Buổi tóm tắt tin tức Forbes hàng ngày của bạn vào Chủ nhật, ngày 17 tháng 3. Theo Forbes, tại hội nghị Y tế JPMorgan diễn ra vào tháng 1 tại San Francisco - sự kiện Công nghệ Y tế lớn nhất trong năm, các ông lớn công nghệ NVIDIA, Google và Microsoft đang đổ hàng tỷ đô la vào tương lai của Trí tuệ Nhân tạo (AI) trong lĩnh vực Y sinh học.

Tin Mới Nhất

Jensen Huang, Giám đốc điều hành NVIDIA, đã tham gia buổi trò chuyện trực tiếp với Recursion, một công ty chuyên về khám phá thuốc mà NVIDIA đã đầu tư 50 triệu đô la vào năm ngoái. Ông Huang nhìn ra đám đông, chủ yếu là các nhà công nghệ về sức khỏe và sinh học, và thừa nhận rằng đây là một môi trường khác thường đối với mình. "Các bạn không phải là đối tượng khách hàng thông thường của tôi", ông nói. Mặc dù vậy, ông Huang tin tưởng rằng lĩnh vực này sẽ thay đổi. Ông liên tục nhấn mạnh về "sinh học kỹ thuật số" như "cuộc cách mạng công nghệ tuyệt vời tiếp theo" khi làn sóng AI đang bao trùm Thung lũng Silicon. NVIDIA đã xây dựng một đế chế trị giá hơn 60 tỷ đô la mỗi năm và vào mùa hè năm ngoái, trở thành một trong số ít công ty có vốn hóa thị trường trên nghìn tỷ đô la. Trong lĩnh vực y tế và công nghệ sinh học, NVIDIA nhìn thấy nhiều cơ hội hơn để thúc đẩy tăng trưởng. Kimberly Powell, Phó chủ tịch phụ trách mảng Y tế của NVIDIA, chia sẻ với Forbes: "Ngành Y sinh học được tuyên bố là lĩnh vực kinh doanh trị giá nhiều tỷ đô la tiếp theo của NVIDIA". Bà cho biết thêm, công ty nhằm mục đích cung cấp chip, cơ sở hạ tầng đám mây và các công cụ khác cho nhiều công ty công nghệ sinh học hơn nữa. Giờ đây, khi các mô hình ngôn ngữ lớn như OpenAI ChatGPT và Google DeepMind's Gemini đã đưa AI tổng hợp vào đời sống, một số công ty công nghệ quyền lực nhất thế giới đang hướng tới Y sinh học như biên giới tiếp theo của Trí tuệ Nhân tạo. Đây không phải là lĩnh vực để AI tạo ra những bài thơ hài hước từ một lời nhắc nhở, mà là nơi để tạo ra loại thuốc cứu người tiếp theo.

Tại NVIDIA, công ty được coi là trụ cột của cuộc cách mạng AI nhờ chip GPU mạnh mẽ, phần lớn các khoản đầu tư của quỹ đầu tư mạo hiểm của công ty trong 2 năm qua đều dành cho lĩnh vực khám phá thuốc. Ở DeepMind, phòng thí nghiệm AI của Google, mô hình AlphaFold - một công cụ đột phá để dự đoán cấu trúc protein đã được các nhà nghiên cứu học thuật sử dụng trong năm qua để phát triển một "ống tiêm phân tử" để tiêm thuốc trực tiếp vào tế bào và nghiên cứu các loại cây trồng ít phụ thuộc vào thuốc trừ sâu. Sự quan tâm đến Y sinh học đang diễn ra trên toàn ngành. Microsoft, Amazon và Salesforce cũng tham gia cuộc chơi thiết kế protein. Không chỉ NVIDIA, Google và Microsoft, nhiều ông lớn công nghệ khác cũng đang tham gia vào lĩnh vực thiết kế protein bằng Trí tuệ Nhân tạo (AI). Mặc dù việc sử dụng AI trong khám phá thuốc không phải là một xu hướng mới (DeepMind đã lần đầu tiên ra mắt AlphaFold vào năm 2018), các giám đốc điều hành tại DeepMind và NVIDIA đều cho rằng đây là một bước đột phá quan trọng. Sự đột phá này có được nhờ sự hội tụ của ba yếu tố: khối lượng dữ liệu đào tạo khổng lồ hiện có, sự bùng nổ của tài nguyên điện toán và những tiến bộ trong thuật toán AI. Howell, một giám đốc điều hành tại DeepMind, chia sẻ: "Ba yếu tố then chốt này xuất hiện lần đầu tiên. Điều này là không thể cách đây 5 năm."

AI có tiềm năng to lớn trong lĩnh vực công nghệ sinh học do tính phức tạp của lĩnh vực này. Chỉ cần lấy ví dụ về vấn đề mà AlphaFold nhắm đến - protein. Protein là cỗ máy cơ bản của cơ thể, điều khiển vô vàn chức năng. Tất cả các chức năng này đều phụ thuộc vào cấu trúc ba chiều của protein. Mỗi protein được tạo thành từ một chuỗi các axit amin và sự tương tác giữa các axit amin này với môi trường bên ngoài quyết định cách protein "gấp lại", từ đó định hình cấu trúc cuối cùng của nó. Khả năng dự đoán hình dạng của protein dựa trên trình tự axit amin của nó là điều đặc biệt quan tâm đối với các công ty công nghệ sinh học. Họ có thể sử dụng những thông tin chi tiết này để thiết kế mọi thứ, từ thuốc mới đến các loại cây trồng cải tiến và nhựa sinh học phân hủy. Đây là nơi học sâu (deep learning) phát huy tác dụng. Việc huấn luyện các mô hình AI trên hàng trăm triệu chuỗi protein khác nhau và cấu trúc nền tảng của chúng giúp các mô hình này khám phá ra các mẫu hình trong lĩnh vực sinh học mà không nhất thiết cần đến các phép tính tốn kém của mô phỏng động lực phân tử thực sự. Việc mô phỏng protein hoàn toàn đòi hỏi tài nguyên tính toán khổng lồ đến mức các tổ chức phải thiết kế và xây dựng các siêu máy tính chuyên dụng để xử lý loại vấn đề này, chẳng hạn như Anton 2 tại Trung tâm Siêu máy tính Pittsburgh.

Ý kiến độc giả

feature-top

Đăng bình luận