Hanggang ngayon pinag-uusapan artipisyal na katalinuhan ay upang gawin ito, nang walang pag-aalinlangan, sa isa sa mga pinaka-paulit-ulit na paksa sa mundo ng disenyo ng software at hardware, hindi walang kabuluhan halos lahat ng mga unibersidad at sentro ng pagsasaliksik at pag-unlad ay may mga dalubhasang nagtatrabaho sa paksa, hindi pa banggitin na, tayo ay ang pakikipag-usap tungkol dito ngayon ay maaaring maging isa sa pinakamataas na suweldo sa mundo ng computing.
Malayo sa lahat ng ito, ang totoo ay unti unti ang paksa ng artipisyal na katalinuhan ay ipinapataw sa halos lahat ng mga sektor na nauugnay sa computing, sa internet ng mga bagay o mga social network, upang banggitin ang ilan sa mga sektor kung saan Mukhang ang anumang gumagamit, bagaman kung minsan nang hindi ko nalalaman ito, gumagamit ng ganitong uri ng software platform. Sa puntong ito, dapat pansinin na hindi lamang sa mga sektor na ito ang ipinapataw ng artipisyal na katalinuhan ngunit unti unti itong sumusulong sa iba pang mga siyentipikong lugar bilang, sa kasong ito, ang pag-unlad ng mga bagong gamot.
Ang isang koponan mula sa MIT ay nagtagumpay sa pagdidisenyo ng software na may kakayahang lumikha ng mga bagong gamot
Ang isa sa mga pangunahing problema na kinakaharap ng sektor ng parmasyutiko, kung maaari itong matawag na, ay kinakailangan pa rin ang pagbuo ng mga bagong molekula, isang bagay na kinakailangan upang lumikha ng mga bagong gamot, ay isinasagawa nang manu-mano. Ang isang proseso na nagtataka ay pareho pareho upang lumikha ng isang ganap na bagong gamot at isang ebolusyon ng isang mayroon nang upang mapabuti ang mga katangian nito.
Talaga at nang hindi napupunta sa labis na detalye, kung ano ang ginagawa ng mga chemist sa ganitong uri ng proseso ay upang pumili ng isang Molekyul na ang potensyal ay kilala upang labanan ang isang napaka-tukoy na sakit. Ang isang serye ng mga manu-manong pagsasaayos ay ginawa sa napiling molekulang ito upang mapahusay ang mga epekto nito. Nanghihinayang ang gawaing ito ay karaniwang tumatagal ng mahabang panahon sa mga chemist para, pagkatapos ng lahat ng gawaing ito, hindi nakukuha ang inaasahang mga resulta.
Ang software na ito ay maaaring makatipid ng maraming trabaho para sa mga chemist na kasangkot sa pagbuo ng isang bagong gamot
Tulad ng nakikita mo, hanggang ngayon ang gawain ng isang chemist kapag nagdidisenyo ng isang bagong gamot ay isang gawain na maaaring maging lubos na nakakabigo, kahit na hanggang ngayon. Sinabi ko ito mula noong Laboratoryo ng Agham sa Kompyuter at Artipisyal na Intelihensiya sa isang magkasanamang gawain sa Kagawaran ng Elektrikal na Teknikal at Agham sa Computer, kapwa kabilang sa Massachusetts Institute of Technology (MIT) pinamamahalaang magdisenyo ng software na may kakayahang i-automate ang proseso ng disenyo ng gamot sa pamamagitan ng paggamit ng mga awtomatikong sistema ng pag-aaral.
Sa panahon ng mga unang pagsubok na natupad sa bagong software, may kakayahang pumili ng mga molekula na may potensyal upang labanan ang isang tiyak na sakit batay sa nais na mga katangian ng gamot para sa baguhin ang mga istrukturang molekular ng pareho upang makamit ang pinakamataas na posibleng potensyal habang nananatiling may bisa sa kemikal.
Sa mga salita ng Rob matheson, MIT na doktor:
Karaniwang tumatagal ang modelo ng data mula sa input na istraktura ng molekular at direktang lumilikha ng mga grapikong grapiko: detalyadong mga representasyon ng isang istrakturang molekular, na may mga node na kumakatawan sa mga atomo at gilid na kumakatawan sa mga bono. Pinaghihiwa-hiwalay mo ang mga grap na iyon sa mga mas maliit na pangkat ng wastong mga pangkat ng pagganap na ginagamit mo bilang 'mga bloke ng gusali' na makakatulong sa iyo na mas tumpak na muling maitayo at mas mahusay na mabago ang mga molekula.
Marami pang mga buwan ng trabaho upang makuha ang software na gumana nang walang anumang problema
Ang negatibong bahagi ng proyektong ito ay ito ay isang trabaho lamang na may maraming pag-unlad na hinaharap. Gayunpaman, kapansin-pansin lalo na ang bagong software na ito ay nakakamit ng mas mabisang mga resulta kaysa sa ibang mga system na idinisenyo upang i-automate ang proseso ng disenyo ng gamot dahil ang lahat ng mga molekula na nilikha sa panahon ng mga pagsubok ay wasto, habang ang iba pang mga tinatanggap na malawak na modelo, magkaroon ng rate ng bisa ng 43%.
Ayon sa mga salita ng Wengong jin, Mag-aaral ng PhD sa Laboratory of Computer Science at Artipisyal na Artipisyal ng MIT:
Ang pagganyak sa likod nito ay upang palitan ang hindi episyentong proseso ng pagbabago ng tao ng pagdidisenyo ng mga Molekyul sa awtomatikong pag-ulit at pagtiyak sa bisa ng mga nabuong molekula.