围绕连接数据和分析应用程序的自动化平台,构建的一项研究工作将集中于推进人工智能和机器学习在生物科学和医学中的应用。
华沙ICM大学和东京系统生物研究所(SBI)之间的研发协议的核心是Garuda连接和自动化平台。Garuda被用来连接各种设备和工具,从共享代码和可视化的开源Jupyter笔记本到生物科学应用程序。
12月14日华沙ICM大学和东京系统生物研究所(SBI)表示,他们将首先专注于人工智能驱动的生物信息学和基因组学,以及计算系统生物学 应用 。
从长远来看,SBI正在寻求推动人工智能研究的前沿,利用Garuda等工具作为平台,开发一种能够自主做出值得诺贝尔奖的科学发现的计算引擎。
SBI目前的研究集中在使用人工智能技术来推进生物科学研究和医疗、医学和气候科学的应用。除了通过Garuda将研究人员与HPC资源连接起来外,与波兰研究人员的合作将使用一个名为Taxila的文本分析平台和一个名为Gandhara的机器学习工具。
这项联合研究工作还将使用Garuda进行“—组学”数据科学应用,这是对基因组学和其他生物科学学科的参考,这些学科越来越依赖于高性能计算机平台、数据分析和人工智能工具。该技术框架的产品包括新的数据管道和其他不受平台限制的工具。
华沙大学数学与计算建模跨学科中心主任马雷克·米哈莱维茨说,这次合作有望推动中欧生物科学研究在生物信息学和生物医学数据科学。Michalewicz在宣布与SBI的合作时说,Garuda代表了“开发和向用户展示某些解决方案的黄金标准”。
他补充道:“我们还计划在新的多云基础设施中加入Garuda,使之成为最佳的多方法、多工具计算解决方案之一。”合作伙伴补充说,他们将在人工智能和其他为生物医学研究量身定做的软件应用上进行合作。
与华沙大学的合作建立在该研究所以前的技术伙伴关系的基础上,包括与新加坡科学、技术和研究机构的合作。
卡塔诺同时担任索尼计算机科学实验室(Sony Computer Science Laboratory)的总裁兼首席执行官,他主张开发人工智能系统,最终在生理学和医学领域贡献诺贝尔奖的科学发现。这项倡议是诺贝尔图灵挑战赛的一部分,该挑战旨在推动人工智能研究的前沿领域,如无监督学习和卡塔诺所称的“机器创造力”
北野道彦这样描述挑战:“我们能制造出赢得诺贝尔奖的机器吗?”
北野还说,这需要说服“诺贝尔委员会在没有注意到这是一个人工智能系统,而不是人类科学家的情况下,授予[一个]人工智能系统诺贝尔奖。”。
第一步是开发“能够完全自主地进行生物医学和生物技术研究从而导致重大发现”的人工智能平台。然后,机器必须能够解释一项发现背后的推理,以及潜在的应用和社会影响,也就是所谓的可解释人工智能。
北野宣称:“我们试图利用人工智能的计算能力来克服和补充人类认知能力的局限性”,创造出北野提倡的“科学发现引擎”。例如,这种自主系统将能够设计和执行科学实验,“重新定义科学发现。”
实现这一愿景所需的技术平台是Garuda,它用于控制计算资产并连接数据分析和模拟工具及组件,包括传感器和其他监控设备。人工智能堆栈包括Gandhara框架,该框架使平台能够使用人工智能模块。
在一个例子中,日本研究人员正在使用Garuda进行生理、细胞和离子通道建模,使用的数据资产包括机器学习模型数据库、医学图像和基因组数据。整个器官的模型可以用于诊断用。
Garuda还被部署在药物发现工作中,将机器学习模型与用于绘制生物网络图的分子整合图相结合。早期使用人工智能工具进行药物发现的努力迄今远未达到预期。