در ژانویه سال گذشته، شرکت بیوتکنولوژی آلمانی BioNTech استارت‌آپ هوش مصنوعی آفریقایی Instadeep را به قیمت بیش از 550 میلیون دلار خریداری کرد، معامله‌ای که در جولای همان سال نهایی شد. Instadeep که در حال حاضر بزرگترین خروجی آن از آفریقا است، بیش از یک سال است که زیر چتر داروسازی آلمان فعالیت می کند. اکنون زمان خوبی است تا ببینیم از زمان خرید تا کنون چگونه بوده است.

Instadeep از تکنیک های پیشرفته یادگیری ماشین برای وارد کردن هوش مصنوعی به برنامه های سازمانی استفاده می کند. محصولات آن از بینش‌های شتاب‌دهنده GPU تا سیستم‌های تصمیم‌گیری خودآموز را شامل می‌شود. قبل از خرید در سال گذشته، استارت‌آپ هوش مصنوعی سازمانی متولد تونس و پاریس، لندن، بیش از 108 میلیون دلار از چندین سرمایه‌گذار جهانی از جمله گوگل، دویچه بان و BioNTech جمع‌آوری کرد. این سه استراتژی از بزرگترین شرکا و مشتریان این استارتاپ نیز بودند.

شایان ذکر است، این استارت‌آپ یک دهه با BioNTech برای توسعه یک سیستم هشدار اولیه که می‌تواند انواع پرخطر COVID-19 را ماه‌ها زودتر در طول همه‌گیری تشخیص دهد، همکاری کرد. Instadeep با Google DeepMind همکاری کرد تا یک سیستم تشخیص زودهنگام شیوع ملخ صحرا در آفریقا ایجاد کند. همچنین در پروژه مهتابی برای خودکار کردن برنامه ریزی راه آهن برای Deutsche Bahn، بزرگترین اپراتور راه آهن در اروپا، همکاری کرد.

در حالی که این مشارکت‌ها کاربردهای مختلفی را برای راه‌حل‌های Instadeep نشان می‌دهند، خریدار آن یک مورد استفاده واضح داشت: استفاده از هوش مصنوعی برای توسعه درمان‌ها و واکسن‌ها برای سرطان‌های مختلف و بیماری‌های عفونی - چیزی که اکنون تحت مالک جدیدش دو برابر می‌شود.

15 ماه پس از تکمیل خرید BioNTech، کریم بیگویر، یکی از بنیانگذاران و مدیرعامل، در مصاحبه ای به TechCrunch بيان کرد که Instadeep پیشرفت چشمگیری در این زمینه داشته است، حتی با وجود اینکه شرکت هوش مصنوعی - که به طور مستقل به فعالیت خود ادامه می دهد - هنوز راه حل هایی را به مشتریان خارج از کشور ارائه می دهد. بیوتکنولوژی

رئیس Instadeep گفت: "ما از نظر استراتژیک با BioNTech در راستای اهدافی که در زمینه زیست شناسی و قابلیت های هوش مصنوعی زیستی باید دنبال شود، همسو هستیم." اما ما همچنین فضایی برای مانور داریم و همچنان به نیرویی در هوش مصنوعی در آفریقا و به طور کلی ادامه می‌دهیم و در عین حال به توسعه فناوری‌هایی ادامه می‌دهیم که مرزهای نوآوری را در سایر بخش‌های عمودی مانند بهینه‌سازی صنعتی پیش می‌برند.»

افزایش قابلیت ها در بیوتکنولوژی

بیگویر خاطرنشان می کند که هدف Instadeep در سال گذشته از زمان خرید آن، استقرار هوش مصنوعی در هر مرحله از خط لوله BioNTech برای بهبود فرآیندهای موجود بوده است.

او نمونه ای را در بافت شناسی به اشتراک می گذارد که شامل تجزیه و تحلیل بافت و کار بصری برچسب زدن بافت های مختلف، مانند شناسایی سلول های تومور یا سلول های سالم است. به گفته وی، کارشناسان BioNTech به طور سنتی این کار را به صورت دستی انجام می دادند. با این حال، فناوری Instadeep با استقرار هوش مصنوعی بصری و سیستم‌های تقسیم‌بندی به تسریع این فرآیند کمک کرده است و این روند کار برچسب‌گذاری بافت‌ها را تا 5 برابر افزایش می‌دهد.

