Seiring dengan munculnya model bahasa seperti ChatGPT dan Gemini yang membawa masuk era baru kecerdasan buatan di Silicon Valley, perusahaan teknologi terkuat di dunia sedang melirik ke depan menuju penemuan obat dan biologi digital.
Oleh Richard Nieva dan Alex Knapp
Sebagai CEO Nvidia Jensen Huang memindai audiens di konferensi Kesehatan JPMorgan bulan Januari lalu di San Francisco, acara teknologi kesehatan terbesar dalam tahun, beliau mengakui bahwa dia sedang berada di wilayah yang tidak biasa.
“Anda bukan kelompok saya yang biasa,” kata dia kepada ruangan teknolog kesehatan dan biologi, selama obrolan bersama Recursion, sebuah perusahaan penemuan obat yang Nvidia menyuntikkan $50 juta ke dalamnya tahun lalu.
Mungkin audiens tersebut bukan bagian dari demografi inti bagi beliau, tetapi dia berharap hal itu akan berubah. Berulang kali, Huang telah menyanjung biologi digital sebagai “revolusi luar biasa berikutnya” dalam teknologi. Ketika ledakan kecerdasan buatan telah melanda Silicon Valley, Nvidia telah membangun bisnis yang lebih dari $60 miliar setahun dan musim panas lalu menjadi salah satu dari sedikit perusahaan dengan kapitalisasi pasar triliunan. Di bidang kesehatan dan bioteknologi, perusahaan ini melihat lebih banyak peluang untuk mendukung pertumbuhannya.
“Telah dinyatakan bahwa kita adalah bisnis multi-miliar dolar berikutnya bagi Nvidia,” kata Kimberly Powell, wakil presiden kesehatan Nvidia, kepada Forbes. Dia mengatakan perusahaan bertujuan untuk menyediakan chip, infrastruktur cloud, dan alat lainnya bagi lebih banyak perusahaan bioteknologi.
Sekarang bahwa model bahasa besar seperti ChatGPT dari OpenAI dan Gemini dari Google DeepMind telah membuat kecerdasan buatan generatif menjadi mainstream, beberapa dari perusahaan teknologi terkuat di dunia menelisik industri bioteknologi sebagai garis depan berikutnya dalam kecerdasan buatan – sebuah garis depan di mana kecerdasan buatan tidak hanya menghasilkan puisi lucu dari suatu teks, tetapi juga obat yang dapat menyelamatkan nyawa.
“Pernah dinyatakan bahwa kita adalah bisnis multi miliar dolar berikutnya bagi Nvidia.”
Kimberly Powell, wakil presiden kesehatan Nvidia
Di Nvidia, mungkin merupakan tulang punggung revolusi kecerdasan buatan karena chip GPU yang kuatnya, mayoritas investasi divisi Nventures VC perusahaan selama dua tahun terakhir telah berada di penemuan obat. Di DeepMind, model AlphaFold laboratorium kecerdasan buatan Google – alat revolusioner untuk memprediksi struktur protein – telah digunakan oleh peneliti akademis selama setahun terakhir untuk mengembangkan “molekul” suntik untuk menyuntikkan obat langsung ke dalam sel, serta untuk penelitian tanaman yang kurang bergantung pada pestisida. Minat dalam bioteknologi tersebar di seluruh industri: Microsoft, Amazon, dan bahkan Salesforce memiliki proyek desain protein juga.
Meskipun penggunaan kecerdasan buatan dalam penemuan obat bukanlah tren yang benar-benar baru – DeepMind pertama kali mengungkapkan AlphaFold pada tahun 2018 – eksekutif di kedua DeepMind dan Nvidia mengatakan kepada Forbes bahwa ini adalah momen terobosan, berkat pertemuan tiga hal: jumlah data pelatihan yang sekarang tersedia, ledakan sumber daya komputasi, dan kemajuan dalam algoritma kecerdasan buatan. “Tiga bahan ini hadir untuk pertama kalinya,” kata Powell. “Ini tidak mungkin dilakukan lima tahun yang lalu.”
Kecerdasan buatan memiliki potensi besar di ruang bioteknologi karena tingkat kompleksitasnya yang tinggi – lihatlah masalah yang telah dipecahkan oleh AlphaFold. Protein adalah mesin dasar tubuh Anda, mengatur berbagai fungsi. Semua fungsi ini bergantung pada bentuk tiga dimensi dari protein. Setiap protein terdiri dari urutan asam amino, dan interaksi antara asam-asam amino tersebut dan lingkungan eksternal menentukan bagaimana protein ini “melipat” – yang menentukan bentuknya. Kemampuan untuk memprediksi bentuk dari suatu protein berdasarkan urutan asam amino dapat dimanfaatkan oleh perusahaan bioteknologi, yang dapat menggunakan wawasan tersebut untuk merancang segala sesuatu mulai dari obat baru hingga tanaman yang lebih baik hingga plastik biodegradable.
