تلاقی هوش مصنوعی مولد و زیست‌فناوری در حال جذب سرمایه‌های عظیمی است، زیرا پژوهشگران برجسته، کار بر روی مدل‌های زبانی بزرگ (LLM) با کاربرد عمومی را به سمت کاربردهای علمی رها می‌کنند. گزارش شده است که مایلز وانگ، پژوهشگر OpenAI، در حال آماده‌سازی برای راه‌اندازی شرکتی است که با مدل‌سازی پیشرفته هوش مصنوعی، فرآیند کشف دارو را متحول خواهد کرد.

حرکتی پرریسک از OpenAI به سمت زیست‌فناوری

وانگ، فارغ‌التحصیل علوم کامپیوتر از هاروارد که در سال ۲۰۲۴ به OpenAI پیوست، در حال مذاکره برای جذب ۲۰۰ میلیون دلار با ارزش‌گذاری ۲ میلیارد دلاری است. او برخی از این اعداد را رد کرده است، اما خروج او نشان‌دهنده «فرار مغزها» رو به رشد از آزمایشگاه‌های گسترده هوش مصنوعی به سمت حوزه‌های علمی پربازده است.

این استارتاپ قصد دارد چندین پژوهشگر دیگر از OpenAI را جذب کند و یک مجموعه استعداد متمرکز را برای خودکارسازی اکتشافات بیولوژیکی ایجاد نماید. این حرکت نشان‌دهنده تغییر مسیر از چت‌بات‌ها به سمت مدل‌هایی است که می‌توانند پیچیدگی‌های زیست‌شناسی مولکولی را پیمایش کنند.

هدف‌گذاری بر بازکاربرد دارو و پیش‌بینی مولکولی

سرمایه‌گذاری وانگ به جای دنبال کردن موجودیت‌های شیمیایی کاملاً جدید، ممکن است بر مدل‌های هوش مصنوعی تمرکز کند که کاربردهای جدیدی برای داروهای موجود و تایید شده توسط FDA پیدا می‌کنند و ترکیباتی را که در آزمایش‌های بالینی شکست خورده‌اند، احیا می‌نمایند.

بازکاربرد دارو یک مزیت تجاری روشن ارائه می‌دهد: تست‌های ایمنی قبلاً انجام شده‌اند، بنابراین مسیر رسیدن به درآمد در مقایسه با توسعه داروهای نوظهور (de novo) به شدت کوتاه‌تر می‌شود. این استارتاپ می‌تواند با استفاده از هوش مصنوعی برای پیش‌بینی نحوه اتصال مولکول‌ها به اهداف بیولوژیکی مختلف، سال‌ها کار آزمایشگاهی را حذف کند.

رشد انفجاری بخش هوش مصنوعی-زیست‌فناوری

هدف ارزش‌گذاری وانگ بازتاب‌دهنده بازاری است که به سرعت در حال داغ شدن است. غول‌های بزرگ هم‌اکنون بر فضای علوم زیستی مبتنی بر هوش مصنوعی تسلط دارند:

  • Chai Discovery: ۴۰۰ میلیون دلار با ارزش‌گذاری ۳.۸ میلیارد دلار برای ساخت مدل‌هایی جهت پیش‌بینی تعاملات مولکولی جذب کرد.
  • Isomorphic Labs: یک شرکت منشعب از Google DeepMind که در ماه مه، ۲.۱ میلیارد دلار در مرحله سری B برای کشف دارو با کمک هوش مصنوعی تأمین کرد.

این معاملات نشان می‌دهند که شرکت‌های سرمایه‌گذاری خطرپذیر مانند Lightspeed — که گزارش شده در تلاش برای ایفای نقش اصلی در دور جذب سرمایه وانگ هستند — زیست‌شناسی مجهز به هوش مصنوعی را یکی از سودآورترین مرزهای جدید می‌بینند.

چرا این موضوع برای چشم‌انداز هوش مصنوعی اهمیت دارد

هوش مصنوعی تخصصی در کشف دارو، بحث‌ها را از مباحث انتزاعی AGI به نتایج ملموس هوش مصنوعی کاربردی تغییر می‌دهد. وقتی پژوهشگرانی مانند وانگ، قوانین مقیاس‌پذیری و معماری‌های ترنسفورمر را که در OpenAI صیقل یافته‌اند، بر روی مجموعه‌داده‌های بیولوژیکی پیاده می‌کنند، سرعت پیشرفت‌های علمی را افزایش می‌دهند. موج بعدی ارزش‌آفرینی هوش مصنوعی احتمالاً به یکپارچگی عمودی با علوم فیزیکی بستگی خواهد داشت.

نکات کلیدی

  • جریان عظیم سرمایه: وانگ به دنبال جذب ۲۰۰ میلیون دلار با ارزش‌گذاری ۲ میلیارد دلاری برای یک استارتاپ کشف دارو با هوش مصنوعی است.
  • تمرکز استراتژیک: این سرمایه‌گذاری بر بازکاربرد دارو اولویت خواهد داد و از هوش مصنوعی برای یافتن کاربردهای بالینی جدید برای داروهای تایید شده توسط FDA و کوتاه‌تر کردن زمان عرضه به بازار استفاده خواهد کرد.
  • چشم‌انداز رقابتی: این استارتاپ در کنار بازیگران پرارزشی مانند Chai Discovery و Isomorphic Labs قرار خواهد گرفت که نشان‌دهنده چرخش قوی سرمایه‌گذاران خطرپذیر به سمت علوم زیستی مبتنی بر هوش مصنوعی است.

