کلود ساینس آنتروپیک؛ گام تازه در کشف دارو با هوش مصنوعی

وقتی شرکتی که با هوش مصنوعی مکالمه‌ای شناخته می‌شود، شروع به استخدام دانشمندان آزمایشگاهی و ساخت آزمایشگاه‌های تر می‌کند، توجه‌ها جلب می‌شود. به گزارش ورج، آنتروپیک بی‌سروصدا از ساخت مدل‌های چت فراتر رفته و به سراغ گردآوری جعبه‌ابزاری برای کشف دارو رفته است؛ محصولی که با نام کلود ساینس در رویداد «بریفینگ: هوش مصنوعی برای علم» معرفی شد.

کلود ساینس به‌عنوان یک فضای کاری یکپارچه معرفی شده است: مجموعه‌داده‌ها، ابزارهای تحلیلی و موتورهای بصری‌سازی در یک رابط واحد گردآوری می‌شوند تا پژوهشگران نتایج پیچیده را به‌جای فایل‌های پراکنده، در قالب نمودارها و تصاویر روشن ببینند. این ایده جذاب است. محیطی واحد که جریان‌های کاری محاسباتی را به هم متصل کند، می‌تواند هفته‌ها از تحلیل‌های معمول کم کند و فرضیه‌های تازه را سریع‌تر آشکار سازد.

اما ساخت چنین پلتفرمی با رساندن واقعی یک مولکول به مرحله بالینی، دو پروژه کاملا متفاوت است. آنتروپیک می‌گوید بر بیماری‌های نادیده‌گرفته‌شده تمرکز خواهد کرد و به دنبال درمان‌های اختصاصی می‌رود. با این حال، هنوز جزئیات کمی درباره برنامه شرکت برای انجام مطالعات حیوانی، سازمان‌دهی کارآزمایی‌های بالینی یا همکاری با تولیدکنندگان باسابقه منتشر شده است. البته این شرکت طی یک سال گذشته به‌طور گسترده در حوزه علوم زیستی نیرو جذب کرده و طبق گزارش‌ها، آزمایشگاه‌های اختصاصی برای پشتیبانی از جاه‌طلبی‌های خود راه‌اندازی کرده است.

آنتروپیک وارد میدانی شلوغ شده است. شرکت‌های بزرگ فناوری و استارتاپ‌های تخصصی از پیش در تلاش‌اند کشف داروی محاسباتی را به بازار عرضه کنند: اوپن‌ای‌آی، گوگل و آمازون ابتکارهایی در علوم زیستی راه‌اندازی کرده‌اند؛ اینسیلیکو و آزمایشگاه‌های ایزومورفیک نیز سال‌هاست خطوط فرایندی سرتاسری طراحی دارو را توسعه می‌دهند. آنچه آنتروپیک را متمایز می‌کند، پشتوانه آن در مدل‌های زبانی بزرگ و باور علنی شرکت به این است که این مدل‌ها، وقتی با داده‌های تخصصی و زیرساخت آزمایشگاهی همراه شوند، می‌توانند جریان‌های کاری علمی را به‌طور معناداری سرعت دهند.

کارشناسان درباره زیاده‌روی در این ادعاها هشدار می‌دهند. پژوهشگرانی مانند متخصصان کمبریج و کالج دانشگاهی لندن یادآور می‌شوند که ابزارهای هوش مصنوعی در مراحل مختلف ارزشمندند، از پیشنهاد چارچوب‌های مولکولی نو تا تحلیل داده‌های سنجش پر‌بُعد، اما جایگزین نیاز به داده‌های آزمایشگاهی باکیفیت نمی‌شوند. در زیست‌شناسی، سیگنال اغلب پرنویز است. مدل‌هایی که به مجموعه‌داده‌های سازگار، دقیق و خوب برچسب‌گذاری‌شده نیاز دارند، ممکن است در برابر واقعیت پراکنده و ناهمگون نتایج آزمایشگاهی محدود شوند.

آیا روش‌های محاسباتی می‌توانند آزمایش‌های عملی را حذف کنند؟ هنوز نه. شیمیدانان آکسفورد و دیگر متخصصان تأکید می‌کنند که یک ترکیب همچنان باید از نظر اثربخشی، سمیت و رسانش در سامانه‌های زنده ارزیابی شود. مدل‌های پیش‌بینی‌کننده به اولویت‌بندی نامزدهای دارویی کمک می‌کنند. اما در حال حاضر، نیاز بنیادی به اعتبارسنجی فیزیکی را از میان برنمی‌دارند.

به نظر می‌رسد آنتروپیک این تفاوت را درک کرده است؛ سرمایه‌گذاری آن در زیست‌شناسان و فضای آزمایشگاهی، رویکردی ترکیبی را نشان می‌دهد: هوش مصنوعی برای تولید سرنخ‌های دارویی، و انسان‌ها و آزمایش‌ها برای اثبات آن‌ها.

نکاتی که باید در ادامه دنبال کرد: اینکه آیا کلود ساینس می‌تواند با سازمان‌های پژوهشی قراردادی بیرونی و تولیدکنندگان ارتباط بگیرد، آنتروپیک تا چه حد درباره جریان‌های کاری اعتبارسنجی شفاف خواهد بود، و آیا این پلتفرم داده‌های پیش‌بالینی تکرارپذیری تولید می‌کند که نهادهای تنظیم‌گر و شرکا را قانع سازد یا نه. اگر این شرکت بتواند میان جهان محاسباتی و آزمایشگاهی پل بزند، می‌تواند بازیگری تازه و معتبر به توسعه دارو مبتنی بر هوش مصنوعی اضافه کند، اما همه چیز به اجرا بستگی دارد.