شراكات
Opentrons & NVIDIA يطلقان عصرًا جديدًا من مختبرات مدعومة بالذكاء الاصطناعي، مما يتحول الروبوتات إلى علماء متعلمين
لمعظم العقد الماضي، ركز الذكاء الاصطناعي في العلوم الحياتية على التنبؤ. تقترح النماذج أهداف الأدوية، وتوليد هياكل جزيئية، أو تحليل مجموعات بيانات بيولوجية ضخمة. ولكن في حين تقدمت الرؤية بسرعة، ظل تنفيذ التجارب عائقًا. لا يزال ترجمة الفرضيات التي تم توليدها بواسطة الذكاء الاصطناعي إلى تجارب مختبرية حقيقية ويمكن تكرارها بطيئًا وغاليًا ومتجزئًا عبر الأدوات وعمليات العمل.
ان هذا الفجوة تضيق الآن. أعلنت Opentrons عن تكامل عميق مع NVIDIA يهدف بشكل مباشر إلى حل هذه المشكلة من خلال جلب الذكاء الاصطناعي الفيزيائي مباشرة إلى عمليات المختبر اليومية.
شبكة عالمية من روبوتات المختبرات في العالم الحقيقي
ما يجعل Opentrons في موقع فريد هو النطاق. تعمل الشركة على أسطول عالمي من أكثر من 10,000 روبوت مختبري معياري تم توزيعه عبر جامعات بحثية رائدة ومنظمات بيوفارما. هذه الأنظمة تتم automatize بالفعل عمليات عمل حرجة في الجينوميات، والبروتيوميات، واكتشاف الأجسام المضادة، والتشخيص.
من خلال دمج منصات الذكاء الاصطناعي الفيزيائي من NVIDIA Isaac و NVIDIA Cosmos ، Opentrons تحول هذه القاعدة المثبتة إلى ساحة تدريب حية لأنظمة الذكاء الاصطناعي. بدلاً من الاعتماد بشكل رئيسي على البيانات المحاكاة، يمكن للنماذج الفيزيائية للذكاء الاصطناعي الآن التعلم مباشرة من تنفيذ التجارب الحقيقية في مختبرات مائية حول العالم.
جسور بين المحاكاة والواقع
لقد كانت المحاكاة ضرورية لفترة طويلة لتطوير الروبوتات والذكاء الاصطناعي، ولكن المختبرات تقدم تعقيدًا فريدًا. تؤثر التغييرات البيولوجية، والاختلافات في الأدوات، وسلوك المواد الكيميائية، والظروف البيئية على النتائج. من خلال زوج المحاكاة مع التنفيذ العالمي المعياري، Opentrons و NVIDIA يغلقان الدائرة بين التخطيط الرقمي والنتائج الفيزيائية.
في الممارسة، يمكن لأنظمة الذكاء الاصطناعي أن تقترح تصميمًا تجريبيًا، ومحاكاة النتائج، وتنفيذ التجربة على روبوتات Opentrons، وإعادة تغذية النتائج إلى تدريب النموذج. مع مرور الوقت، يخلق هذا وكلاء ذكاء اصطناعي لا يتنبؤون فقط بما يجب أن يعمل، ولكن يفهمون ما يعمل في بيئات مختبرية حقيقية.
إغلاق الدائرة على العلوم المستقلة
قطعة رئيسية من هذا الجهد هي حزمة الذكاء الاصطناعي البيولوجي من NVIDIA ، بما في ذلك BioNeMo ، والتي توفر الأساس لتدريب وتنفيذ نماذج الذكاء الاصطناعي لاكتشاف البيولوجي. توفر Opentrons طبقة التنفيذ المفقودة – التجارب الفيزيائية المعيارية والقابلة للتكرار والبرمجة.
معًا، هذا يسمح بدورة تعلم مستمرة. توليد نماذج الذكاء الاصطناعي فرضيات وخطط تجريبية. تنفذ الروبوتات تلك التجارب بشكل متسق عبر آلاف المختبرات. يتم التقاط النتائج كبيانات تدريب عالية الجودة وإعادة تغذيتها إلى أنظمة الذكاء الاصطناعي لتحسين التكرار التالي. عند التوسع، يكون لهذه الدورة التغذية обратية إمكانية ضغط جداول اكتشاف من سنوات إلى أسابيع.
لماذا يتمثل الأمر في المعايير
لقد كانت المختبرات تاريخيًا بيئات غير متجانسة. تجعل الإعدادات التلقائية المخصصة والأدوات المملوكة وعمليات اليدين من الصعب مقارنة النتائج أو إعادة استخدام البيانات على نطاق واسع. يقلب نهج Opentrons هذا الديناميكية من خلال معايير التنفيذ مع الحفاظ على الانفتاح والتشغيل بواسطة واجهة برمجة التطبيقات.
هذه المعايير هي ما يسمح لنماذج الذكاء الاصطناعي الفيزيائي بالتعميم عبر المختبرات. عندما يتم تنفيذ التجارب بنفس الطريقة في نيويورك، وبوسطن، أو بآسل، يمكن لأنظمة الذكاء الاصطناعي التعلم من الأنماط التي تتماشى مع البيئات بدلاً من التكيف مع إعداد واحد.
الآثار على اكتشاف الأدوية وما بعده
من المرجح أن يكون التأثير الفوري محسوسًا في اكتشاف الأدوية ، حيث تؤثر الإنتاجية التجريبية والقابلية للتكرار بشكل مباشر على السرعة والتكلفة. لكن الآثار تمتد إلى ما هو أبعد. يمكن للتنفيذ التجريبي المستقل أن يغير شكل كيفية تطوير التشخيصات، وكيفية التحقق من البحوث البيولوجية، وكيفية انتقال العلاجات الجديدة من المفهوم إلى العيادة.
على نطاق أوسع، يشير هذا الشراكة إلى تحول في كيفية تطبيق الذكاء الاصطناعي على العلوم. بدلاً من التوقف عند التوصيات، أنظمة الذكاء الاصطناعي ت开始 التصرف – تشغيل التجارب، التعلم من النتائج، وتحسينها بشكل مستقل. هذا يشير إلى خطوة مبكرة ولكنها مهمة نحو مختبرات ذاتية القيادة حيث يركز العلماء البشر على الاستراتيجية والتفسير، في حين يتعامل الذكاء الاصطناعي والروبوتات مع التنفيذ على نطاق واسع.
نظرة على ما يأتي
سوف تظهر Opentrons و NVIDIA هذا الرؤية علنًا في المؤتمر والمتحف القادم SLAS International Conference and Exhibition ، حيث سيناقشون كيفية تقارب التخطيط بواسطة الذكاء الاصطناعي والتنفيذ الروبوتي. سيكون للمشاركين أيضًا فرصًا للمساهمة في بيانات التنفيذ التجريبي الحقيقي لمساعدة تدريب الجيل التالي من نماذج الذكاء الاصطناعي الفيزيائي.
كما يتحرك الذكاء الاصطناعي الفيزيائي من النظرية إلى الممارسة، تسلط الشراكات مثل هذه الضوء على اتجاه أكبر: مستقبل الذكاء الاصطناعي في العلوم لن يتم تعريفه بواسطة التنبؤات الأفضل وحدها، ولكن بواسطة الأنظمة التي يمكنها تصميم وتنفيذ وتعلم من تجاربها الخاصة – بشكل مستمر وذاتيًا وعلى نطاق عالمي.