“Selalu menjadi jenis yang gila, di pinggiran. Sangat jauh dari arus utama.”
David Baker, direktur Institute for Protein Design di University of Washington
Inilah sebabnya keterlibatan deep learning: melatih model kecerdasan buatan pada ratusan juta urutan protein berbeda dan struktur mereka yang mendasar membantu model-model tersebut mengungkap pola-pola dalam biologi tanpa perlu melakukan perhitungan mahal yang diperlukan oleh simulasi dinamika molekuler yang sesungguhnya. Melakukan simulasi penuh pada protein memerlukan sumber daya komputasi yang sangat intens sehingga institusi telah merancang dan membangun superkomputer khusus untuk menangani jenis masalah ini, seperti Anton 2 di Pittsburgh Supercomputing Center.
Lonjakan dalam teknologi penemuan obat juga tidak hanya datang dari raksasa teknologi kecerdasan buatan. Sejak 2021, telah terjadi 281 kesepakatan modal ventura di seluruh dunia di startup penemuan obat kecerdasan buatan, yang menghasilkan investasi senilai $7,7 miliar, menurut Pitchbook. Lonjakan terbesar terjadi pada 2021 ketika pandemi merebak, dengan 105 kesepakatan, meningkat dari 65 tahun sebelumnya, kemudian berkurang menjadi 67 kesepakatan di 2023. Dalam laporan yang diterbitkan bulan lalu, perusahaan analis mencatat bahwa masih ada tingkat antusiasme yang kuat “untuk perusahaan tahap awal yang mengintegrasikan kecerdasan buatan ke dalam penemuan dan pengembangan obat.” Munculnya kecerdasan buatan generatif juga memicu peningkatan minat, kata David Baker, direktur Institute for Protein Design di University of Washington.
“Selalu menjadi jenis yang gila, di pinggiran. Sangat jauh dari arus utama,” kata Baker. Sekarang, katanya, “semua orang membicarakannya.” Sejak pendirian Institute of Protein Design pada tahun 2012, lebih dari 20 startup telah diputar keluar dari program itu, kata Baker. Sepuluh di antaranya – termasuk Archon Biosciences, yang mengembangkan nanomaterial untuk pengobatan regeneratif dan kanker, dan Lila, menciptakan perawatan untuk penyakit fibrosis – telah muncul dalam beberapa tahun terakhir, sejak tahun 2021.
Di DeepMind, baru ketika pandemi Covid-19 melanda bahwa para peneliti benar-benar memahami taruhan dari penelitian mereka. Mereka telah bekerja selama hampir 5 tahun untuk mengembangkan AlphaFold, dan ketika mereka sedang merekam ulang modelnya untuk generasi kedua, seluruh dunia mulai berlindung karena adanya virus misterius. “Itu benar-benar menyadarkan betapa pentingnya masalah ini,” kata Pushmeet Kohli, wakil presiden sains untuk DeepMind, kepada Forbes.
Hasil dari pelatihan ulang AlphaFold oleh DeepMind adalah AlphaFold 2, sebuah model revolusioner yang dapat dengan sangat akurat memprediksi struktur protein sehingga penyelenggara di CASP, kontes penelitian protein global, mengirim email ke DeepMind untuk bertanya apakah perusahaan tersebut curang pada suatu cara, mengingat Kohli sambil tertawa.
Upaya ini begitu menjanjikan sehingga rekan pendiri Demis Hassabis memisahkan diri ke sebuah perusahaan terpisah di Alphabet berdasarkan terobosan AlphaFold pada tahun 2021. Bernama Isomorphic Labs, startup ini berfokus pada penemuan obat dan diarahkan oleh Hassabis sendiri. Baru tahun ini saja, Isomorphic Labs meneken perjanjian riset dengan Lilly dan Novartis dengan total hingga hampir $3 miliar jika semua pencapaian terpenuhi – dan itu belum termasuk royalti menguntungkan dari penjualan obat yang dihasilkan dari kemitraan ini.
Pada tahun 2022, Nvidia memperkenalkan BioNeMo, platform kecerdasan buatan generatif yang membantu pengembang mempercepat pelatihan, penyebaran, dan peningkatan model bahasa besar untuk penemuan obat. Di Nventures, unit modal ventura perusahaan chip ini, tujuh dari 19 kesepakatan keseluruhan unit ini telah dalam startup kecerdasan buatan penemuan obat, termasuk Genesis Therapeutics, Terray, dan Generate Biosciences – jumlah terbesar dalam kategori investasi apapun.