مورد دیگر تکمیل پروژه RiboMab است که شامل آنتی‌بادی‌های کدگذاری شده با mRNA است که اکنون به بخشی از جعبه ابزار BioNTech به عنوان یک شرکت ایمنی درمانی برای مبارزه با سرطان و سایر بیماری‌ها تبدیل شده‌اند. InstaDeep این پروژه را در پلتفرم DeepChain خود که به طراحی پروتئین ها و تجزیه و تحلیل داده های بیولوژیکی می پردازد، در اولین همکاری خود در سال 2020 معرفی کرد.

بیوتکنولوژی شامل انبوهی از داده های حساس مراقبت های بهداشتی است. جمع آوری و تجزیه و تحلیل آنها یک چیز است. ایمن نگه داشتن آنها نیز چیز دیگری است. فقط از 23andMe بپرسید، که زمانی به عنوان یک اخلالگر در فضای بیوتکنولوژی معرفی می شد، قبل از اینکه قربانی یک رخنه گسترده شود که داده های نزدیک به 7 میلیون نفر، یعنی نیمی از مشتریانش را فاش کرد.

جالب اینجاست که BioNTech با چنین رویدادهایی غریبه نیست. در سال 2020، هکرها به طور غیرقانونی به اسناد مربوط به واکسن کووید-19 آن که با فایزر ساخته شده بود، با حمله به آژانس دارویی اروپا (EMA)، تنظیم کننده داروهای اروپا، که داروها و واکسن ها را ارزیابی می کند، دسترسی پیدا کردند. در حالی که Pfizer و BioNTech تأیید کردند که سیستم‌ها و داده‌های آزمایشی آن‌ها ایمن باقی مانده‌اند، این حادثه نشان می‌دهد که سازمان‌ها، حتی سازمان‌های نظارتی، چقدر می‌توانند در برابر حملات سایبری آسیب‌پذیر باشند.

همانطور که هر مدیر عاملی می گوید، Beguir به من می گوید که Instadeep و BioNTech در مورد داده های مراقبت های بهداشتی بسیار محتاط هستند، به خصوص که این شراکت در حال حاضر از هوش مصنوعی برای افزایش دارایی های داده استفاده می کند، به آنها اجازه می دهد توالی پروتئین دقیق را شناسایی کنند و به طور بالقوه اهداف جدیدی را برای سرطان و سایر ایمونوتراپی باز کنند. موارد استفاده

اما یک تقسیم بندی در داده هایی که هر دو شرکت استفاده می کنند وجود دارد. BioNTech داده‌های شخصی و واقعی بیمار را مدیریت می‌کند و Instadeep معمولاً مدل‌هایی را توسعه می‌دهد و آنها را بر روی داده‌های در دسترس عموم آموزش می‌دهد. به عنوان مثال، اینگونه بود که ترانسفورماتور نوکلئوتیدی خود را آموزش داد، یک سری مدل در ژنومیک هوش مصنوعی، که امروزه دانلود شده ترین و محبوب ترین مدل ژنومیک هوش مصنوعی در جهان است. [تا حدی از این معامله منبع باز تشکر می کنم.]

Beguir خاطرنشان می کند: «Instadeep مدل نوکلئوتیدی را بر روی داده های عمومی توسعه داد و آموزش داد. با این حال، زمانی که می‌خواستیم این مدل را بر روی موارد استفاده خاص و داده‌های بیمار در زندگی واقعی مستقر کنیم، این کار را در سطح BioNTech انجام دادیم، با تمام ضمانت‌های حفظ حریم خصوصی ناشی از موقعیت آن به عنوان یکی از بازیگران پیشرو در biopharma که تحت شرایط سخت‌گیرانه کار می‌کند. مقررات و پیروی از پروتکل های کیفیت دقیق.

