Biohub طرح ۱.۸ میلیارد دلاری برای پیش‌بینی رفتار سلول‌ها را هدایت می‌کند

مدل‌های هوش مصنوعی زیستی موضوع طرحی ۱.۸ میلیارد دلاری شده‌اند که Biohub، نهاد غیرانتفاعی مورد حمایت Mark Zuckerberg و Priscilla Chan، هماهنگی آن را بر عهده دارد. این تلاش قرار است داده‌های زیستی، تجهیزات آزمایشگاهی و توان محاسباتی را برای ساخت مدل‌هایی گرد هم بیاورد که رفتار سلول‌ها را پیش‌بینی می‌کنند؛ هدفی که به گفته گزارش‌ها می‌تواند به تسریع توسعه دارو کمک کند. به گزارش Reuters، شرکت‌های فناوری، نهادهای دولتی و پژوهشگران در این برنامه مشارکت دارند.

طرح مدل‌های هوش مصنوعی زیستی بر داده و زیرساخت تکیه دارد

ایده اصلی برنامه، آموزش مدل‌های هوش مصنوعی با مجموعه‌داده‌های زیستی است تا این مدل‌ها بتوانند الگوهای رفتاری سلول‌ها را پیش‌بینی کنند. پیش‌بینی رفتار سلول در این زمینه یعنی استفاده از داده‌های آزمایشگاهی برای برآورد واکنش یا تغییرات سلولی؛ نه آن‌که مدل به‌تنهایی جای آزمایش زیستی را بگیرد. چنین برآوردهایی می‌تواند به پژوهشگران کمک کند گزینه‌های احتمالی را بهتر بررسی کنند، هرچند گزارش منتشرشده جزئیاتی درباره روش‌های آزمایش یا عملکرد مدل‌های آینده ارائه نمی‌دهد.

Biohub در این برنامه فقط به گردآوری داده بسنده نمی‌کند. این نهاد قرار است داده‌های موجود را استانداردسازی کند تا برای آموزش مدل‌های هوش مصنوعی قابل استفاده باشند. استانداردسازی به معنای تنظیم و هماهنگ‌کردن قالب و شیوه ثبت داده‌هاست؛ اقدامی که می‌تواند استفاده از مجموعه‌های گردآمده در پروژه‌های مختلف را آسان‌تر کند. در کنار این داده‌ها، سرمایه‌گذاری روی تجهیزات آزمایشگاهی و توان محاسباتی نیز بخشی از تلاش اعلام‌شده است.

پیش از این، Biohub در آوریل از اختصاص ۵۰۰ میلیون دلار به «Virtual Biology Initiative» پنج‌ساله خبر داده بود. برنامه تازه، تلاشی بزرگ‌تر برای کنار هم قرار دادن منابع مالی و زیرساخت‌هایی است که تولید داده و آموزش مدل‌ها به آن‌ها نیاز دارد. گزارش Reuters رقم کلی این تلاش را ۱.۸ میلیارد دلار عنوان می‌کند.

مشارکت شرکت‌ها و نهادهای دولتی

طبق گزارش، Meta، Google DeepMind و Isomorphic Labs در مجموع ۳۰۰ میلیون دلار به این تلاش کمک می‌کنند. در بخش دولتی، وزارت انرژی ایالات متحده طی پنج سال بیش از ۵۰۰ میلیون دلار برای اندازه‌گیری‌های آزمایشگاهی و توان محاسباتی سرمایه‌گذاری می‌کند. این دو بخش، در کنار هم نشان می‌دهند برنامه تنها یک پروژه نرم‌افزاری نیست و بخش مهمی از آن به تولید داده و فراهم‌کردن زیرساخت پژوهشی اختصاص دارد.

مؤسسه ملی سلامت ایالات متحده نیز در هماهنگی مجموعه‌داده‌هایی نقش دارد که با بیش از ۵۰۰ میلیون دلار بودجه فدرال پیشین تولید شده‌اند. Biohub این داده‌ها را برای استفاده در آموزش هوش مصنوعی استانداردسازی می‌کند. این بخش از طرح، منابعی را که پیش‌تر با بودجه عمومی فراهم شده‌اند به تلاش جاری پیوند می‌دهد؛ اما در گزارش، فهرست مجموعه‌داده‌ها یا جزئیات دسترسی به هرکدام مشخص نشده است.

برآورد شده است که نخستین مجموعه‌داده این برنامه حدود یک سال دیگر آماده شود. این زمان‌بندی به معنی آماده‌شدن مدل نهایی در همان موعد نیست؛ گزارش فقط از آماده‌شدن نخستین داده‌ها سخن می‌گوید و زمان عرضه یا نتایج مدل‌های پیش‌بینی‌کننده را اعلام نمی‌کند.