“Industri desain bantuan komputer menciptakan perusahaan chip $2 triliun pertama,” kata Powell, merujuk pada Nvidia dan kemajuan spektakulernya selama tahun lalu. “Mengapa tidak industri penemuan obat dikerjakan oleh kecerdasan buatan tersebut membangun perusahaan obat triliunan berikutnya?” Dia menambahkan, “Itulah mengapa kami berinvestasi seperti ini.”
Sejumlah perusahaan teknologi lainnya juga memiliki upaya lipatan protein mereka sendiri. Tahun lalu, Salesforce meluncurkan ProGen, model kecerdasan buatan penghasil protein, dan Microsoft merilis EvoDiff, model serupa, tetapi open source. Amazon juga merilis alat lipatan protein untuk SageMaker, platform pembelajaran mesin AWS-nya. Bahkan ByteDance, induk perusahaan TikTok, tampaknya merekrut tim ilmu pengetahuan dan desain obat, seperti yang dilaporkan Forbes bulan Januari.
Namun, meskipun penemuan obat kecerdasan buatan sangat menjanjikan dan dihype, masih ada rintangan. Masih butuh waktu bertahun-tahun untuk menjalani uji klinis obat-obatan, dan meskipun FDA sejauh ini telah menyetujui uji klinis untuk lebih dari 100 kandidat obat baru menggunakan kecerdasan buatan atau pembelajaran mesin untuk pengembangannya, mungkin akan membutuhkan waktu bertahun-tahun sebelum kandidat tersebut benar-benar tersedia di pasaran.
Dalam beberapa kasus, kesulitan yang terkait dengan penemuan obat telah menyebabkan perusahaan teknologi besar meninggalkan riset tersebut. Bulan Agustus tahun lalu, Meta yang merupakan induk perusahaan Facebook menutup tim lipatan proteinnya. Para peneliti dalam unit tersebut kemudian memulai usaha di jalan mereka sendiri, dengan mendirikan perusahaan bernama EvolutionaryScale, seperti yang dilaporkan Forbes tahun lalu. Meta menolak untuk memberikan komentar mengenai alasan menutup proyek tersebut.
Salah satu bottleneck penting yang perlu ditekankan oleh perusahaan teknologi adalah memiliki cukup banyak data latihan. Model-model foundational baru seperti GPT bergantung pada reinforcement learning, metode di mana algoritma dapat memproses informasi yang tidak berlabel melalui percobaan dan kesalahan. Hal itu membuat mereka semakin bergantung pada data berkualitas tinggi, kata Anna Marie Wagner, kepala kecerdasan buatan di perusahaan biologi sintetis Ginkgo Bioworks kepada Forbes. Musim panas lalu, perusahaannya memasuki kemitraan strategis lima tahun dengan Google Cloud untuk menyatukan keahlian kecerdasan buatan dengan kemampuan Ginkgo untuk menghasilkan data biologis secara cepat di lab-lab otomatisnya, yang kemudian dapat langsung dimasukkan kembali ke dalam model kecerdasan buatan sebagai data latihan baru. Kombinasi ini, katanya, membantu memperbaiki proses penemuan obat.
Selain itu, kata dia, Gingko memiliki kemampuan untuk memvalidasi prediksi model dengan cepat. Secara paradoks, hal ini membuat kebiasaan model kecerdasan buatan kadang-kadang halusinasi – menghasilkan hasil yang salah atau menyesatkan untuk suatu permintaan – “sebuah fitur, bukan bug” karena dapat memunculkan penemuan menarik yang mungkin belum pernah terbayangkan oleh para ilmuwan. “Kami ingin model itu menghasilkan hal yang gila, karena di situlah kita mulai melihat peningkatan orde angka,” katanya.
Kohli mengekspresikan masalah data dengan lebih langsung: “Junk in, junk out.” Namun, ketika industri bekerja untuk memperbaiki masalah-masalah tersebut, dia telah melihat dampak yang telah dihasilkan kecerdasan buatan pada penelitian biologi. “Ketika saya pergi ke konferensi dan melihat perubahan dalam cara para biolog melakukan pekerjaan sebelumnya, dan bagaimana mereka melakukan pekerjaan mereka hari ini, itu adalah transformasi yang luar biasa,” katanya.
MAIS DE FORBESMAIS DE FORBESComo o braço de investimentos da Nvidia está potencializando uma nova classe de startups de IAPor Richard NievaMAIS DE FORBESA startup diz que pode superar a AI de Proteínas inovadora de DeepMindPor Alex KnappMAIS DE FORBESMicrosoft e agências federais lançam supergrupo sem fins lucrativos para domar o Faroeste do IA em SaúdePor Katie JenningsMAIS DE FORBESENi Twit fake, NSF, NASA E Cerca de Parceiro de programa federal para aumentar o acesso aos recursos de IAPor Richard NievaMAIS DE FORBESThis $674 milhão deal tem o objetivo de transformar o depósito de lixo do seu corpo em um lutador de doençasPor Alex Knapp
