(SeaPRwire) – ການຄົ້ນຫາວິທີຮັກສາໂຣກມະເຮັງນັ້ນ ມີມາຕັ້ງແຕ່ຫຼາຍພັນປີກ່ອນແລ້ວ. ບາງສ່ວນຂອງການຄົ້ນຄວ້າທີ່ຮູ້ຈັກຕັ້ງແຕ່ສະ ໄໝ ກ່ອນ ແມ່ນຢູ່ໃນອີຢິບບູຮານ, ບ່ອນທີ່ Imhotep, ທ່ານ ໝໍ ແລະສະຖາປະນິກຂອງກະສັດ Djoser, ໄດ້ອະທິບາຍກ່ຽວກັບໂຣກມະເຮັງຂອງມະນຸດໃນເຈ້ຍປາປີຣັສໃນປະມານ 2600 ປີ ກ່ອນ ຄ.ສ.
ປັດຈຸບັນນີ້, ກຸ່ມຜູ້ນຳດ້ານເທັກໂນໂລຢີ ກຳລັງໃຫ້ຄຳຊົມເຊີຍ AI ວ່າເປັນກະແຈໃນການແກ້ໄຂຄວາມລຶກລັບທາງການແພດທີ່ເຮັດໃຫ້ແພດປິ່ນປົວງົົງງົົງມາເປັນເວລາຫຼາຍສັດຕະວັດ. ນີ້ແມ່ນສິ່ງທີ່ ປະທານ Ruth Porat ໄດ້ກ່າວເມື່ອເດືອນຕຸລາປີກ່ອນ. ແລະ ນີ້ແມ່ນເຫດຜົນທີ່ ຜູ້ອຳນວຍການບໍລິສັດ Anthropic Dario Amodei ໄດ້ສ້າງຄຳວ່າ “,” ຊຶ່ງສະທ້ອນໃຫ້ເຫັນເຖິງມຸມມອງຂອງລາວທີ່ວ່າ AI ຈະເລັ່ງຄວາມກ້າວຫນ້າທາງການແພດ. ແຕ່ບາງຄົນໃນຂະແໜງການແພດຄິດວ່າການຄາດຄະເນນັ້ນມີຄວາມເກີນຈິງຢ່າງຫນ້ອຍພຽງເລັກນ້ອຍ.
ໃນການສຳພາດຫຼ້າສຸດໃນ ກັບ Derek Thompson, ຜູ້ອຳນວຍການບໍລິສັດ Eli Lilly David Ricks ໄດ້ກ່າວວ່າ AI ຍັງຫ່າງໄກຈາກການຮັກສາໂຣກມະເຮັງໄດ້.
“ຖ້າທ່ານພຽງແຕ່ຖາມມັນໃຫ້ແກ້ບັນຫາຊີວະວິທະຍາ ຫຼື ເຄມີ, ພວກມັນບໍ່ດີພິເສດໃນເລື່ອງນີ້,” ລາວກ່າວ. “ພວກມັນຖືກຝຶກມາໃນພາສາມະນຸດ, ບໍ່ແມ່ນພາສາຂອງເຄມີ, ຟີຊິກ, ແລະ ຊີວະວິທະຍາ.”
ເຫດຜົນຫນຶ່ງທີ່ການລົງທຶນໃນ AI ໄດ້ບັນລຸລະດັບບັນທຶກສູງ, ແຂ່ງຂັນກັບ GDP ຂອງບາງ, ແມ່ນຄວາມເຊື່ອທີ່ວ່າເທັກໂນໂລຢີນີ້ສາມາດເຮັດໃຫ້ເກີດຄວາມກ້າວຫນ້າແບບປະຕິວັດທາງວິທະຍາສາດ. ໃນລະຫວ່າງງານສຳມະນາຂ່າວຂອງປະທານ Donald Trump ທີ່ປະກາດໂຄງການ Stargate Project ໃນປີກາຍນີ້—ເຊິ່ງເປັນການລົງທຶນ 500 ຕື້ໂດລາໃນໂຄງສ້າງພື້ນຖານ AI ຈົນເຖິງປີ 2029— ປະທານບໍລິສັດ Larry Ellison ໄດ້ກ່າວວ່າໂຄງການນີ້ອາດນຳໄປສູ່ວັກຊີນປ້ອງກັນໂຣກມະເຮັງ, ເຊິ່ງສາມາດອອກແບບໄດ້ພາຍໃນເວລາ 48 ຊົ່ວໂມງເທົ່ານັ້ນ.
