Google DeepMind ha sviluppato un modello di intelligenza artificiale per prevedere le principali proprietà dei potenziali farmaci, con l’obiettivo di accelerare la ricerca nel settore farmaceutico. Il nuovo modello Tx-LLM (Therapeutic Large Language Model) rappresenta un cambiamento verso strumenti di intelligenza artificiale specializzati per settori specifici. Questo approccio mirato potrebbe dimostrarsi più prezioso della AI a scopo generale nell’affrontare le sfide commerciali complesse.
“I modelli AI specifici per ogni settore stanno trasformando radicalmente le operazioni aziendali sfruttando le sfumatore delle singole industrie”, ha dichiarato Adnan Masood, chief AI architect di UST, a PYMNTS.
Cos’è il modello Tx-LLM
Il modello Tx-LLM è un esempio di fine-tuning dell’AI, che comporta l’ottimizzazione di un modello pre-addestrato su un compito o dataset specifico per migliorarne le performance in quell’area. Questo processo consente al modello di adattarsi a esigenze specializzate senza dover essere costruito da zero.
Il nuovo modello di Google ha l’obiettivo di velocizzare la scoperta di nuovi farmaci prevedendo come i potenziali medicinali potrebbero comportarsi nell’organismo. Addestrato su una vasta gamma di dati relativi ai farmaci, ha superato modelli specializzati in molti compiti, dalla identificazione di molecole promettenti alla previsione dei risultati degli studi clinici. Questo approccio all-in-one potrebbe ridurre drasticamente il tempo e il denaro necessari per portare nuovi farmaci ai pazienti.
“Nella scoperta di farmaci, i modelli di AI possono essere addestrati su dati biologici specifici, accelerando processi come l’identificazione delle molecole o le previsioni sul ripiegamento delle proteine”, ha affermato Connie Yang, managing principal di data science e ML presso DesignMind. “Questo porta a cicli di R&S molto più veloci e a una riduzione dei costi”.
L’AI di Google porterà delle trasformazioni anche in altri settori
Tuttavia, il settore farmaceutico non è l’unico a beneficiare di queste innovazioni. Il fine-tuning potrebbe aiutare anche le fabbriche a diventare più intelligenti. “La produzione sfrutta l’AI personalizzata per prevedere guasti delle attrezzature e ottimizzare le linee di produzione attraverso l’analisi in tempo reale della dinamica della supply chain, dei costi energetici e della domanda di mercato” ha detto Masood. Questo si traduce in meno inattività, produzione più efficiente e costi inferiori per i consumatori.
Anche le case automobilistiche stanno accelerando i loro motori AI. Yang ha sottolineato che “L’AI può accelerare le fasi di progettazione e testing per i nuovi modelli di veicoli nell’industria automobilistica.” Questo potrebbe significare vedere nuove auto innovative circolare sulle strade più velocemente.
Alcuni settori hanno di più da guadagnare — e da perdere — quando si tratta di intelligenza artificiale. “I farmaci, la finanza e il trasporto sono i settori in prima linea per lo sviluppo di AI personalizzata”, ha dichiarato Yang.
Nel mondo della medicina, l’AI rappresenta un potenziale punto di svolta. “Nella farmaceutica, l’AI può ridurre drasticamente il tempo necessario per passare dalla scoperta al mercato, anche navigando attraverso alcuni degli ostacoli normativi che solitamente rallentano il processo”, ha aggiunto Yang.
Per chi opera nel settore finanziario, l’AI di Google offre un vantaggio competitivo. “Nella finanza, gli algoritmi ottimizzati per mercati specifici o profili di rischio possono fornire un vantaggio competitivo”, ha affermato Yang. Questo potrebbe tradursi in migliori rendimenti per gli investitori o in sistemi finanziari più stabili.
E se ti sei mai trovato bloccato nel traffico, saprai apprezzare cosa può fare l’AI per il settore dei trasporti. Yang ha notato che “il settore dei trasporti beneficia di un’AI che può ottimizzare percorsi, manutenzione dei veicoli e gestione della supply chain”. Immagina tragitti più fluidi e pacchi che arrivano sempre in orario.
I vantaggi dei modelli AI specializzati
Tuttavia, questi settori ad alto rischio richiedono spesso una regolamentazione rigorosa. Yang ha evidenziato un vantaggio chiave dell’AI specializzata: “Questi settori, spesso gravati da regolamentazioni complesse o burocrazia governativa, beneficiano enormemente di un’AI che non solo comprende le complessità dei loro dati ma può anche semplificare la conformità e i flussi di lavoro operativi precedentemente ostacolati dalla burocrazia”.
Uno degli aspetti più preziosi di questi modelli AI specializzati è la loro adattabilità. Yang ha dichiarato: “I modelli di AI personalizzati non sono solo un pony a un trucco — possono adattarsi alle specificità di diverse industrie mantenendo vantaggi fondamentali come velocità e precisione”.
Masood definisce questa interazione tra tecniche AI come “trasferimento di conoscenza algoritmica”. Ad esempio, “un sistema di AI sviluppato per ottimizzare la logistica nel settore eCommerce può essere adattato per semplificare il flusso dei pazienti nei sistemi sanitari, abbattendo i tradizionali silos e promuovendo un ecosistema di innovazione che beneficia più settori.”
Questa flessibilità è cruciale nel mondo degli affari odierno. “Ogni industria ha requisiti unici
e l’AI personalizzata aiuta concentrandosi sui dati e sui flussi di lavoro che contano di più per quei mercati, riducendo il tempo di immissione sul mercato e aumentando l’innovazione”, ha concluso Yang.
L’articolo L’AI di Google fa nuovi progressi nella scoperta di nuovi farmaci proviene da FuturaTech.
