Biohub توسّع Virtual Biology Initiative: 1,8 مليار دولار لبيانات الذكاء الاصطناعي

أعلنت Biohub التزاماً عالمياً بقيمة 1,8 مليار دولار يُفترض أن يجعل البيانات البيولوجية صالحة للتعلم الآلي. ونُشر الإعلان بوصفه توسيعاً لـ Virtual Biology Initiative. والكلمة المفتاحية هنا هي «AI-ready»: فالأموال لا تذهب إلى نماذج جديدة ولا إلى عناقيد GPU، بل إلى البيانات التي تتعلم منها النماذج. وهذه البيانات تحديداً هي أضعف حلقة في علم الأحياء.

ثمة تحفظ مهم. لا يتوافر لدينا من المنشور الأصلي سوى العنوان والرابط ومؤشرات النقاش على Hacker News: 69 نقطة و7 تعليقات. ولا يتضمن هذا الوصف توزيعاً للمبالغ على السنوات، ولا أسماء الشركاء، ولا شروط التمويل. وكل ما يرد أدناه يستند إلى الرقم المؤكد وإلى السياق المعروف لعمل Biohub، لا إلى عرض للنص الكامل للإعلان.

لماذا التركيز على البيانات لا على النماذج

المعماريات الخاصة بعلم الأحياء موجودة بالفعل: فالمحوّلات (transformers) تعمل على متواليات البروتينات، وعلى النسخ (transcriptomes) الخاصة بالخلايا المفردة، وعلى صور الأنسجة. أما عنق الزجاجة فيكمن في مكان آخر. فالبيانات القادمة من مختبرات مختلفة جُمعت ببروتوكولات مختلفة، وعلى أجهزة مختلفة، وبتوسيم مختلف، وتحمل تأثيرات دفعات (batch effects) مختلفة. والنموذج المدرَّب على مجموعة كهذه كثيراً ما يتعلم خصائص المختبر بدلاً من علم الأحياء.

يعني مفهوم «AI-ready» أن البيانات موحَّدة المعايير، ومزوَّدة ببيانات وصفية، وقابلة لإعادة الإنتاج، ومتاحة بصيغة يمكن تحميلها في مسار التدريب دون ستة أشهر من التنظيف اليدوي. وفي مجال ظلت فيه مجموعات البيانات تُجمع لعقود بمنح تُصرف على مختبر واحد في كل مرة، يبدو مبلغ 1,8 مليار دولار كبيراً بسبب هذه المقاربة تحديداً.

ما المعروف عن Virtual Biology Initiative

يشير اسم المبادرة إلى هدفها: نماذج افتراضية للخلايا والأنسجة يمكن بواسطتها التنبؤ بالسلوك قبل إجراء التجربة الفعلية. وسبق لـ Biohub والجهات المرتبطة بها أن اشتغلت على أطالس خلوية مفتوحة ومجموعات كبيرة من بيانات الخلية المفردة، ولذلك يأتي التوسيع امتداداً منطقياً للخط السابق. أما مدى تغيير الالتزام الجديد لحجم العمل فيتوقف على تفاصيل غير متوافرة في وصفنا.

المعطيات المعروفة عن الإعلان:

• الحجم: 1,8 مليار دولار، أُعلن التزاماً عالمياً.
• وجهة الاستثمار: بيانات بيولوجية مُعدّة لتدريب الذكاء الاصطناعي.
• الصيغة: توسيع لـ Virtual Biology Initiative القائمة أصلاً.
• ردّ فعل المجتمع: 69 نقطة و7 تعليقات على Hacker News، أي أن الاهتمام موجود لكن لا يوجد نقاش صاخب حتى الآن.
• غير معلن: أفق التمويل، وحصص الشركاء، وترخيص البيانات، وقائمة المؤسسات.

ما الذي ينبغي متابعته لاحقاً

لا تكمن أهمية المبلغ الكبير المخصص للبيانات في حجمه بحد ذاته. فشروط الوصول هي التي تحسم الأمر. إذا كانت المجموعات مفتوحة وموحَّدة المعايير، فسيتمكن من استخدامها المجموعات الأكاديمية وشركات التقنية الحيوية الناشئة الصغيرة. أما إذا كانت مغلقة أو مقيّدة بقيود صارمة، فسيستفيد منها في المقام الأول المشاركون في المبادرة.

وعملياً، يفيد الفرق العاملة عند تقاطع الذكاء الاصطناعي وعلوم الحياة أن تتحقق في الإعلان الأصلي من أربعة أمور. الأول: الترخيص وآلية الوصول إلى البيانات. الثاني: صيغ البيانات الوصفية ومخططاتها، فتكلفة التكامل تعتمد عليها. الثالث: أنواع البيانات ذات الأولوية: نسخ الخلية المفردة (transcriptomics)، أم البروتينات، أم التصوير، أم المقاطع السريرية. الرابع: هل تُتاح موارد حاسوبية للباحثين الخارجيين، أم سيتعين عليهم توفير مواردهم الخاصة.

وعلى من يبني نماذج لعلم الأحياء أن يدرج في خططه مسبقاً إعادة التدريب على مجموعات جديدة وأنظف. فإن وفت المبادرة بما أعلنته، فستتحسن جودة البيانات الأساسية أسرع من جودة المعماريات، وستكون الأفضلية لمن يسارع إلى الاتصال بالمصادر الموحَّدة قبل غيره.