استارتاپ آمریکایی Chai Discovery که در سال ۲۰۲۴ تأسیس شده، در مدت کوتاهی با جذب صدها میلیون دلار سرمایه و امضای قرارداد تازه با شرکت داروسازی الی لیلی، به یکی از شاخصترین بازیگران حوزه کشف دارو با هوش مصنوعی تبدیل شده است. این شرکت کار خود را از دفاتر OpenAI در سانفرانسیسکو آغاز کرد و اکنون بر توسعه مدلهای هوش مصنوعی برای طراحی مولکولها و آنتیبادیهای جدید تمرکز دارد.
قرارداد با الی لیلی و نقش الگوریتم Chai-2
بر اساس گزارش تککرانچ، Chai Discovery اخیراً دور سرمایهگذاری سری B خود را تکمیل کرده و همزمان شراکتی راهبردی با الی لیلی اعلام کرده است. در چارچوب این همکاری، الی لیلی از نرمافزار و الگوریتم Chai-2 برای کمک به طراحی آنتیبادیها و توسعه داروهای نوآورانه استفاده خواهد کرد. تیم Chai این پلتفرم را نوعی «نرمافزار طراحی به کمک کامپیوتر» برای مولکولها توصیف میکند که میتواند مراحل ابتدایی کشف دارو را سریعتر و هدفمندتر کند.
این تحول در زمانی رخ میدهد که بازیگران بزرگ دیگری نیز در حال سرمایهگذاری در همین مسیر هستند. برای نمونه، الی لیلی همزمان اعلام کرده است که با یک شرکت بزرگ حوزه پردازش و سختافزار، آزمایشگاه مشترک کشف دارو مبتنی بر هوش مصنوعی در سنفرانسیسکو راهاندازی خواهد کرد؛ آزمایشگاهی که قرار است دادههای عظیم، توان محاسباتی پیشرفته و تخصص علمی را برای تسریع توسعه داروهای جدید ترکیب کند.
مسیر شکلگیری Chai از OpenAI تا امروز
داستان شکلگیری Chai Discovery به سالها قبل و گفتگوهای بنیانگذاران آن با سم آلتمان، مدیرعامل OpenAI، بازمیگردد. یکی از همبنیانگذاران، جاش مایر، پیشتر روی پروژههای تحقیقاتی OpenAI کار کرده و سپس در شرکتهای دیگری مانند فیسبوک و یک استارتاپ زیستفناوری مبتنی بر هوش مصنوعی تجربهاندوزی کرده بود. او در فیسبوک روی مدلهای ترنسفورمر برای پروتئینها کار کرد؛ مدلی که زمینهساز فناوریهای امروزی Chai به شمار میرود. در نهایت، بنیانگذاران پس از بلوغ بیشتر فناوری، دوباره به آلتمان برگشتند و با حمایت او، Chai را با تیمی کوچک اما متخصص در دفاتر OpenAI راهاندازی کردند.
سرمایهگذاران خطرپذیر معتقدند شرکتهای داروسازی که زودتر با استارتاپهایی مشابه Chai همکاری کنند، شانس بیشتری برای رساندن مولکولهای نوآورانه به مرحله کارآزمایی بالینی خواهند داشت. با این حال، برخی منتقدان همچنان تردید دارند که هوش مصنوعی بتواند بهسرعت چالشهای عمیق و پرهزینه توسعه دارو را حل کند. اگر این مدلها موفق شوند، میتوانند هم زمان کشف مولکولهای جدید را کوتاهتر کنند و هم امکان تولید کلاسهای دارویی دشوار را فراهم آورند.
برای فعالان و علاقهمندان ایرانی حوزه هوش مصنوعی و زیستفناوری، روندهایی مانند Chai نشان میدهد که ادغام مدلهای زبانی و مدلسازی مولکولی چگونه در حال تغییر صنعت دارو است. پژوهشگران، برنامهنویسان و استارتاپها در ایران نیز میتوانند با دنبالکردن این الگوها، از ابزارها و سرویسهای ابری مبتنی بر هوش مصنوعی بهره بگیرند. استفاده از سرویسهای بینالمللی هوش مصنوعی با خرید اکانت های هوشمصنوعی و ابزارهای برنامهنویسی میتواند به تیمهای کوچک کمک کند تا مدلها و ایدههای خود را در مقیاسهای بالاتر آزمایش و پیادهسازی کنند.
منبع خبر: TechCrunch
