Стартап у галузі штучного інтелекту Insilico Medicine запускає «тренажер» на базі ШІ, щоб допомогти моделям, таким як GPT і Qwen, бути успішними у науці

Insilico Medicine, компанія з США, яка котирується на Гонконгській біржі та спеціалізується на штучному інтелекті для відкриття ліків, запускає нову послугу, яка навчить універсальні великі мовні моделі, такі як GPT від OpenAI або Qwen від Alibaba, виконувати завдання у галузі біології та хімії.

Рекомендоване відео

Загальні моделі «катастрофічно» провалюються на бенчмарках, що використовуються для оцінки здатності ШІ виконувати наукові завдання, розповів Fortune засновник і генеральний директор Insilico Алекс Жаворонков. «Ви тестуєте її п’ять разів на одне й те саме завдання, і видно, що вона дуже далека від сучасних стандартів… Вона фактично гірша за випадковий вибір. Це повна нісенітниця.»

Значно кращі — спеціалізовані моделі ШІ, які навчені безпосередньо на даних з хімії або біології. Але ці моделі часто не дозволяють користувачу вводити запити простим мовленням, як це можливо з універсальними моделями, і також не мають здатності виконувати завдання, що виходять за межі спеціалізованих наукових функцій.

Тут на сцену виходить новий «Science MMAI Gym» від Insilico, створений для перетворення універсальної великої мовної моделі у щось, що може працювати так само добре, як і спеціалізовані моделі.

Цей тренажер є частиною довгострокового плану Insilico щодо створення «фармацевтичної суперінтелектуальності». Стартап входить до групи біотехнологічних компаній, які прагнуть використовувати машинне навчання та штучний інтелект для дослідження та розробки нових ліків. Але з допомогою «тренажеру» Insilico тепер орієнтується на інші біотехнологічні та фармацевтичні компанії, пропонуючи їм навчання нових моделей ШІ.

Insilico навчить моделі, використовуючи комбінацію галузевих датасетів, моделей винагороди та підкріплювального навчання, і стверджує, що цей процес може покращити продуктивність моделі до 10 разів у порівнянні з ключовими бенчмарками у хімії та біології, а також наблизити її до показників моделей, спеціально розроблених для цих наукових завдань.

Але чому компанія вирішить навчати універсальну модель замість використання спеціалізованої? Причина — гнучкість: спеціалізована модель дуже добре виконує одне завдання — наприклад, відкриття ліків — але не може виконувати інші. У той час як навчена універсальна модель, навіть якщо вона не досягає рівня спеціалізованої, зберігає здатність виконувати багато інших завдань. Це означає, що стартап може покладатися лише на одну велику модель, замість набору спеціалізованих.

«Якщо модель маленька, вона починає забувати деякі з більш примітивних завдань, для яких її створювали», — каже Жаворонков. «Якщо модель велика, цієї проблеми немає.»

Жаворонков визнає, що навіть універсальні моделі, які пройдуть через тренажер Insilico, все одно не будуть працювати так добре, як найкращі сучасні спеціалізовані моделі. «Щоб вони могли мислити у термінах молекулярних симуляцій, їм потрібно розуміти і бачити фізику. Мова для цього не зовсім підходить, тому вони будуть трохи гіршими порівняно з передовими фізичними моделями», — пояснює він, хоча очікує, що це покращиться у найближчі роки.

Проте, оскільки великі мовні моделі стають все поширенішими — і все більше стартапів їх використовують — Жаворонков каже, що він прагне зробити Insilico «найкращим тренером цих моделей». Він вже веде переговори з потенційними клієнтами щодо програми навчання, хоча не називає конкретних імен, зазначаючи, що звертався до «топових гравців у цій галузі у США».

Insilico, Гонконг і біотехнології

Заснована у 2014 році, Insilico прагне стати однією з перших компаній, яка пройде клінічні випробування та виведе на ринок ліки, створені цілком за допомогою ШІ. Одним із головних напрямків компанії є розробка препарату для боротьби з ідіопатичним фіброзом легень — станом, при якому в легенях утворюється рубцева тканина, ускладнюючи дихання. Компанія повідомила, що їй вдалося вивести свій препарат на клінічні випробування всього за 18 місяців, що значно швидше за середній термін у чотири роки для традиційних біотехнологічних компаній. Минулого року препарат завершив другий етап клінічних досліджень, і дослідники дійшли висновку, що результати потребують «подальшого дослідження у масштабніших та триваліших клінічних випробуваннях».

Insilico також працює над іншими захворюваннями, зокрема запальним захворюванням кишечника, а також досліджує нові препарати для боротьби з раком і GLP-1.

У грудні Insilico залучила 2,3 мільярда гонконгських доларів (295 мільйонів доларів США) під час первинного публічного розміщення акцій (IPO), що стало найбільшим біотехнологічним дебютом у Гонконгу у 2025 році. IPO залучила компанії, такі як Eli Lilly, Tencent і Oaktree, які виступили в ролі ключових інвесторів.

Акції стартапу злетіли з моменту їхнього початку торгів на Гонконгській фондовій біржі 30 грудня. На 16 січня їхня вартість становить понад удвічі більше за ціну IPO — 54.75 гонконгських доларів (7.02 долара США), тоді як початкова пропозиція складала 24.05 гонконгських доларів (3.08 долара США).

Індекс Hang Seng Biotech, який відстежує 30 найбільших біотехнологічних компаній, котрі котируються у Гонконгу, за останні 12 місяців виріс на 100%, значно випереджаючи приріст бенчмаркового індексу Hang Seng, що склав 37%.

Insilico не є єдиним стартапом у галузі ШІ, чиї акції на Гонконгській біржі зросли за останні тижні. Акції китайського стартапу MiniMax, що займається споживчим ШІ, зросли на 160% з моменту початку торгів 9 січня. Також акції дизайнера чипів Biren піднялися більш ніж на 90% від ціни IPO.

Проте інвестори в США та Китаї задаються питанням, чи зможе бум ШІ тривати довго. Хоча Жаворонков стежить за можливістю формування «піку штучного інтелекту» на фондових ринках, він оптимістично налаштований щодо того, що відкриття ліків за допомогою ШІ буде менш вразливим до «піку» у порівнянні з іншими галузями. «Люди можуть обійтися без голосового помічника або фільмів, згенерованих ШІ. Але без ліків — ні.»