ឧស្សាហកម្មឱសថកំពុងឆ្លងកាត់ការផ្លាស់ប្តូរដ៏សំខាន់មួយ នៅពេលដែលគំរូនៃការរៀនរបស់ម៉ាស៊ីន (machine learning) ក្លាយជាចំណុចកណ្តាលនៃការស្រាវជ្រាវ និងការអភិវឌ្ឍឱសថជីវសាស្ត្រ។ តាមរយៈការដាក់បញ្ចូលការរចនាដោយកុំព្យូទ័រទៅក្នុងដំណើរការរកឃើញឱសថបែបប្រពៃណី ក្រុមហ៊ុននានាមានគោលបំណងកាត់បន្ថយពេលវេលា និងអត្រាបរាជ័យខ្ពស់ ដែលជាធម្មតាជាប់ពាក់ព័ន្ធនឹងការបង្កើតការព្យាបាលថ្មីៗ ជាពិសេសការព្យាបាលដែលទទួលបានពីប្រូតេអ៊ីនដែលបានវិស្វកម្ម។
AstraZeneca ស្ថិតក្នុងចំណោមអង្គការដែលកំពុងអនុម័តក្របខ័ណ្ឌ "កសាង-វាស់វែង-រៀនសូត្រ" ដើម្បីសម្រួលដំណើរការនេះ។ យោងតាម Puja Sapra អនុប្រធានជាន់ខ្ពស់ និងជាប្រធានផ្នែក R&D វិស្វកម្មជីវសាស្ត្រ និងការរកឃើញគោលដៅជំងឺមហារីក ក្រុមហ៊ុនប្រើប្រាស់ AI ដើម្បីកំណត់អាទិភាពលើបេក្ខភាពម៉ូលេគុលតាមរយៈកុំព្យូទ័រ។ នេះអនុញ្ញាតឱ្យអ្នកវិទ្យាសាស្ត្រផ្តោតធនធានមន្ទីរពិសោធន៍ទៅលើការរចនាដែលមានលទ្ធភាពជោគជ័យខ្ពស់បំផុត ដោយកាត់បន្ថយចំនួនដ៏ច្រើននៃបន្សំម៉ូលេគុលដែលអាចទៅរួចឱ្យមកនៅត្រឹមចំនួនមួយដែលអាចគ្រប់គ្រងបាន។
ការអនុវត្តបច្ចេកវិទ្យាទាំងនេះមិនត្រឹមតែមានកម្រិតត្រឹមតែការពន្លឿនសាមញ្ញប៉ុណ្ណោះទេ។ អ្នកស្រាវជ្រាវកំពុងស្វែងរកការរចនាឱសថជីវសាស្ត្រដែលមានលក្ខណៈជាក់លាក់ច្រើន ដែលអាចវាយប្រហារផ្លូវជំងឺជាច្រើន ឬបញ្ជូនសារធាតុព្យាបាលទៅកាន់កោសិកាជាក់លាក់។ ការងារនេះតម្រូវឱ្យមានការថ្លឹងថ្លែងលើអថេរស្មុគស្មាញដូចជា សមត្ថភាព ស្ថិរភាព និងលទ្ធភាពក្នុងការផលិត។ ដើម្បីគាំទ្រដល់កិច្ចខិតខំប្រឹងប្រែងទាំងនេះ AstraZeneca កំពុងអភិវឌ្ឍ "មន្ទីរពិសោធន៍នៃអនាគត" នៅ Kendall Square ក្នុងទីក្រុង Cambridge រដ្ឋ Massachusetts។ កន្លែងនេះមានគោលបំណងបង្កើតប្រព័ន្ធរង្វិលជុំបិទជិត ដែលគំរូ AI បង្កើតការព្យាករណ៍ ហើយប្រព័ន្ធមនុស្សយន្តប្រតិបត្តិការពិសោធន៍ដែលត្រូវគ្នា ដោយបញ្ជូនទិន្នន័យត្រឡប់ទៅក្នុងគំរូទាំងនោះវិញដើម្បីកែលម្អការធ្វើម្តងទៀតនាពេលអនាគត។
គោលដៅចម្បងសម្រាប់វិស័យនេះគឺការរចនា "de novo" ដែល AI បង្កើតលំដាប់ប្រូតេអ៊ីនថ្មីទាំងស្រុងពីដំបូង។ ការសម្រេចបាននូវរឿងនេះទាមទារឱ្យមានទិន្នន័យបណ្តុះបណ្តាលដែលមានគុណភាពខ្ពស់ និងមានស្តង់ដារ ព្រមទាំងសមត្ថភាពក្នុងការទស្សន៍ទាយពីសុវត្ថិភាពនៃម៉ូលេគុលដែលបានបង្កើតនៅក្នុងរាងកាយមនុស្ស។ ដើម្បីដោះស្រាយបញ្ហាសុវត្ថិភាព អ្នកស្រាវជ្រាវកំពុងប្រើប្រាស់ការសាកល្បងព្យាបាលនិម្មិត ដែលផ្គូផ្គង AI ជាមួយនឹងប្រព័ន្ធកោសិកាកម្រិតខ្ពស់ និងគំរូសរីរាង្គខ្នាតតូច ដើម្បីក្លែងធ្វើប្រតិកម្មជីវសាស្ត្រ។
ទោះបីជាមានការផ្លាស់ប្តូរឆ្ពោះទៅរកប្រព័ន្ធស្វ័យប្រវត្តិយ៉ាងណាក៏ដោយ ក៏ជំនាញរបស់មនុស្សនៅតែជាសមាសធាតុសំខាន់នៃលំហូរការងារ។ Sapra សង្កត់ធ្ងន់ថា អ្នកវិទ្យាសាស្ត្រ និងវិស្វករមានសារៈសំខាន់សម្រាប់ការផ្តល់ការត្រួតពិនិត្យ ទិសដៅយុទ្ធសាស្ត្រ និងការធានាថាទិន្នផលរបស់ AI អាចពន្យល់បាន និងមានសីលធម៌។ កិច្ចសហប្រតិបត្តិការរវាងទេពកោសល្យរបស់មនុស្ស និងការរៀនរបស់ម៉ាស៊ីនត្រូវបានគេមើលឃើញថាជាគន្លឹះក្នុងការដោះសោការព្យាបាលសម្រាប់ជំងឺដែលពីមុនត្រូវបានគេចាត់ទុកថាមិនអាចព្យាបាលបាន។
ប្រភព៖ MIT Technology Review
មិនទាន់មានមតិយោបល់នៅឡើយទេ។ សូមធ្វើជាអ្នកដំបូងដែលចែករំលែកគំនិតរបស់អ្នក។