Почему ИИ еще не лечит болезни (и план на 1,8 млрд долларов по исправлению ситуации)

Может ли ИИ помочь вылечить все болезни? Алекс Ривз, руководитель научного отдела Biohub, говорит, что самым большим препятствием, вероятно, является не сам ИИ, а данные: мы практически не измеряли поведение клеток. В этой беседе он объясняет усилия стоимостью 1,8 миллиарда долларов по сбору данных, необходимых для создания «виртуальной клетки». Мы обсуждаем, как языковая модель, обученная на белках, начала самостоятельно раскрывать биологические процессы, что такое виртуальная клетка на самом деле и почему так много денег тратится на измерения. Мы также затрагиваем тему проектирования белков с нулевым количеством попыток, что может сократить 10-летний путь к созданию нового лекарства, что потребуется для индивидуальных лекарств для одного пациента, почему, по словам Алекса, сегодня биориск сводится к лаборатории, а не к ИИ, и идею универсальной иммунной системы. Biohub — это некоммерческая организация, основанная Марком Цукербергом и Присциллой Чан, миссия которой — вылечить или предотвратить все болезни. Она открыто публикует свои основные модели белков, включая семейство ESM, которое Алекс начал разрабатывать в лаборатории фундаментальных исследований ИИ в Meta. РАЗДЕЛЫ 0:00 Анонс 0:42 Знакомство с Алексом Ривзом и Biohub 1:48 Объявление о выделении 1,8 миллиарда долларов 2:52 Алекс о работе по картированию клетки 3:37 Что такое виртуальная клетка? 4:58 Разрыв в данных: почему белки опережают клетки 7:34 ESM: первая большая языковая модель для белков 9:43 Объяснение белков: 20-буквенный алфавит 10:30 ESM против AlphaFold 13:14 Как ESM изучает биологию, заполняя пробелы 14:39 От белков к клеткам 15:23 Какие данные нам нужно генерировать? 16:55 Объяснение транскриптомов и пространственной транскриптомики 17:44 Почему для этого нужны лабораторные работы 18:56 Заменит ли ИИ исследователей? 21:01 Почему разработка лекарств занимает 10 лет и как это сократить 23:01 Будущее персонализированной медицины 23:40 Разработка белков без предварительного исследования 25:20 Индивидуальная терапия для каждого пациента 26:57 От фундаментальных исследований до инженерных разработок 29:05 Чего не хватает персонализированной медицине? 30:22 Терапия «n-of-one» и детёныш KJ 31:46 Нужно ли нам больше экспериментальных лабораторий? 33:42 Почему никто не собирал эти данные? 38:07 Насколько серьёзен биориск, связанный с ИИ? 39:51 Объяснение скрининга синтеза генов 40:51 Универсальная иммунная система 43:37 Призыв к действию ОСНОВНЫЕ ВЫВОДЫ Алекс называет основную проблему «фундаментальным пробелом в данных». ИИ для белков был создан на основе данных, накопленных за полвека, и ничего сопоставимого для клеток пока не существует. Виртуальная клетка — это модель, которая предсказывает, что произойдет с клеткой, если что-то изменить. Проверка заключается в том, соответствуют ли ее предсказания тому, что происходит в реальном эксперименте. ESM обучалась, угадывая скрытые аминокислоты. Никто не сообщал ей о структуре или функции, но эта информация проявилась в процессе обучения. Метод нулевого обучения сужает выборку из сотен тысяч сгенерированных компьютером кандидатов примерно до 100 для тестирования в лаборатории. Алекс описывает это как 24 часа вычислений и семь дней лабораторной работы. Индивидуальные лекарства пока еще не существуют. Терапия все еще должна быть безопасной и пригодной для разработки, а инфраструктура и нормативные правила не были созданы для лекарства, которое будет принимать только один человек. Что касается биорисков, Алекс говорит, что «сегодня это не риск», и что ключевым препятствием является экспериментальная лаборатория, а не ИИ. Он говорит, что нам нужен скрининг синтеза генов, и что защитные приложения должны оставаться на шаг впереди. Большая часть этого еще не создана. Алекс ожидает получить первый набор данных примерно через год, а полезные модели — в течение пяти, и это скорее ожидания, чем обещания. ССЫЛКИ Biohub: https://biohub.org/ Алекс Ривз: https://x.com/alexrives   / alexrives   ОБО МНЕ Я Харпер Кэрролл: преподаватель в области ИИ и инженер по ИИ/машинному обучению. У меня есть степень бакалавра и магистра компьютерных наук (специализация ИИ) Стэнфордского университета. Я создавал системы ИИ/машинного обучения в Meta, затем был инженером-основателем и руководителем направления ИИ/машинного обучения в Brev.dev, приобретенной NVIDIA в 2024 году. Я помогаю более 750 000 человек понять суть ИИ. БЕСПЛАТНЫЕ РЕСУРСЫ (бесплатно) Серия «10 дней основ ИИ» + многое другое: https://harpercarroll.ai/#video-guide Бесплатный структурированный курс по ИИ (10 модулей, 90 уроков): https://harpercarroll.ai/academy Объяснения по ИИ: https://harpercarroll.ai/content Рассылка: https://harpercarroll.ai/subscribe Список ожидания мастер-класса: https://harpercarroll.ai/waitlist 10 дней основ ИИ (полная версия):    • 10 Days of AI Basics   10 дней основ ИИ (краткая версия): https://www.youtube.com/playlist?list....