توسعه فناوری های جدید در BioNTech و خارج از بیوتکنولوژی

به گفته این شرکت، وقتی از Beguir پرسیده شد که نقاط عطف بعدی برای Instadeep در BioNTech چه خواهد بود، به "آخرین پیشرفت" این استارت آپ اشاره می کند: شبکه های جریان بیزی (BFN)، یک مدل هوش مصنوعی مولد جدید برای پروتئین ها که به طور قابل توجهی از مدل های اتورگرسیو و انتشار بهتر عمل می کند. مدیر عامل BioNTech، اوگور شاهین، در بیانیه ای، آن را به عنوان یک "فناوری پیشرفته" توصیف می کند.

به گفته Beguir، این مدل با اجازه دادن به سیستم‌ها برای جستجوی خواص خاص روی زنجیره سنگین آنتی‌بادی، از جمله آپشن های شیمیایی، آبگریزی، یا طول توالی، طبیعی‌ترین و بهترین پروتئین‌های پروتئینی را در بازار تولید می‌کند. چنین مدل هایی برای درک عملکردهای پیچیده پروتئین و مهندسی پروتئین های درمانی جدید بسیار مهم هستند.

Beguir گفت: "ما در مورد پتانسیل نوآوری های هوش مصنوعی مانند ما برای شناسایی موارد استفاده واقعی، همکاری نزدیک با BioNTech و ساخت محصولاتی که در آزمایشگاه ها و کلینیک ها آزمایش می شوند و در نهایت جان بیماران را نجات می دهند، هیجان زده ایم." «اگر در نظر بگیرید که ما امروز در زیست‌شناسی و هوش مصنوعی کجا هستیم، مشابه جایی است که با پردازش زبان طبیعی در سال 2020 با GPT-3 بودیم. سیستم‌ها شروع به کار کردند و قابلیت‌های آن‌ها چشمگیر بود، اما هنوز جای پیشرفت وجود داشت.»

Instadeep مدل جدید هوش مصنوعی را هفته گذشته در کنار یک ابررایانه جدید تقریباً اگزا عرضه کرد که به گفته شرکت‌ها، این شراکت را در 100 برتر محاسبات و زیرساخت و 20 خوشه برتر پردازنده‌های گرافیکی H100 در سطح جهان قرار می‌دهد.

هر دو پیشرفت نشان می‌دهند که Instadeep، تحت BioNTech، هوش مصنوعی را در چندین مورد استفاده از علم زندگی به کار می‌گیرد. از سوی دیگر، به طور مستقل دیگر خط تجاری خود را که شامل هوش مصنوعی و یادگیری تقویتی عمیق برای بهینه سازی صنعتی است، مدیریت می کند.

یکی از نمونه ها پروژه 12 ساله در حال انجام آن برای خودکارسازی برنامه ریزی و اعزام راه آهن برای دویچه بان، یکی از شرکای دیرینه آن و بزرگترین اپراتور ریلی اروپا است. به طور مشابه، شرکت هوش مصنوعی مستقر در تونس و لندن تلاش‌ها را برای توسعه سایر موارد استفاده بهینه‌سازی صنعتی، مانند همکاری با فراپورت در آلمان برای بهینه‌سازی عملیات پیچیده فرودگاه با هوش مصنوعی، تقویت کرده است.

به طور کلی، ما همچنین پتانسیل عوامل هوش مصنوعی را برای آینده بسیار قانع کننده می بینیم. ما فکر می‌کنیم که بهینه‌سازی صنعتی و سیستم‌های مبتنی بر عامل، دست در دست همکارهای انسانی، کارایی صنعتی را متحول خواهند کرد. پس این نیز حوزه دیگری است که ما سال ها در آن بوده ایم و در آن به سرمایه گذاری ادامه می دهیم."

در همین حال، Instadeep، اوایل این ماه، نسخه حرفه‌ای محصول DeepPCB (برد مدار چاپی عمیق) خود را عرضه کرد، یک طراحی سخت‌افزاری یا برد مدار چاپی که به طور کامل با هوش مصنوعی مستقل و با یادگیری تقویتی در سانفرانسیسکو کمک می‌کند. Beguir او میگوید رقبای این شرکت، استارت‌آپ‌های کوچک‌تر هوش مصنوعی در حوزه‌های خاصی مانند Intelmatix مستقر در ریاض هستند.

