När ett företag som är känt för konversations-AI börjar anställa laboratorieforskare och bygga våtlaboratorier, märker man det. Anthropic har tyst gått från att skapa chattmodeller till att sätta ihop ett verktygspaket för läkemedelsupptäckt och presenterade Claude Science vid evenemanget The Briefing: AI for Science, enligt The Verge.
Claude Science marknadsförs som en integrerad arbetsyta: datamängder, analystverktyg och visualiseringsmotorer samlade i ett gränssnitt så forskare kan se komplexa resultat som tydliga diagram och bilder istället för i spridda filer. Idén är lockande. En enhetlig miljö som sammanfogar beräkningsarbetsflöden kan korta veckor av rutinanalys och snabbare lyfta fram hypoteser.
Men att bygga plattformen och att faktiskt föra en molekyl till kliniken är två helt olika projekt. Anthropic säger att de kommer att fokusera på försummade sjukdomar och utveckla skräddarsydda terapier. Hittills är detaljerna knapphändiga om hur företaget planerar att genomföra djurstudier, organisera kliniska prövningar eller samarbeta med etablerade tillverkare. Företaget har däremot rekryterat mycket inom life science det senaste året och ska enligt uppgift ha inrättat särskilda laboratorier för att stödja sina ambitioner.
Anthropic går in i ett trångt fält. Stora techföretag och specialiserade startups siktar redan på att sälja beräkningsbaserad läkemedelsforskning: OpenAI, Google och Amazon har inlett life science-initiativ; Insilico och Isomorphic Labs har under flera år utvecklat end-to-end-pipelines för läkemedelsdesign. Det som särskiljer Anthropic är dess erfarenhet av stora språkmodeller och en offentlig satsning på att dessa modeller kan påtagligt snabba upp vetenskapliga arbetsflöden när de kombineras med domändata och laboratoriinfrastruktur.
Experter varnar för överdrifter. Forskare vid till exempel Cambridge och UCL påpekar att AI-verktyg är värdefulla i många steg, från att föreslå nya strukturer till att analysera högdimensionell analysdata, men de ersätter inte behovet av högkvalitativa experimentdata. Inom biologi är signalen ofta brusig. Modeller som behöver konsekventa, välannoterade datamängder kan hindras av den ojämna, heterogena verkligheten i experimentella resultat.
Kan beräkningsmetoder eliminera praktiska experiment? Inte än. Kemister vid Oxford och andra poängterar att en förening fortfarande måste prövas för effekt, toxicitet och leverans i levande system. Prediktiva modeller hjälper till att prioritera kandidater. De tar för närvarande inte bort det grundläggande kravet på fysisk validering.
Anthropic verkar förstå den skillnaden; deras investering i biologer och laboratorieutrymme tyder på en hybridstrategi: AI för att generera kandidater, människor och experiment för att bekräfta dem.
Vad man bör följa framöver: om Claude Science kan kopplas ihop med externa CRO:er och tillverkare, hur transparent Anthropic blir om valideringsarbetsflöden, och om plattformen genererar reproducerbara prekliniska data som övertygar tillsynsmyndigheter och partners. Om företaget kan bygga bro mellan det beräkningsbaserade och det experimentella kan det bli en trovärdig ny aktör inom AI-drivna läkemedelsutveckling, men genomförandet blir avgörande.
"Jag bevakar trender inom AI och maskininlärning. Det fascinerar mig hur tekniken lär sig tänka – och hur vi människor förändras tillsammans med den."
Diskussion
Lämna en kommentar
Kommentarer
Inga kommentarer ännu. Bli den första.