Kiedy AI stworzy lek na raka (gość: Piotr Byrski) | TECHNOFOBIA

A my uważamy, że tak nie jest, że będzie się dało. Myślę, że do odważnych świat należy, tym bardziej do startupów, które nie wiedzą, że można coś zrobić inaczej, przychodzą i to robią. Chciałbym się ciebie zapytać, czy śledziłeś ostatnie rozdanie nobli, może tak powiedzieć, pod kątem chemii? Śledziłem jak najbardziej. Akurat w tym roku Nagroda Nobla z chemii jest troszeczkę z innej działki chemii niż ta, którą my się zajmujemy, bo jest z takiej działki, która się nazywa Metal Organic Frameworks. I to ma... Odkrycie, które w tym roku zostało uhonorowane Noblem, ma dużo większe znaczenie w material science, czyli w uzyskiwaniu nowych, bardziej wytrzymałych, lepszych materiałów.

Bardziej myślimy o 2026 roku, żeby już bezpośrednio operacyjnie rozwijać się w Stanach. No i to są, to są duże różnice czasami, bo jest taka firma teraz Periodic Labs, która też, oni trochę po stronie bardziej material science pracują, my po stronie farmaceutycznej, oni po stronie material science. I oni mają w sumie bardzo podobną tezę w pewnym sensie do nas. To znaczy, że musimy zbudować nową infrastrukturę badawczą po to, żeby AI działające agentowo, jako taki AI naukowiec, AI scientist, było w stanie samemu testować hipotezy, generować kolejną rundę hipotezy i w pewnym sensie w takiej zamkniętej pętli dokonywać odkryć naukowych.

Nie wiem, czym jest, oprócz tego, że czytam i domyślam się, w jakiej branży działają, ale powiedz mi, jakiego typu to jest wydarzenie dla was, dla takiego startupu dosyć młodego, tak? To jest bardzo, bardzo duże, czy to jest mech, takie słowie? Dla nas to było bardzo duże wydarzenie. Może krótkie wstępy o tym, czym jest American Chemical Society, ACS czy CAS. To jest taka organizacja, która jest de facto organizacją rządową amerykańską, nazywa ładnie Congressional Charter, czyli oni mają fundowanie częściowo przez rząd federalny. Natomiast oni mają duży oddział for profit. Ten oddział for profit nazywa się właśnie CAS.

I ten oddział for profit jest jednym z największych, wydaje mi się, że największym dostawcą informacji chemicznej na świecie. To znaczy, specyficznie co oni robią, to oni ciągają informacje z publikacji naukowych, też trochę z patentów. Przerabiają je ręcznie w dużym stopniu i publikują je jako baza danych dostępna na zewnątrz. To było to nasze przejście, tak jak mówiłem, że my zaczynaliśmy od patentów, przeszliśmy potem do danych z publikacji naukowych. Właśnie to partnerstwo zapewniło nam ten dostęp do publikacji naukowych i to znacznie poprawiło jakość predykcji naszych algorytmów.

Więc tak, uważam, że to jest kwestia dostępności danych i dostępności sposobu do generowania nowych danych na temat rzeczywistości. I we're gonna get there. Mhm. W 2023 dzięki Graph Networks for Materials Exploration naukowcy dokonali odkrycia dwóch, ponad dwóch milionów nowych kryształów, z czego 380 tysięcy okazało się stabilnymi. Moja wyobraźnia od razu podążyła tą ścieżką, kiedy sobie o tym pomyślałem. Skoro to się udało z kryształami, no to może z formami życia też by to się udało. Czy sądzisz, że w bliskiej przyszłości, wiem, że to może być trochę science fiction, futurologia, ale czy wyobrażasz sobie takiego AI, który jest w stanie stworzyć, wiesz, naciskasz klawisz, czekasz ileś godzin, tygodni, może miesięcy i nagle on wypluwa z siebie, zobacz, zupełnie nowe formy życia.

Powiem szczerze, że nie wiem. Nie wiem na ile to jest praktyczna wizja. Też bym zapytał o co, ale tak myślę. W 2020 roku zaoferowaliście swoją wiedzę i narzędzia badaczom i zespołom, którzy pracowali nad walką z koronawirusem, nad tworzeniem rozwiązań. Czy coś udało się konkretnego zrobić tym naukowcom? Jak wyglądały efekty tej współpracy? Najciekawszy chyba efekt współpracy, który mieliśmy, to nawiązaliśmy taką współpracę z instytucją, która się nazywa MILA z Montrealu, Montreal Institute for Learning Algorithms, założoną przez Yeshua Bengio, który jest jakby pionierem deep learningu.