Jismoniy sunʼiy intellekt joriy yilda texnologiyalar sohasidagi eng katta konsensusli investitsiya yoʻnalishidir. Investitsion kapital AI qanday qilib jismoniy dunyo bilan oʻzaro taʼsirlashiga eʼtibor qaratib, avtonom haydash, global modellar va AI ni fan sohasida qoʻllashni qamrab olmoqda.
Avtonom haydash va jismoniy AI yoʻnalishlari tezkor taraqqiyot koʻrsatayotgan boʻlsa-da, fan va dorilar kashf etish uchun AI sohalari katta dastlabki jamoatchilik takliflariga (IPO) qaramay, toʻxtab qolgandek tuyulmoqda. Yaqinda BCG dan kelgan salbiy signal bor: global miqyosda AI asosidagi farmatsevtika uchun 60 milliard dollar investitsiya qilingan, ammo tasdiqlangan dori vositalarining soni nolga teng.
Optimizm choʻqqisi 2025-yil oxirida Insilico Medicine ning Hong Kongdagi IPO bilan erishildi. Deyarli bir vaqtning oʻzida Google DeepMind sakkiz yil barqaror faoliyatdan soʻng AlphaFoldni yaratgan jamoani ishdan olib, AI4S saʼy-harakatlarini Gemini asosidagi umumiy tadqiqot tizimiga yoʻnaltirdi. Koʻplab biotexnologik kompaniyalar yangi dorilar ishlab chiqish oʻrniga, mavjud farmatsevtika uchun AI yordamida xizmat koʻrsatadigan shartnomaviy tadqiqot tashkilotlari (CRO) sifatida qaytdi.
Raqamli gipotezalarni yaratish va jismoniy gipotezalarni tekshirish oʻrtasidagi kengayib borayotgan tafovut aniq boʻldi. Cheklov hisoblash quvvati yoki algoritmlarda emas; muammo maʼlumotlardadir. AlphaFold yarim asr eksperimentlari natijasida yuz minglab yuqori sifatli oqsil tuzilmalarini olish orqali muvaffaqiyatga erishdi. Biroq, maʼlumotlar toʻsiq har bir keyingi darajada paydo boʻladi: tuzilishdan samaradorlikka, samaradorlikdan toksiklikka va toksiklikdan klinik javobgacha.
Tsinghua Global Dori Kashif Etish Markazi direktori Din Shen taʼkidlaganidek, model arxitekturalari va hisoblash quvvatlari yetarlicha yetuklikka erishgan, ammo hayotning asosiy mexanizmlarini tushunish hali toʻliq emas. Chuqurroq muammo shundaki, bunday maʼlumotlarni inson tajribachilari yordamida yigʻish imkonsizdir. Tadqiqotchi kuniga oʻnlab tajriba oʻtkazishi mumkin, ammo AI oʻnlab millionlarni talab qiladi.
Oldinga borishning yagona yoʻli tajribani qayta loyihalashdir: maʼlumotlarni yaratish, ularni toʻplash va siklni mustaqil yakunlashga qodir vositalar yaratish. 2016-yilda tashkil etilgan MegaRobo kompaniyasi soʻnggi oʻn yildan beri aynan shu gʻoyani amalga oshirish ustida ishlamoqda.
MegaRobo hayotiy fanlar laboratoriyalaridagi ish jarayonlarini avtomatlashtirishdan boshlab, jismoniy tajribalarni AI bilan bogʻlaydigan infratuzilmani asta-sekin yaratdi. Boshqaruvchi va Bosh ijrochi Juan Yucing avtomatlashtirishni 'insonlarni takrorlanuvchi past qiymatli va yuqori aniqlik talab qiladigan imkonsiz ishdan ozod qilish' jarayoni deb taʼriflaydi, soʻngra oʻrganish va fikrlashni qoʻshadi. Kompaniyaning toʻliq stack PCE arxitekturasi Idrok, Konsept va Ijroni bogʻlaydi. Farmatsevtika sohasidagi mijozlardan biri olti oy davomida uchta toʻliq dizayn-tasdiqlash-iteratsiya siklini amalga oshirdi va bitta sikl narxini anʼanaviy siklning taxminan yigirma yoki oʻttiz qismi darajasiga tushirdi.
Infratuzilma uch bosqichda qurildi. 1.0 bosqichi qoʻlda ish jarayonlarini avtomatlashtirdi va MegaRoboga hayotiy fanlardagi jarayonlarni chuqur tushunishni taʼminladi. 2.0 bosqichi yarimoʻtkazgichlar ishlab chiqarishdagi siklni stress-testdan oʻtkazdi, bu yerda aniqlik va mahsulot chiqishi talablari juda qattiq. Manavis plitalardagi nuqta kamchiliklarini tekshirish tizimi endi 0,05 foizdan kam xatoliklarni oʻtkazish va 0,1 foizdan kam qayta aniqlash koʻrsatkichlari bilan ishlaydi, klassifikatsiya aniqligi esa 98 foizdan oshadi. 3.0 bosqichi AI uchun dastlab loyihalashtirilgan har bir mahsulotni, kremniy bilan boshlab, toʻliq qayta qurish bilan shugʻullanadi, inson uchun emas, balki AI isteʼmoli uchun vositalar ishlab chiqadi. Laboratoriyada idrokdan ijrogacha boʻlgan siklni nazorat qiluvchi kompaniya nihoyatda barcha ilmiy AI modellari murojaat qiladigan daraja boʻladi.