مایلز وانگ، پژوهشگر سابق OpenAI، در تلاش برای جذب ۲۰۰ میلیون دلار با ارزش‌گذاری ۲ میلیارد دلاری برای یک استارتاپ جدید در زمینه بازکاربرد دارو با هوش مصنوعی است. اگر این دور جذب سرمایه بسته شود، این شرکت به جمع معدودی از شرکت‌های منشعب از حوزه زیست‌فناوری و هوش مصنوعی می‌پیوندد که پیش از این میلیاردها دلار جذب کرده‌اند، که نشان می‌دهد سرمایه با چه سرعتی به سمت پروژه‌های «هوش مصنوعی برای زیست‌شناسی» در حال حرکت است.

از مدل‌های زبانی بزرگ (LLMs) تا مولکول‌ها

وانگ پس از اخذ مدرک علوم کامپیوتر از هاروارد، در سال ۲۰۲۴ وارد OpenAI شد. منابع می‌گویند او اکنون قصد دارد همان ترفندهای مقیاس‌پذیری را در علوم مولکولی به کار گیرد و چندین فارغ‌التحصیل OpenAI را برای ساخت تیمی استخدام کند که بتواند جستجو برای کاربردهای جدید داروهای موجود را خودکارسازی کند.

این حرکت بازتاب‌دهنده یک «فرار مغزها» گسترده‌تر از آزمایشگاه‌های هوش مصنوعی با کاربرد عمومی به سمت حوزه‌های علمی تخصصی است. پژوهشگران فرصتی را برای اعمال معماری‌های اثبات‌شده ترنسفورمر — که در اصل برای متن ساخته شده‌اند — بر روی داده‌های بسیار پیچیده‌تر ساختارهای پروتئین، بیان ژن و تعاملات شیمیایی می‌بینند.

چرا بازکاربرد دارو؟

اکثر استارتاپ‌های زیست‌فناوری به دنبال ترکیبات جدید هستند؛ مسیری که می‌تواند قبل از رسیدن یک قرص به بازار، یک دهه زمان و میلیاردها دلار هزینه ببرد. هدف سرمایه‌گذاری وانگ یک میان‌بر است: استفاده از هوش مصنوعی برای شناسایی زوایای درمانی جدید برای داروهایی که قبلاً توسط FDA تایید شده‌اند یا پس از شکست در آزمایش‌ها کنار گذاشته شده‌اند. داده‌های ایمنی موجود، مسیر اخذ مجوزهای نظارتی را کوتاه می‌کند و زمان رسیدن به درآمد می‌تواند به شدت کاهش یابد.

فناوری اصلی این شرکت، نحوه اتصال یک مولکول به اهداف بیولوژیکی مختلف را پیش‌بینی کرده و پیوندهای غیرمنتظره با بیماری‌ها را شناسایی می‌کند.

موج افزایش بودجه در بخش هوش مصنوعی-زیست‌فناوری

ارزش‌گذاری مدنظر وانگ خارج از عرف نیست. Chai Discovery از جذب سرمایه‌ای ۴۰۰ میلیون دلاری با ارزش‌گذاری ۳.۸ میلیارد دلاری برای ساخت مدل‌هایی جهت پیش‌بینی تعاملات مولکولی خبر داد. Isomorphic Labs، که از Google DeepMind جدا شده است، در ماه می برای همین هدف، سرمایه ۲.۱ میلیارد دلاری در مرحله Series B جذب کرد. هر دو شرکت شرکت‌های سرمایه‌گذاری خطرپذیر سطح بالا را جذب کرده‌اند و گزارش‌ها حاکی از آن است که Lightspeed در حال مذاکره برای رهبری دور سرمایه‌گذاری وانگ است.

آنچه باید زیر نظر داشت

دستیابی استارتاپ به اولین دستاوردهای علمی نیز به همان اندازه مهم خواهد بود.

نکته کلیدی

تلاش مایلز وانگ برای ایجاد یک شرکت ۲ میلیارد دلاری در زمینه بازکاربرد دارو (drug-repurposing) مبتنی بر هوش مصنوعی، نشان می‌دهد که سرمایه با چه سرعتی از حوزه‌های عمومی مدل‌های زبانی بزرگ به سمت کاربردهای علمی تخصصی در حال حرکت است. این فعالیت می‌تواند با بهره‌گیری مجدد از داروهای موجود، ارائه درمان‌های جدید را تسریع کند، اما باید بر محدودیت‌های داده‌ای، نظارت‌های قانونی و کمبود استعدادها غلبه کند. اینکه آیا این استارتاپ به پرچمدار رونق هوش مصنوعی در بیوتکنولوژی تبدیل خواهد شد یا خیر، به توانایی آن در تبدیل پیش‌بینی‌های مدل به نتایج بالینی در دنیای واقعی بستگی دارد.