Rene Haas w rozmowie z BBC przekonuje, że jednym z największych wyzwań współczesnej medycyny jest modelowanie tego, w jaki sposób nowotwór wpływa na komórki i konkretne fragmenty DNA. Dzisiaj jest to zadanie zbyt skomplikowane zarówno dla człowieka, jak i dostępnych systemów komputerowych. Sytuacja ma się jednak szybko zmieniać.
Wraz z dostarczaniem modelom AI coraz większej liczby danych oraz rozwojem sprzętu zdolnego do ich przetwarzania sztuczna inteligencja może zacząć rozwiązywać problemy, które obecnie pozostają poza naszym zasięgiem. Haas nie mówi więc jedynie o przyspieszeniu prac nad istniejącymi terapiami - jego zdaniem AI może doprowadzić do odkrycia sposobów leczenia nowotworów, których ludzkość nie byłaby w stanie znaleźć w ciągu własnego życia.
AI potrzebuje coraz więcej chipów
Jest tylko jeden problem, bo paradoksalnie jednym z największych ograniczeń dalszego rozwoju sztucznej inteligencji nie są obecnie same algorytmy, lecz sprzęt. Haas twierdzi, że świat znajduje się w sytuacji ograniczonej podaży układów scalonych potrzebnych do budowy centrów danych.
Arm dostarcza energooszczędne rozwiązania wykorzystywane już w około połowie centrów danych związanych z AI na świecie, a firma coraz mocniej wchodzi również w projektowanie własnych układów (wcześniej zajmowała się jedynie licencjonowaniem designu na takowe). Jednym z przykładów jest chip opracowany na zamówienie właściciela Facebooka, czyli Meta, a zapotrzebowanie na ten produkt miało przekroczyć już 2 mld dolarów.
W tym samym czasie budowane są kolejne ogromne centra danych, a pojawiają się nawet pomysły, które zakładają nawet umieszczanie infrastruktury obliczeniowej w przestrzeni kosmicznej (tu przoduje oczywiście Elon Musk). Do realizacji takich planów potrzeba jednak znacznie większej liczby fabryk półprzewodników, a ich budowa jest niezwykle kosztowna, wymaga wyspecjalizowanej kadry, ogromnych ilości zasobów i rozbudowanego ekosystemu dostawców.
Zobacz również:
Nie największy komputer, lecz najlepsze dane
Eksperci zajmujący się wykorzystaniem AI w onkologii zwracają też uwagę, że sama moc obliczeniowa nie wystarczy. Na przykład prof. Chris Bakal z Institute of Cancer Research podkreśla, że kluczowe znaczenie ma jakość danych dostarczanych algorytmom. W jego laboratorium sztuczna inteligencja jest trenowana między innymi na danych pozyskiwanych bezpośrednio z próbek pacjentów.
Nie chodzi więc o gigantyczne zbiory informacji znalezione w internecie, lecz o precyzyjne pomiary biologiczne. To właśnie takie podejście może jego zdaniem pozwolić skrócić proces opracowywania nowych terapii, gdyż AI może analizować zależności niewidoczne dla człowieka i wskazywać najbardziej obiecujące kierunki dalszych badań.