دسترسی به داده‌ها و محدودیت یک‌ساله

قواعد دسترسی به داده‌ها میان منابع تجاری و دولتی تفاوت دارد. به گفته Alex Rives، مسئول پژوهشی Biohub، سرمایه‌گذاران تجاری یک سال به داده‌هایی که هزینه تولیدشان را پرداخته‌اند دسترسی انحصاری خواهند داشت و پس از آن داده‌ها عمومی می‌شوند. در مقابل، کارهایی که با بودجه دولتی انجام شده‌اند، مشمول این محدودیت نیستند.

این سازوکار برای شرکت‌هایی که در تأمین هزینه‌ها مشارکت دارند، دوره‌ای از دسترسی زودتر فراهم می‌کند؛ در عین حال، طبق اعلام Biohub، داده‌های تأمین‌شده از منابع دولتی بدون همان محدودیت در دسترس خواهند بود. گزارش جزئیات بیشتری درباره مجوز استفاده، شیوه انتشار عمومی یا چگونگی مدیریت داده‌های حساس ارائه نمی‌کند. بنابراین، دامنه دقیق دسترسی عمومی به چگونگی اجرای این قواعد وابسته خواهد بود.

اهمیت این موضوع از آن‌جا می‌آید که کیفیت و دسترس‌پذیری داده‌ها می‌تواند بر نحوه آموزش مدل‌های زیستی اثر بگذارد. داده‌های استانداردشده به پژوهشگران امکان می‌دهند ورودی‌های سازگار‌تری برای آموزش فراهم کنند؛ با این حال، صرف گردآوری داده‌ها تضمین نمی‌کند مدل‌ها پیش‌بینی‌های دقیق یا کاربردی ارائه دهند. ارزیابی چنین توانایی‌ای به نتایج پژوهش و آزمون‌های بعدی نیاز دارد که در گزارش فعلی هنوز مطرح نشده‌اند.

رقابت گسترده‌تر بر سر هوش مصنوعی و زیست‌شناسی

Biohub تنها بازیگری نیست که میان هوش مصنوعی و زیست‌شناسی پیوند برقرار می‌کند. به گزارش منبع، Anthropic آزمایشگاه زیست‌شناسی خود را برای توسعه دارو با کمک هوش مصنوعی ساخته است. همچنین OpenAI Foundation بیش از ۱۲۵ میلیون دلار برای مجموعه‌داده‌های زیستی و پزشکی اختصاص می‌دهد. این نمونه‌ها نشان می‌دهند شرکت‌ها و نهادهای مختلف به دنبال فراهم‌کردن منابعی هستند که بتوانند کاربرد هوش مصنوعی را در پژوهش زیستی و پزشکی گسترش دهند.

با این حال، طرح Biohub از نظر مقیاس و ترکیب منابع، بر همکاری چند بخش تکیه دارد: یک نهاد غیرانتفاعی برنامه را هماهنگ می‌کند، شرکت‌ها بخشی از هزینه را می‌پردازند، نهادهای دولتی در تأمین زیرساخت و داده نقش دارند و مجموعه‌های پیشین نیز برای استفاده در آموزش آماده می‌شوند. گزارش، این سرمایه‌گذاری را تلاشی برای ساخت مدل‌های پیش‌بینی‌کننده رفتار سلول توصیف می‌کند، نه معرفی یک مدل آماده یا محصولی برای استفاده عمومی.

پیامد احتمالی چنین رویکردی به این بستگی دارد که داده‌ها تا چه اندازه قابل استفاده و مدل‌ها تا چه حد در پیش‌بینی‌های زیستی موفق باشند. اگر ابزارهای حاصل بتوانند اطلاعات سودمندی درباره رفتار سلول‌ها ارائه کنند، می‌توانند در پژوهش‌های مرتبط با توسعه دارو نقش پشتیبان داشته باشند. اما در این مرحله، هدف و منابع طرح اعلام شده‌اند و هنوز نتیجه‌ای درباره دقت مدل‌ها یا تأثیر عملی آن‌ها گزارش نشده است.

این خبر برای چه کسانی اهمیت دارد

این طرح برای پژوهشگران زیست‌شناسی و پزشکی، شرکت‌های داروسازی و گروه‌هایی که روی کاربرد هوش مصنوعی در توسعه دارو کار می‌کنند اهمیت دارد، زیرا دسترسی به داده‌های قابل استفاده و توان محاسباتی را در مرکز برنامه قرار می‌دهد. برای شرکت‌های فناوری نیز نمونه‌ای از همکاری در مقیاس بزرگ میان بخش خصوصی و نهادهای دولتی است. در عین حال، پژوهشگران و نهادهای عمومی باید به تفاوت شرایط دسترسی به داده‌های تجاری و دولتی توجه کنند؛ این شرایط مشخص می‌کند چه کسانی و در چه زمانی می‌توانند از منابع تولیدشده استفاده کنند.