 28 января 2025, 02:38
Да-да, а миссис Холмс сделала 50 анализов из одной капли крови