Google DeepMind, Meta ve yapay zekâ destekli ilaç keşfi girişimi Isomorphic Labs, Mark Zuckerberg ile eşi Priscilla Chan'in kurduğu kâr amacı gütmeyen biyomedikal araştırma kuruluşu Biohub'a toplam 300 milyon dolar yatırıyor. Para, hücrelerin nasıl davrandığını öngörebilecek yapay zekâ modelleri için büyük ölçekli biyoloji verisi üretmeyi hedefleyen daha geniş bir programın parçası.

Toplam büyüklüğü 1,8 milyar dolar olan girişimde teknoloji şirketlerinin yanında ABD Enerji Bakanlığı ile Ulusal Sağlık Enstitüleri de yer alıyor. Ortaklar, Biohub'ın evrensel sanal hücre adını verdiği modele temel olacak verileri birlikte üretmek ve standart hale getirmek için çalışacak. Programa bir grup bilimsel kuruluş da katılıyor.

1,8 milyar doların bileşenleri

1,8 milyar dolarlık tutar yalnız nakit yatırımı göstermiyor. Rakam finansmanın yanı sıra veri, hesaplama gücü ve ölçüm teknolojisini de kapsıyor. Enerji Bakanlığı beş yıl içinde biyolojik ölçüm, modelleme ve hesaplama alanlarına 500 milyon dolardan fazla yatırım yapmayı planlıyor. Ulusal Sağlık Enstitüleri ise daha önce yapılmış 500 milyon doları aşan federal yatırımlardan doğan veri setlerini ve diğer kaynakları programa getiriyor.

Google DeepMind, Isomorphic Labs ve Meta'nın ortak 300 milyon dolarlık katkısı bu tabloya ekleniyor. Biohub da aynı çaba için nisan ayında 500 milyon dolar taahhüt etmişti. Biohub son duyuruyu, nisanda başlattığı Virtual Biology Initiative adlı programın genişlemesi olarak tanımlıyor.

Laboratuvardan önce sanal deney

Projenin nihai hedefi, bilim insanlarının olası deneyleri önce sanal ortamda denemesini sağlayacak bir yapay zekâ modeli. Amaç, araştırmacıların zaman ve para gerektiren laboratuvar çalışmasını önemli bir şey öğretme ihtimali en yüksek deneylere ayırabilmesi. Biohub'ın bilim direktörü Alex Rives, laboratuvarda sorulan her soruya daha fazla akıl yürütme katılabilirse elde edilen deneysel sonuçların değerinin de çok artacağını söylüyor.

Hücre bu hedefin en zor halkası. Yapay zekâ proteinleri ve biyolojinin başka parçalarını anlayabiliyor, ancak canlı bir hücrenin tamamını modellemek kat kat daha karmaşık ve araştırmacıların elinde bunun için yeterli doğru veri yok. Yapay zekâdaki son ilerleme büyük ölçüde daha iyi algoritmalar, daha fazla hesaplama gücü ve devasa veri setlerinin birleşiminden geldi. Biyolojide ise gereken bilginin önemli kısmı henüz mevcut değil ve fiziksel dünyadan zahmetle ölçülmesi gerekiyor. Rives bu nedenle biyolojik kanıttan öğrenen ve gerçek dünyada ne olacağını doğru öngören modellere ihtiyaç duyulduğunu, dijital dünya ile canlı biyoloji arasındaki boşluğun ancak veriyle kapanabileceğini savunuyor.

Programın ilk aşaması hücre biyolojisinin geniş bir haritasını çıkarmayı amaçlıyor. Bu aşamada hücreler hakkında farklı türde bilgiler ve hücrelerin değişikliklere nasıl tepki verdiği toplanacak. Priscilla Chan da biyolojinin bugüne kadar büyük ölçüde keşfe dayalı bir bilim olarak ilerlediğini söylüyor.

Ticari ortaklara bir yıllık veri önceliği

Anlaşmanın şirketler açısından belirleyici şartı veri erişimi. Ticari ortaklar, geliştirdikleri verilere kamuyla paylaşılmadan önce bir yıl boyunca özel erişim hakkına sahip olacak. Rives'e göre bu geçici avantaj, şirketlerin programa para koyması için bir teşvik yaratıyor. Embargo yalnız bir yıl sürdüğü için ortaya çıkan verilerin kısa sürede geniş bilim camiasının kullanımına açılması ve açık bir bilimsel kaynağa dönüşmesi amaçlanıyor.

İlk sınav ölçekleme yasaları

Biohub nisandaki 500 milyon dolarlık girişimini duyurduğunda Rives, en büyük açık sorulardan birinin hücre biyolojisinin yapay zekânın başka alanlarında görülen ölçekleme yasalarını izleyip izlemeyeceği olduğunu söylemişti. Bu yasalar, modellerin daha fazla veriyle eğitildikçe öngörülebilir biçimde iyileşmesini ifade ediyor. Rives bugün bu yaklaşımın her alanda işe yaradığını ve biyolojide de çalıştığını savunuyor, örnek olarak yapay zekânın protein biyolojisindeki ilerlemesini gösteriyor.

Rives, bahsin tutup tutmadığının uzun süre beklemeden anlaşılabileceğini düşünüyor. Ona göre ilk büyük ölçekli veri seti elde edildikten sonraki bir yıl içinde araştırmacılar modelleri eğitebilmeli, yeteneklerini ölçebilmeli ve hangi tür ek biyolojik verinin modelleri iyileştirdiğini belirleyebilmeli. Daha uzun vadede bu modellerin yaşlanma ve yenilenmenin nasıl işlediği ya da Alzheimer hastalığından hangi moleküler mekanizmaların sorumlu olduğu gibi sorulara yardımcı olması hedefleniyor. Rives ayrıca bir kişinin hastalığını inceleyip moleküler nedenlerini ve en uygun müdahale yolunu öngörebilecek modeller öngörüyor.