ສະພາບຄວາມເປັນຈິງປັດຈຸບັນຂອງການຄົ້ນຄວ້າໂຣກມະເຮັງດ້ວຍ AI
ເຖິງແມ່ນວ່າ Ricks ມີຄວາມສົງໃສບາງຢ່າງກ່ຽວກັບຄວາມສາມາດດ້ານການຄົ້ນຄວ້າວິທະຍາສາດຂອງ AI, ແຕ່ຮູບແບບ AI ຫຼາຍແບບໄດ້ມີຄວາມກ້າວຫນ້າຢ່າງຫຼວງຫຼາຍໃນການຄົ້ນຄວ້າໂຣກມະເຮັງ. ຕົວຢ່າງ, ຮູບແບບ Sybil AI ຂອງ Harvard ໃນປີ 2023, ໄດ້ ຄວາມສ່ຽງຂອງໂຣກມະເຮັງປອດພາຍໃນຫົກປີ.
ແລະ ຮູບແບບ AlphaProteo ຂອງ Google DeepMind ໄດ້ ໃນການອອກແບບ protein binders ທີ່ກໍາເນີດໂມເລກຸນບາງຊະນິດ, ລວມທັງໂມເລກຸນທີ່ກ່ຽວຂ້ອງກັບໂຣກມະເຮັງ. ໃນຄວາມເປັນຈິງ, Eli Lilly ໃຊ້ AlphaFold, ລະບົບ AI ອີກລະບົບຫນຶ່ງທີ່ພັດທະນາໂດຍ Google DeepMind, ແລະ ຮັກສາຄູ່ຮ່ວມງານກັບມັນ.
ແຕ່ Ricks ໄດ້ກ່າວວ່າຄວາມສາມາດຂອງ AI ໃນປັດຈຸບັນແມ່ນພຽງແຕ່ສ່ວນນ້ອຍໆ ເມື່ອທຽບກັບຄວາມຕ້ອງການການຄົ້ນຄວ້າວິທະຍາສາດເພີ່ມເຕີມ. “ພວກເຮົາສາມາດໃຫ້ເຄື່ອງຈັກທຳນາຍສິ່ງຕ່າງໆໄດ້ຄ່ອຍດີ, ເຊັ່ນການທຳນາຍໂຄງສ້າງຂອງໂປຣຕີນ,” ລາວກ່າວ. “ແຕ່ນັ້ນແມ່ນພຽງແຕ່ອາດຈະເປັນ 1 ໃນ 1,000 ສ່ວນຂອງບັນຫາປະເພດທີ່ພວກເຮົາໄດ້ຮັບໃນການຄົ້ນພົບຢາ.”
ບົດຄວາມນີ້ຖືກຈັດສົ່ງໂດຍຜູ້ສະເຫຼີມຄວາມຫນັງສືອື່ງ. SeaPRwire (https://www.seaprwire.com/) ບໍ່ມີການຮັບປະກັນ ຫຼື ການຢືນຢັນໃດໆ.
ປະເພດ: ຂ່າວຫົວຂໍ້, ຂ່າວປະຈຳວັນ
SeaPRwire ເຫົາສະເຫຼີມຄວາມຫນັງສືອື່ງສຳລັບບໍລິສັດແລະອົງກອນຕ່າງໆ ເຫົາຄຳສະເຫຼີມຄວາມຫນັງສືອື່ງທົ່ວໂລກ ຄັກກວ່າ 6,500 ສື່ມວນຫຼວງ, 86,000 ບົດບາດຂອງບຸກຄົມສື່ຫຼື ນັກຂຽນ, ແລະ 350,000,000 ເຕັມທຸກຫຼືຈຸດສະກົມຂອງເຄືອຂ່າຍທຸກເຫົາ. SeaPRwire ເຫົາສະເຫຼີມຄວາມຫນັງສືອື່ງສະຫຼວມພາສາຫຼາຍປະເທດ, ເຊັ່ນ ອັງກິດ, ຍີປຸນ, ເຢຍ, ຄູຣີ, ຝຣັ່ງ, ຣັດ, ອິນໂດ, ມາລາຍ, ເຫົາວຽດນາມ, ລາວ ແລະ ພາສາຈີນ.
ຜູ້ອຳນວຍການບໍລິສັດ Eli Lilly ກຳລັງວາງເດີມພັນກັບຮູບແບບ AI ທີ່ຖືກອອກແບບໂດຍສະເພາະ ເພື່ອຊຸດໃຊ້ຄວາມກ້າວຫນ້າທາງວິທະຍາສາດ. ໃນລະຫວ່າງການສຳພາດ, ລາວຊີ້ໃຫ້ເຫັນວ່າ LLMs ສ່ວນໃຫຍ່ລົ້ມເຫຼວໃນການຄອບຄອງຄວາມແຕກຕ່າງທີ່ລະອຽດອ່ອນທີ່ຈຳເປັນໃນການຈັດການກັບຊີວະວິທະຍາ, ບາງສິ່ງບາງຢ່າງທີ່ລາວຄິດວ່າຮູບແບບທີ່ຖືກຝຶກມາດ້ວຍຂໍ້ມູນທີ່ກ້າວຫນ້າ ແລະ ເຈາະເດັ່ນອາດຈະສາມາດບັນລຸໄ
