Opentrons та NVIDIA запускають нову еру лабораторій, керованих штучним інтелектом, перетворюючи роботів на вчених-дослідників

Більшу частину останнього десятиліття штучний інтелект у сфері життя був зосереджений на передбаченні. Моделі пропонують цілі для ліків, генерують молекулярні структури або аналізують величезні біологічні дані. Але хоча розуміння швидко просунулося, виконання експериментів залишилося вузьким місцем. Перетворення гіпотез, згенерованих штучним інтелектом, на реальні, повторювані лабораторні експерименти все ще повільне, дорогое та фрагментарне серед інструментів і робочих процесів.

Ця прогалина зараз звужується. Opentrons оголосив про глибоку інтеграцію з NVIDIA (NVDA ) з метою вирішення цієї проблеми шляхом введення фізичного штучного інтелекту безпосередньо в щоденні лабораторні операції.

Глобальна мережа реальних лабораторних роботів

Opentrons займає унікальну позицію завдяки своїй масштабності. Компанія експлуатує глобальний флот із понад 10 000 стандартизованих лабораторних роботів, розгорнутих у провідних дослідницьких університетах та організаціях біофармацевтики. Ці системи вже автоматизують критичні робочі процеси в геноміці, протеоміці, відкритті антитіл та діагностиці.

Інтегруючи платформи фізичного штучного інтелекту NVIDIA — NVIDIA Isaac та NVIDIA Cosmos — Opentrons перетворює цю встановлену базу на живий тренувальний майданчик для систем штучного інтелекту. Замість того, щоб покладатися в основному на симульовані дані, фізичні моделі штучного інтелекту тепер можуть навчатися безпосередньо з реального виконання експериментів у мокрих лабораторіях по всьому світу.

З’єднання симуляції та реальності

Симуляція довго була важливою для розробки робототехніки та штучного інтелекту, але лабораторії вводять унікальну складність. Біологічна варіативність, відмінності інструментів, поведінка реагентів та умови навколишнього середовища всі впливають на результати. З’єднуючи симуляцію зі стандартизованим реальним виконанням, Opentrons та NVIDIA закривають коло між цифровим плануванням та фізичними результатами.

На практиці системи штучного інтелекту можуть пропонувати експериментальний дизайн, симулювати результати, виконувати експеримент на роботах Opentrons та повертати результати у навчання моделі. З часом це створює агентів штучного інтелекту, які не тільки передбачають, що повинно працювати, але й розуміють, що спрацьовує у реальних лабораторних середовищах.

Закриття кола автономної науки

Ключовим елементом цієї роботи є біологічний стек штучного інтелекту NVIDIA, включаючи BioNeMo, який забезпечує основу для навчання та розгортання моделей штучного інтелекту для біологічного відкриття. Opentrons постачає відсутній шар виконання — стандартизовані, повторювані та програмовані фізичні експерименти.

Разом це дозволяє створити безперервний цикл навчання. Моделі штучного інтелекту генерують гіпотези та експериментальні плани. Роботи виконують ці експерименти послідовно у тисячах лабораторій. Результати захоплюються як високоякісні дані навчання та повертаються у системи штучного інтелекту для уточнення наступної ітерації. Коли це розгортається у масштабі, цей зворотний зв’язок має потенціал стиснути терміни відкриття з років до тижнів.

Чому стандартизація має значення

Лабораторії історично були гетерогенними середовищами. Індивідуальні автоматизаційні установки, пропрієтарні інструменти та ручні процеси роблять складним порівнювати результати або повторно використовувати дані у масштабі. Підхід Opentrons змінює цю динаміку шляхом стандартизації виконання при збереженні відкритості та API-орієнтованості.

Ця стандартизація дозволяє фізичним моделям штучного інтелекту узагальнювати результати у лабораторіях. Коли експерименти виконуються однаково у Нью-Йорку, Бостоні чи Базелі, системи штучного інтелекту можуть вивчати закономірності, які зберігаються у середовищах, а не надмірно підгоняються до однієї установки.

Вплив на відкриття ліків та подальше

Найближчий вплив, ймовірно, буде відчутний у відкритті ліків, де експериментальна продуктивність та повторюваність безпосередньо впливають на швидкість та вартість. Але наслідки виходять далі. Автономне виконання експериментів могло б змінити, як діагностика розробляється, як біологічні дослідження підтверджуються та як швидко нові терапії переходять від концепції до клініки.

Ширше, це партнерство сигналізує про зміну того, як штучний інтелект застосовується до науки. Замість зупинки на рекомендаціях системи штучного інтелекту починають діяти — виконувати експерименти, вивчати результати та покращувати автономно. Це позначає ранній, але значимий крок до лабораторій з самокеруванням, де людські вчені зосереджуються на стратегії та інтерпретації, а штучний інтелект та робототехніка займаються виконанням у масштабі.

Огляд того, що далі

Opentrons та NVIDIA продемонструють цю бачення публічно на майбутній міжнародній конференції та виставці SLAS, де вони обговорять, як планування, кероване штучним інтелектом, та виконання роботів сходяться. Учасники також матимуть можливість внести свій внесок у реальне виконання експериментів, щоб допомогти тренувати наступне покоління фізичних моделей штучного інтелекту.

Як фізичний штучний інтелект переходить від теорії до практики, партнерства, подібні до цього, підкреслюють більший тренд: майбутнє штучного інтелекту в науці не буде визначатися лише кращими передбаченнями, а системами, які можуть проектувати, виконувати та вивчати свої власні експерименти — безперервно, автономно та у глобальному масштабі.