कृत्रिम बुद्धि में उतर जाएगा ब्रह्मांड के अणुओं के लिए खोज में आश्चर्यजनक दवाओं

रात के अंधेरे से दूर, शहर रोशनी, सितारों की आकाशगंगा प्रतीत असंख्य. लेकिन किसी भी बिंदु से नग्न आंखों को दिखाई नहीं 4500 से अधिक सितारों है । हमारी आकाशगंगा में, वे कर रहे हैं 100 के लिए 400 अरब आकाशगंगाओं ब्रह्मांड में है, और भी अधिक है । बाहर रात आसमान में नहीं के रूप में कई सितारों. हालांकि, यहां तक कि इस नंबर देता है हमें एक गहरी कहानी... दवाओं और दवाइयों की. तथ्य यह है कि की संख्या संभव कार्बनिक यौगिकों के साथ औषधीय क्षमताओं से अधिक संख्या में सितारों के ब्रह्मांड से 30 से अधिक परिमाण के आदेश. और रासायनिक विन्यास द्वारा बनाई गई हैं कि वैज्ञानिकों से मौजूदा दवाओं, सदृश करने के लिए सितारों है कि हम में देख सकता है शहर के केंद्र से रात.

खोजने के लिए सभी संभव दवाओं — एक असंभव काम मनुष्य के लिए, के अध्ययन के रूप में सभी शारीरिक अंतरिक्ष, और यहां तक कि अगर हम कर सकता है, सबसे अधिक भाग के लिए खोज की यह फिट नहीं होगा हमारे प्रयोजनों. हालांकि, विचार है कि एक चमत्कार इलाज छिपा हो सकता है के बीच बहुत, बहुत आकर्षक है की अनदेखी करने के लिए.

यही कारण है कि हम का उपयोग करना चाहिए है कि कृत्रिम बुद्धि के लिए सक्षम हो जाएगा और अधिक काम और तेजी लाने के लिए उद्घाटन. तो कहते हैं एलेक्स Zhavoronkov पर बोल रहा है, घातीय चिकित्सा, सैन डिएगो पिछले हफ्ते. इस आवेदन के लिए हो सकता है सबसे बड़ा ऐ चिकित्सा में.

कुत्तों निदान और दवाओं

लवा — सीईओ के Insilico चिकित्सा और सीएसओ Biogerontology रिसर्च फाउंडेशन. Insilico में से एक है कई startups के विकास एअर इंडिया के तेज कर सकते हैं कि नई दवाओं की खोज और दवाओं.

हाल के वर्षों में, कहा लवा, एक अच्छी तरह से जाना जाता है तकनीक में मशीन लर्निंग — सीखने की प्रगति की कई मोर्चों पर है । एल्गोरिदम में सक्षम हैं खेलने के लिए वीडियो खेल की तरह पोकर खिलाड़ी AlphaGo शून्य या कार्नेगी मेलॉन का प्रतिनिधित्व सबसे बड़ी ब्याज की वस्तु है । लेकिन मान्यता के regularities — कि एक शक्तिशाली प्रोत्साहन दिया है करने के लिए है, जहां सीखने मशीन सीखने एल्गोरिदम के अंत में शुरू किया भेद करने के लिए बिल्लियों और कुत्तों से यह करने के लिए जल्दी और सही ढंग से.

चिकित्सा में, एल्गोरिदम, गहरी सीखने, प्रशिक्षित डेटाबेस पर चिकित्सा छवियों, कर सकते हैं का पता लगाने के जीवन के लिए खतरा रोगों के साथ बराबर या अधिक से अधिक सटीकता की तुलना में विशेषज्ञ मानव है । वहाँ भी एक संभावना है कि एअर इंडिया, अगर हम जानने के लिए उस पर विश्वास किया जा सकता है में अमूल्य रोग के निदान. और लार्क ने कहा, आ रहा है और अधिक अनुप्रयोगों और एक ट्रैक रिकॉर्ड, केवल विकसित होगा.

"टेस्ला पहले से ही अग्रणी कारों सड़क पर कहते हैं," लवा. "तीन और चार साल के लिए प्रौद्योगिकी पहले से ही यात्रियों transports बिंदु से एक बी बात करने के लिए की रफ्तार 200 किलोमीटर की दूरी पर एक घंटे, एक गलती और तुम मर रहे हैं । लेकिन लोगों के विश्वास को अपने जीवन में इस प्रौद्योगिकी के लिए है."

"क्यों नहीं एक ही दवा उद्योग में?".

परीक्षण और त्रुटि फिर से और फिर

दवा अनुसंधान एअर इंडिया के पास नहीं है के लिए एक कार ड्राइव. वह एक सहायक हो जाएगा कि के साथ बनती है एक दवा की दुकान या दो में सक्षम हो जाएगा, में तेजी लाने के लिए नई दवाओं की खोज पर देख रहे हैं, और अधिक विकल्प खोजने में सबसे अच्छा उम्मीदवारों के लिए.

एक अंतरिक्ष के लिए अनुकूलन और दक्षता में सुधार है, बस, कहते हैं लवा.

खोज दवाओं — एक श्रमसाध्य और महंगी व्यापार है । दवा की दुकानों की जांच की हजारों की दसियों के लिए संभव यौगिकों की खोज में सबसे होनहार है. इनमें से केवल कुछ पर जाने के लिए आगे के अध्ययन के लिए और भी कम होगी परीक्षा पास पर लोगों को, और इन सभी टुकड़ों को अनुमोदित कर रहे हैं आगे उपयोग के लिए.

इस पूरी प्रक्रिया में कई साल लग सकते हैं और लागत में करोड़ों डॉलर के सैकड़ों है.

