In het nieuws. In de biologie was er altijd een sterke focus op experimentele data (‘natte laboratorium’-werk). AI brengt daarin een verschuiving door complexe patronen in deze data te herkennen en ideeën te genereren voor experimenten.

• Grote taalmodellen zoals ChatGPT tonen aan dat AI complexe biologische systemen, zoals menselijke taal, kan begrijpen.
• Omdat AI in biologie afhankelijk is van beschikbare datasets en veel biologische kennis nog onbekend is, zijn AI-gestuurde ontdekkingen vandaag nog beperkt.

Zoom in. AI-modellen die natte laboratoriumexperimenten aansturen, is een trend die we de komende jaren vaker zullen zien.

• “Dat zal heel anders zijn dan het soort generalistische AI-modellen in ChatGPT en Midjourney. Die projecten zijn opgebouwd uit grote corpussen van publiek toegankelijke gegevens, zijn algemeen toepasbaar en duur om te trainen”, schrijft Aneil Mallavarapu op Proto.life.
• Het samenvoegen van natte laboratoriumtechnieken met AI – “natte AI” – is in veel opzichten het tegenovergestelde van “droge” AI-modellen zoals ChatGPT.
  • Ze zullen klein zijn (niet groot), voor speciale doeleinden dienen (niet algemeen),
  • gebouwd zijn op basis van speciaal gecreëerde eigen datasets (in plaats van reeds bestaande openbare datasets) en
  • veel modellen zullen triviaal goedkoop zijn om te trainen – ze kosten niet tussen 30 miljoen en 100 miljoen dollar, zoals veel LLM’s (Large Language Models of grote taalmodellen).
• Hoewel ze klein en privé zullen zijn, zijn ze op weg om een enorme impact te hebben.

Zoom out. AI-gestuurde benaderingen kunnen de farmaceutische industrie transformeren, wat tot nieuwe methoden voor geneesmiddelenontdekking zal leiden.

• Deze technologieën hebben het potentieel om niet alleen de geneesmiddelenontwikkeling, maar ook bredere biologisch-gebaseerde industrieën te beïnvloeden.
• “Natte AI’ opent deuren naar een toekomst waarin biologie een programmeerbaar medium wordt, wat ongekende mogelijkheden biedt voor productontwikkeling en gezondheidszorg.

(cv)