AI ਖੋਜ ਕੰਪਨੀ Anthropic ਨੇ 'Claude Science' ਲਾਂਚ ਕੀਤਾ ਹੈ, ਜੋ ਸਿਹਤ ਸੰਭਾਲ ਖੋਜ ਅਤੇ ਦਵਾਈਆਂ ਦੀ ਖੋਜ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ ਵਿਗਿਆਨਕ ਕਾਰਜਾਂ ਨੂੰ ਆਸਾਨ ਬਣਾਉਣ ਲਈ ਖੋਜ ਸਾਧਨਾਂ ਅਤੇ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਨੂੰ ਜੋੜਦਾ ਹੈ।
ਕੀ ਹੋਇਆ?
AI ਖੋਜ ਕੰਪਨੀ Anthropic ਨੇ ਵਿਗਿਆਨੀਆਂ ਅਤੇ ਖੋਜੀਆਂ ਲਈ ਇਕ ਨਵਾਂ ਡਿਜੀਟਲ ਵਰਕਸਪੇਸ, 'Claude Science', ਪੇਸ਼ ਕੀਤਾ ਹੈ। ਇਹ ਪਲੇਟਫਾਰਮ ਇਕ ਆਲ-ਇਨ-ਵਨ ਵਰਕਬੈਂਚ ਵਜੋਂ ਕੰਮ ਕਰਦਾ ਹੈ, ਜੋ ਵੱਖ-ਵੱਖ ਖੋਜ ਡਾਟਾਬੇਸ, ਕੰਪਿਊਟਿੰਗ ਸਰੋਤਾਂ ਅਤੇ ਕੋਡਿੰਗ ਟੂਲਜ਼ ਨੂੰ ਇਕੋ ਇਨਵਾਇਰਨਮੈਂਟ ਵਿੱਚ ਜੋੜਦਾ ਹੈ। ਇਸ ਵਿੱਚ ਇਕ ਵਿਸ਼ੇਸ਼ AI ਏਜੰਟ ਹੈ ਜੋ 60 ਤੋਂ ਵੱਧ ਵੱਖ-ਵੱਖ ਟੂਲਜ਼ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਸਾਹਿਤ ਸਮੀਖਿਆ (literature review) ਅਤੇ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਤੋਂ ਲੈ ਕੇ ਕੋਡ ਜਨਰੇਟ ਕਰਨ ਅਤੇ ਪ੍ਰਕਾਸ਼ਨ-ਯੋਗ ਵਿਗਿਆਨਕ ਚਿੱਤਰ ਬਣਾਉਣ ਵਰਗੇ ਕੰਮਾਂ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਪਲੇਟਫਾਰਮ ਨੂੰ 'ਆਡਿਟੇਬਲ' ਆਉਟਪੁੱਟ ਤਿਆਰ ਕਰਨ ਲਈ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਹੈ, ਜਿਸਦਾ ਅਰਥ ਹੈ ਕਿ ਇਹ ਵਰਤੇ ਗਏ ਕਦਮਾਂ ਅਤੇ ਕੋਡ ਦਾ ਧਿਆਨ ਰੱਖਦਾ ਹੈ, ਜੋ ਕਿ ਵਿਗਿਆਨਕ ਪ੍ਰਮਾਣਿਕਤਾ (scientific validation) ਲਈ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਸਿਹਤ ਸੰਭਾਲ ਸੈਕਟਰ ਲਈ ਇਸਦੀ ਮਹੱਤਤਾ
ਰਵਾਇਤੀ ਦਵਾਈ ਖੋਜ (drug discovery) ਇਕ ਮਹਿੰਗੀ, ਉੱਚ-ਜੋਖਮ ਵਾਲੀ ਅਤੇ ਸਮਾਂ-ਖਾਊ ਪ੍ਰਕਿਰਿਆ ਹੈ ਜਿਸਨੂੰ ਪੂਰਾ ਹੋਣ ਵਿੱਚ ਸਾਲ ਲੱਗ ਜਾਂਦੇ ਹਨ। ਸਾਹਿਤ ਖੋਜ ਅਤੇ ਡਾਟਾ ਪ੍ਰੋਸੈਸਿੰਗ ਵਰਗੇ ਮੈਨੂਅਲ ਕੰਮਾਂ ਨੂੰ ਸਵੈਚਾਲਿਤ (automating) ਕਰਕੇ, Claude Science ਵਰਗੇ ਟੂਲਜ਼ ਵਿਕਾਸ ਦੇ 'ਖੋਜ' ਪੜਾਅ ਨੂੰ ਕਾਫ਼ੀ ਤੇਜ਼ ਕਰਨ ਦਾ ਟੀਚਾ ਰੱਖਦੇ ਹਨ। ਫਾਰਮਾਸਿਊਟੀਕਲ ਉਦਯੋਗ ਲਈ, ਪ੍ਰਯੋਗਸ਼ਾਲਾਵਾਂ ਵਿੱਚ ਟਰਾਇਲ-ਐਂਡ-ਐਰਰ ਕੰਮਾਂ 'ਤੇ ਬਿਤਾਏ ਸਮੇਂ ਨੂੰ ਘਟਾਉਣ ਨਾਲ ਵਿਕਾਸ ਲਾਗਤਾਂ ਘੱਟ ਸਕਦੀਆਂ ਹਨ ਅਤੇ ਸੰਭਾਵੀ ਦਵਾਈ ਉਮੀਦਵਾਰਾਂ ਦੀ ਤੇਜ਼ੀ ਨਾਲ ਪਛਾਣ ਹੋ ਸਕਦੀ ਹੈ। ਪਲੇਟਫਾਰਮ ਵਿੱਚ ਅਜਿਹੀਆਂ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਵੀ ਸ਼ਾਮਲ ਹਨ ਜੋ ਖੋਜੀਆਂ ਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲ ਡਾਟਾ ਨੂੰ ਸਥਾਨਕ ਤੌਰ 'ਤੇ ਰੱਖਣ ਦੀ ਆਗਿਆ ਦਿੰਦੀਆਂ ਹਨ, ਜੋ ਕਿ ਪ੍ਰੋਪ੍ਰਾਈਟਰੀ ਮੈਡੀਕਲ ਰਿਸਰਚ ਨਾਲ ਨਜਿੱਠਣ ਵੇਲੇ ਇਕ ਵੱਡੀ ਚਿੰਤਾ ਹੈ।
ਮੁਕਾਬਲੇ ਦਾ ਮਾਹੌਲ
Anthropic ਇਕ ਭੀੜ-ਭੜੱਕੇ ਅਤੇ ਤੇਜ਼ੀ ਨਾਲ ਵਿਕਸਤ ਹੋ ਰਹੇ ਖੇਤਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਿਹਾ ਹੈ। ਵੱਡੀਆਂ ਟੈਕਨਾਲੋਜੀ ਕੰਪਨੀਆਂ ਅਤੇ ਵਿਸ਼ੇਸ਼ ਬਾਇਓਟੈਕ AI ਫਰਮਾਂ ਬਾਇਓਲੋਜੀ ਅਤੇ ਕੰਪਿਊਟਿੰਗ ਦੇ ਸੰਗਮ 'ਤੇ ਦਬਦਬਾ ਬਣਾਉਣ ਲਈ ਮੁਕਾਬਲਾ ਕਰ ਰਹੀਆਂ ਹਨ। NVIDIA, ਆਪਣੇ BioNeMo ਪਲੇਟਫਾਰਮ ਨਾਲ, ਅਤੇ Google DeepMind, ਆਪਣੇ AlphaFold ਨਾਲ, ਪਹਿਲਾਂ ਹੀ AI-ਡਰਾਈਵਨ ਪ੍ਰੋਟੀਨ ਸਟ੍ਰਕਚਰ ਪ੍ਰਡਿਕਸ਼ਨ ਅਤੇ ਦਵਾਈ ਖੋਜ ਵਿੱਚ ਮਜ਼ਬੂਤ ਸਥਾਨ ਬਣਾ ਚੁੱਕੇ ਹਨ। Claude Science ਦਾ ਲਾਂਚ ਇਹ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ ਮੁਕਾਬਲਾ ਆਮ-ਪ੍ਰਯੋਜਨ AI ਮਾਡਲਾਂ ਤੋਂ ਵਿਸ਼ੇਸ਼, ਵਰਟੀਕਲ-ਵਿਸ਼ੇਸ਼ ਟੂਲਜ਼ ਵੱਲ ਬਦਲ ਰਿਹਾ ਹੈ ਜੋ ਸਿਰਫ਼ ਟੈਕਸਟ ਦਾ ਸਾਰਾਂਸ਼ ਕਰਨ ਦੀ ਬਜਾਏ ਅਸਲ ਖੋਜ ਕਾਰਜ ਕਰ ਸਕਦੇ ਹਨ।
ਵਪਾਰਕ ਅਤੇ ਕਾਰਜਕਾਰੀ ਜੋਖਮ (Business and Execution Risks)
ਹਾਲਾਂਕਿ AI ਵਿਗਿਆਨਕ ਸਫਲਤਾਵਾਂ ਦਾ ਵਾਅਦਾ ਕਰਦਾ ਹੈ, ਇਹ ਜੋਖਮਾਂ ਤੋਂ ਮੁਕਤ ਨਹੀਂ ਹੈ। ਫਾਰਮਾਸਿਊਟੀਕਲ ਉਦਯੋਗ ਸਖ਼ਤ ਰੈਗੂਲੇਟਰੀ ਨਿਗਰਾਨੀ ਅਧੀਨ ਹੈ, ਅਤੇ ਖੋਜ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਕਿਸੇ ਵੀ AI ਟੂਲ ਨੂੰ ਪੂਰੀ ਸ਼ੁੱਧਤਾ ਸਾਬਤ ਕਰਨੀ ਪੈਂਦੀ ਹੈ। ਇਕ ਮੁੱਖ ਚੁਣੌਤੀ, ਜਿਸਨੂੰ ਅਕਸਰ AI ਵਿੱਚ 