इस समस्या के बड़े डेटा (बड़ा डेटा), और गहरी सीखने excels के साथ काम करने में बड़ा डेटा है । पहले आवेदन से पता चला है कि सिस्टम ऐ-आधारित गहरी सीखने में सक्षम है खोजने के लिए मुश्किल से दिखाई पैटर्न में बड़ा डेटा के नमूने. हालांकि दवा निर्माताओं पहले से ही सॉफ्टवेयर का उपयोग करने के लिए स्क्रीनिंग यौगिकों, इस तरह के सॉफ्टवेयर की आवश्यकता है, स्पष्ट नियमों, द्वारा लिखित दवा की दुकानों. के फायदे एअर इंडिया इस मामले में अपनी क्षमता को जानने के लिए और अपने आप में सुधार होगा.

"वहाँ दो रणनीतियों नवाचार के आधार पर एअर इंडिया के रूप में दवा उद्योग प्रदान करेगा, जो आप सबसे अच्छा अणुओं और तेजी से अनुमोदन," कहते हैं लवा. "एक के लिए देख रहा है सुई में सूखी घास का ढेर, और अन्य बनाता है एक नई सुई".

खोजने के लिए एक टेबल में एक सुई, एल्गोरिदम प्रशिक्षित कर रहे हैं पर बड़े डेटाबेस के अणुओं. तो वे के लिए देख रहे हैं के अणुओं के साथ उपयुक्त गुण है । लेकिन बनाने के लिए एक नई सुई? इस अवसर पर की पेशकश की है उत्पादक adversarial नेटवर्क specializiruetsya larks.

इन एल्गोरिदम डाल दो तंत्रिका नेटवर्क एक दूसरे के खिलाफ. एक उत्पन्न करता है एक सार्थक परिणाम है, और दूसरे फैसला करता है कि परिणाम सही है या गलत है, कहते हैं लवा. सामूहिक रूप से, इन नेटवर्क उत्पन्न नए ऑब्जेक्ट्स जैसे पाठ, छवि, या, इस मामले में, आणविक संरचना है.

"हम शुरू कर दिया है का उपयोग करने के लिए इस विशिष्ट प्रौद्योगिकी के लिए तंत्रिका नेटवर्क की कल्पना की नए अणुओं बनाने के लिए यह शुरू से ही सही. हम की जरूरत है सही सुई कहते हैं," लवा. "आप उल्लेख कर सकते हैं यह करने के लिए उत्पादक adversarial नेटवर्क और उसे पूछने के लिए बनाने के अणुओं को रोकना है कि प्रोटीन X पर एकाग्रता Y के साथ, उच्चतम व्यवहार्यता, वांछित विशेषताओं और कम से कम साइड इफेक्ट है."

लवा का मानना है कि ऐ पा सकते हैं या अधिक उत्पादन की सुइयों के कई आणविक सुविधाओं, रिलीज की रासायनिक करने के लिए लोगों को इतना है कि वे कर सकते हैं पर ध्यान केंद्रित के संश्लेषण केवल सबसे होनहार है. अगर यह काम करता है के रूप में वह उम्मीद है, हम को बढ़ाने में सक्षम हो जाएगा हिट की संख्या को कम करने के लिएगलतियों और सामान्य रूप में करने के लिए प्रक्रिया को गति.

बैग में

Insilico नहीं केवल एक ही खोज में लगे हुए के लिए नए तरीके बनाने के लिए दवाओं, और यह नहीं है एक नए क्षेत्र के हित में है । पिछले साल, हार्वर्ड में प्रकाशित एक कागज के विषय पर एअर इंडिया है, जो इसी तरह का चयन उम्मीदवारों की दवाओं. सॉफ्टवेयर प्रशिक्षित किया गया था पर 250 000 दवा अणुओं और अपने अनुभव का इस्तेमाल किया बनाने के लिए नए अणुओं है कि मिश्रित कर रहे हैं, मौजूदा दवाओं और सुझावों के आधार पर वांछित गुण है । हालांकि, के रूप में द्वारा नोट एमआईटी प्रौद्योगिकी की समीक्षा, परिणाम जरूरी नहीं कर रहे हैं सार्थक है या आसानी से एक प्रयोगशाला में संश्लेषित है, और गुणवत्ता के परिणाम के रूप में, हमेशा की तरह, अत्यधिक, इसलिए है कि कैसे, डेटा की गुणवत्ता में प्रदान की शुरू में.

स्टैनफोर्ड विश्वविद्यालय के रसायन शास्त्र के प्रोफेसर विजय पांडे ने कहा कि चित्र, भाषण और पाठ — जो वर्तमान में कर रहे हैं में रुचि रखते गहरी सीखने — एक अच्छा और साफ डेटा. लेकिन रासायनिक डेटा, दूसरे हाथ पर, अभी भी अनुकूलित गहरी सीखने के लिए है । इसके अलावा, हालांकि सार्वजनिक डेटाबेस मौजूद है, डेटा के अधिकांश अभी भी जीवन के बंद दरवाजों के पीछे निजी कंपनियों.

सभी बाधाओं को दूर करने, कंपनी Zhavoronkova पर ध्यान केंद्रित मान्य प्रौद्योगिकी. लेकिन इस साल, संदेह दवा उद्योग में, यह लगता है, के द्वारा बदल दिया है ब्याज और निवेश. यहां तक कि गूगल कर सकते हैं तोड़ने की दौड़ में हैं ।

के रूप में के विकास के एअर इंडिया और हार्डवेयर, सबसे बड़ी क्षमता है अभी भी किया जा करने के लिए की खोज की है । शायद एक दिन, सभी 10⁶⁰ अणुओं के क्षेत्र में दवाओं हो जाएगा, हमारे निपटान पर है.