رئیس Instadeep به کار شرکتش در حل موارد استفاده پیچیده‌تر از هوش مصنوعی - به عنوان مثال، Gen AI برای DNA یا پروتئومیکس یا جریان‌های کاری عامل برای بهینه‌سازی ترکیبی - و دوری از موارد ساده مانند Gen AI برای NLP افتخار می‌کند. او ادعا می‌کند که علاوه بر خرید BioNTech، این نبوغ نقش قابل‌توجهی در جلب علاقه ورودی مشتریان در ایالات متحده دارد، جایی که شرکت هوش مصنوعی در حال حاضر دارای دو دفتر است، و همچنین در سراسر اروپا: برلین، پاریس و به ویژه بریتانیا.

حتی اگر BioNTech 500 میلیون دلار روی Instadeep هزینه کرد تا قابلیت‌های بیوتکنولوژی خود را تقویت کند، اما به دلایلی مانند این شرکت هوش مصنوعی را از نظر عملیاتی مستقل نگه می‌دارد و در عین حال فعالیت‌هایش را برای خدمت به مشتریان فراتر از صنعت بیوتکنولوژی تامین می‌کند.

بگویر در پاسخ به این سوال که چرا BioNTech هنوز به شرکت هوش مصنوعی اجازه می دهد تا روی پروژه های غیر بیوتکنولوژیکی کار کند، پاسخ داد: «زیرا ما با پیشرو بودن در هوش مصنوعی به ارزش کمک می کنیم و مهارت های هوش مصنوعی را می توان در بخش های مختلف بهبود بخشید. «این همان پشته فناوری است، پس زمان کار بر روی هوش مصنوعی در خارج از بیوتکنولوژی به هیچ وجه زمان از دست رفته نیست. BioNTech همچنین InstaDeep را بر روی وظایف خارج از تحقیق و توسعه بیوتکنولوژی، مانند بهینه سازی عملیات، مستقر می کند.

Beguir توضیح می‌دهد که اگرچه InstaDeep مجبور به فروش نبود، چشم‌انداز مشترک و پروژه‌های موفق با BioNTech از سال 2019، مدت‌ها قبل از خرید، بود که شرکت هوش مصنوعی را متقاعد کرد تا با این معامله پیش برود. او معتقد است که اعتماد ایجاد شده در طول سال‌ها همکاری باعث می‌شود که InstaDeep تحت BioNTech مستقل باقی بماند. نکته کلیدی برای InstaDeep اکنون این است که شتاب خود را حفظ کند، نتایج با کیفیت بالا را حفظ کند و تا زمانی که ممکن است به نوآوری ادامه دهد.

از زمان خرید، InstaDeep به بیش از 400 کارمند در سراسر جهان افزایش یافته است. این شامل تیم آن در آفریقا است که در یک دفتر جدید در کیگالی مستقر است و کار اطلاعات مکانی این شرکت را رهبری می کند.

Instadeep که در ابتدا تلاشی روی زمین با مشارکت Google برای شناسایی مکان‌های تکثیر ملخ در آفریقا بود، اکنون از داده‌های برچسب قبلی و تصویربرداری ماهواره‌ای برای استنباط با کیفیت بالا و دقت 80 تا 85 درصد استفاده می‌کند که مکان‌های پل ملخ در آن قرار دارند 30 روز آینده Beguir او میگوید InstaGeo، چارچوب این شرکت که از تصویربرداری ماهواره‌ای چندطیفی از ناسا یا آژانس فضایی اروپا (ESA) استفاده می‌کند، منبع باز است و برای سایر شرکت‌ها برای توسعه راه‌حل‌های مقیاس‌پذیر در سراسر قاره در دسترس است.

این یک نمونه واقعی از تاثیرگذاری فناوری و قابلیت هوش مصنوعی است. به‌جای جمع‌آوری نمونه‌ها بر روی زمین یا بسته به زیرساخت‌های زمینی، می‌توانیم این بینش‌ها را از طریق ماهواره‌ها در مقیاس ارائه کنیم و به دولت‌ها و بازیگران متعددی برای مقابله با چالش رو به رشد امنیت غذایی، به‌ویژه با توجه به مسائل آب و هوایی این قاره، اطلاع دهیم.»

خبرکاو