'hallucination' ਕਿਹਾ ਜਾਂਦਾ ਹੈ, ਉਦੋਂ ਵਾਪਰਦੀ ਹੈ ਜਦੋਂ ਮਾਡਲ ਗਲਤ ਜਾਂ ਬਣਾਈ ਗਈ ਜਾਣਕਾਰੀ ਤਿਆਰ ਕਰਦਾ ਹੈ। ਮੈਡੀਕਲ ਸਾਇੰਸ ਵਿੱਚ, ਗਣਨਾ ਜਾਂ ਡਾਟਾ ਵਿਆਖਿਆ ਵਿੱਚ ਇਕ ਛੋਟੀ ਜਿਹੀ ਗਲਤੀ ਦੇ ਖੋਜ ਨਤੀਜਿਆਂ 'ਤੇ ਗੰਭੀਰ ਨਤੀਜੇ ਹੋ ਸਕਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਵੱਡੀਆਂ ਫਾਰਮਾ ਕੰਪਨੀਆਂ ਅਕਸਰ ਪੁਰਾਣੀਆਂ ਪ੍ਰਣਾਲੀਆਂ 'ਤੇ ਨਿਰਭਰ ਕਰਦੀਆਂ ਹਨ ਅਤੇ ਸਖ਼ਤ ਡਾਟਾ ਸੁਰੱਖਿਆ ਪ੍ਰੋਟੋਕਾਲ ਰੱਖਦੀਆਂ ਹਨ। ਇਕ ਨਵੇਂ AI ਵਰਕਬੈਂਚ ਨੂੰ ਵਿਆਪਕ ਤੌਰ 'ਤੇ ਅਪਣਾਉਣਾ ਇਸ ਗੱਲ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗਾ ਕਿ ਇਹ ਇਨ੍ਹਾਂ ਸਥਾਪਿਤ ਖੋਜ ਵਾਤਾਵਰਣਾਂ ਨਾਲ ਕਿੰਨੀ ਆਸਾਨੀ ਨਾਲ ਏਕੀਕ੍ਰਿਤ ਹੁੰਦਾ ਹੈ ਅਤੇ ਕੀ ਇਹ ਰੈਗੂਲੇਟਰਾਂ ਅਤੇ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਲਗਾਤਾਰ ਆਪਣੀ ਭਰੋਸੇਯੋਗਤਾ ਸਾਬਤ ਕਰ ਸਕਦਾ ਹੈ।
ਨਿਵੇਸ਼ਕਾਂ ਨੂੰ ਕੀ ਟਰੈਕ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ?
ਫਾਰਮਾਸਿਊਟੀਕਲ ਅਤੇ ਟੈਕਨਾਲੋਜੀ ਸੈਕਟਰਾਂ ਦਾ ਪਾਲਣ ਕਰਨ ਵਾਲੇ ਨਿਵੇਸ਼ਕਾਂ ਲਈ, ਮੁੱਖ ਨਿਗਰਾਨੀ ਇਹ ਹੈ ਕਿ ਵੱਡੀਆਂ ਖੋਜ ਸੰਸਥਾਵਾਂ ਅਤੇ ਫਾਰਮਾ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਅਜਿਹੇ ਟੂਲਜ਼ ਨੂੰ ਕਿੰਨਾ ਅਪਣਾਇਆ ਜਾਂਦਾ ਹੈ। ਨਿਵੇਸ਼ਕ ਇਹ ਟਰੈਕ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕੀ ਇਹ AI ਵਰਕਬੈਂਚ R&D ਸਮਾਂ-ਸੀਮਾ (timelines) ਵਿੱਚ ਠੋਸ ਸੁਧਾਰਾਂ ਜਾਂ ਕਲੀਨਿਕਲ ਟਰਾਇਲਾਂ ਵਿੱਚ ਲਾਗਤ ਬੱਚਤਾਂ ਵੱਲ ਲੈ ਜਾਂਦੇ ਹਨ। ਇਸ ਤੋਂ ਇਲਾਵਾ, ਦਵਾਈ ਪ੍ਰਵਾਨਗੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ AI-ਤਿਆਰ ਡਾਟਾ ਦੀ ਵਰਤੋਂ ਸੰਬੰਧੀ ਰੈਗੂਲੇਟਰਾਂ ਤੋਂ ਕਿਸੇ ਵੀ ਅਪਡੇਟ 'ਤੇ ਨਜ਼ਰ ਰੱਖੋ, ਕਿਉਂਕਿ ਇਹ ਇਸ ਉੱਚ-ਦਾਅ ਵਾਲੇ ਉਦਯੋਗ ਵਿੱਚ AI ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸੰਭਾਵਨਾ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰੇਗਾ।