চীনা লাইফ সায়েন্স এআই মডেল জিনএলএলএম এর 'বায়োলজিক্যাল ডিপসিক' হিসেবে উভয়ত দেখা গেছে

ডিপসিক -V4-Flash-এর অফিসিয়াল ভার্সন সাম্প্রতিক সময়ে বিশ্বব্যাপী জেনারেল-পারপাস মডেল কমিউনিটিকে আঘাত করেছে, এবং চীনা লাইফ সায়েন্স ভার্সন Deepseek তার পরই এসেছে।

সাম্প্রতিক সময়ে, জিনডু বায়োসায়েন্স (যা ৪ জন অক্সফোর্ড বিশ্ববিদ্যালয় থেকে ফিরে আসা বিশিষ্ট শিক্ষার্থীদ্বারা প্রতিষ্ঠিত) তাদের নিজস্ব উন্নয়নকৃত লাইফ সায়েন্স স্পেসিফিক GeneLLM মাল্টি-অমিক্স লার্জ মডেলটি আন্তর্জাতিক শীর্ষস্থানীয় বৈজ্ঞানিক পত্রিকা—《Nature Communications》 এবং 《Advanced Science》-এ প্রকাশিত হয়েছে।

গিনিলেম হল বিশ্বের প্রথম মাল্টি-অমিক্স বড় মডেল যা সরাসরি অমিক্স অরিজিনাল ডেটা ব্যবহার করে প্রি-ট্রেন করা হয়েছে। গুগলের অ্যালফাফোল্ড এবং স্ট্যানফোর্ড বিশ্ববিদ্যালয়ের ইভো 2-এর পরে, গিনিলেম চীনা জীববিজ্ঞানের মৌলিক বড় মডেলের ফাঁকটি পূরণ করে, যা চীনা জীববিজ্ঞানের ডিপসিকের মতো, যা AI-কে জীবনের বিভিন্ন 'ভাষা' এবং সম্পূর্ণ 'সিস্টেম' বুঝতে শেখায়।

রোগ শনাক্তকরণ হল জিনএলএলএমের একটি প্রয়োগের ক্ষেত্র মাত্র, জিনডু বায়োসায়েন্স যা করতে চায় তা হল জীববিজ্ঞান ক্ষেত্রের জন্য একটি 'ক্লাউড কোড' তৈরি করা।

ChatGPT, Claude, ডিপসিক বড় ভাষা মডেলের মূল হল পরবর্তী টোকেন পূর্বানুমান।

GeneLLM-এর ধারণা একই রকম, কিন্তু এটি পাঠ্যের পরিবর্তে জীবন তথ্য পূর্বানুমান করে।

RNA সিকোয়েন্সের চারটি ক্ষারক—এডিনিন (A), ইউরাসিল (U), গুয়ানিন (G), সাইটোসিন (C)—GeneLLM-এর জন্য জীবনের ভাষা বুঝতে প্রাথমিক টোকেন হয়ে উঠেছে।

প্রাচীন বায়োইনফরমেটিক্স বিশ্লেষণ সাধারণত জিন অ্যানোটেশন, সিকোয়েন্স অ্যালাইনমেন্ট এবং ম্যানুয়ালি সংজ্ঞায়িত লেবেলের উপর নির্ভর করে। এই পদ্ধতিটি যদিও সঠিক, তবে এটি মডেলের চেতনার পরিধি আগে থেকেই সীমাবদ্ধ করে দেয় এবং মূল ডেটার মধ্যে লুকিয়ে থাকা অজানা জীববৈচিত্র্য সংকেতগুলি হারিয়ে ফেলতে পারে।

জিনেএলএলএম তারপর অন্য পথে যায়, যেখানে এটি অপ্রক্রিয়াজাত মূল ক্রমানুক্রমন ডেটা থেকে জীবনের নিয়মগুলি শেখে।

এটি আরএনএ গ্রুপ, প্রোটিওম, মেটাবোলোম ইত্যাদি মাল্টিওমিক্স মূল ডেটা ব্যবহার করে ট্রেনিং করে মডেলকে রোগ-সংক্রান্ত প্যাটার্ন নিজে চিনতে সক্ষম করে।

বর্তমানে, GeneLLM এর 15 বিলিয়ন প্যারামিটার এবং 3.5 ট্রিলিয়ন ক্ষার সিকোয়েন্সের মডেল প্রি-ট্রেনিং সম্পন্ন হয়েছে, XLarge সংস্করণটি 300 বিলিয়ন প্যারামিটারের মডেল প্রি-ট্রেনিং অর্জন করেছে এবং প্রযুক্তিগত বাধা অব্যাহতভাবে বৃদ্ধি পাচ্ছে।

মূল ক্রমানুক্রমন ডেটা দিয়ে প্রিট্রেইন করা প্রথম বিশ্বব্যাপী মাল্টি-অমিক্স বড় মডেল হিসাবে, জিনেএলএলএম-এ দুটি পর্যায় রয়েছে:

(1) অনুপলব্ধ প্রশিক্ষণ এবং প্রোটোটাইপ খনন

(2) রোগী-স্তরের রোগ ফাইন-টিউনিং (Disease Tuning)

GeneLLM-এর প্রথমে একটি সমস্যা সমাধান করতে হবে:

জটিল জীবন ডেটাকে কীভাবে এআই বুঝতে পারে এমন ভাষায় রূপান্তর করবেন?

প্রাকৃতিক ভাষা প্রক্রিয়াকরণে, BPE অ্যালগরিদম বাক্যকে টোকেনে বিভক্ত করে; এবং GeneLLM প্রায় 150 bp দীর্ঘ RNA সিকোয়েন্সিং ফ্রাগমেন্টকে 7 টি ক্ষারক বিশিষ্ট স্লাইডিং উইন্ডো (7-mer) দ্বারা লাইফ টোকেনে বিভক্ত করে।

তারপর, মডেলটি ট্রান্সফরমার আর্কিটেকচার ব্যবহার করে, জিনোমিক অ্যানোটেশন এবং মানব লেবেল ছাড়াই পরবর্তী বেস পূর্বানুমান করে।

এর অর্থ হলো এআই মানুষ দ্বারা সংগঠিত একটি «অভিধান» দেখার পরিবর্তে সরাসরি জীবনের মৌলিক সংকেত থেকে শিখছে।

প্রশিক্ষণের সময়, জিনএলএলএম প্রায় দশ ট্রিলিয়ন RNA রিডস প্রক্রিয়া করেছে এবং একটি শত-কার্ড ক্লাস্টার NVIDIA A100 GPU-এ প্রশিক্ষণ করা হয়েছে।

এখন থেকে GeneLLM-এর সাধারণীকরণ ইত্যাদি ক্ষমতা শুরু হচ্ছে।

জিনেLLM এই দেশীয় জিনোমিক্স মডেলটি নতুন ওষুধ গবেষণা, প্রিসিশন মেডিসিন, সিনথেটিক বায়োলজি, পরিবেশ মনিটরিং, মাইক্রোবিয়াল এবং বায়ো-কৃষি, প্রোটিন এবং মোলিকুলার ডিজাইনের মতো অনেকগুলি ক্ষেত্রে ব্যবহার করা যেতে পারে, যা বাস্তব পরিস্থিতিতে বাস্তবায়িত বড় মডেলগুলির মধ্যে বিশ্বব্যাপী অল্প সংখ্যক।

GeneLLM-এর ডেটা, আর্কিটেকচার, ট্রেনিং ইত্যাদি মৌলিক উদ্ভাবনগুলি পর্যালোচনা করার পরেই আমরা বুঝতে পারি: এটি চীনের «জীববিজ্ঞান সংস্করণ» কেন প্রতিনিধিত্ব করে ডিপসিক 」।

সিলিকন ভ্যালি হাজার হাজার H100 দিয়ে ট্রিলিয়ন প্যারামিটার গড়ে তুলেছে, ডিপসিক অ্যালগরিদমিক উদ্ভাবনের মাধ্যমে ক্যালকুলেশন দক্ষতা বাড়িয়ে, জিনেএলএলএমও একইভাবে কোটি কোটি জীববিজ্ঞান ডেটা নিয়ে কাজ করে।

যদি আলফাফোল্ড এআইকে জীবনের "গঠন" বুঝতে সক্ষম করে থাকে, এভো২ এআইকে জীবনের "কোড" বুঝতে শেখায়, তবে জিনএলএলএম জীবনের "সিস্টেম" বুঝতে আরও এগিয়ে যাওয়ার চেষ্টা করছে।

আরও বেশি কথা হলো দক্ষতা। প্রাচীন পদ্ধতিগুলি 6 গিগাবাইট গভীর ক্রমানুক্রমণের উপর নির্ভর করে, যার খরচ অত্যন্ত বেশি এবং বাস্তবায়ন করা কঠিন। GeneLLM 1 গিগাবাইট অত্যন্ত কম গভীরতায় (খরচ 83% কমে গেছে)ও AUC > 0.8 বজায় রাখে।

এর অর্থ হল সত্যিকারের সম্ভাবনা রয়েছে সার্বজনীন সূক্ষ্ম চিকিৎসাকে বাস্তবে পরিণত করার।

একটি নতুন বৈজ্ঞানিক পদ্ধতি আবির্ভূত হচ্ছে: এআইকে জীবন ডেটা থেকে শেখানো, যাতে জীববিজ্ঞান পূর্বানুমানযোগ্য, গণনাযোগ্য এবং স্কেলযোগ্য অনুসন্ধানের নতুন পর্যায়ে প্রবেশ করে।

কিন্তু জিনডু বায়োটেকের বিন্যাস শুধুমাত্র বেসিক মডেলে সীমাবদ্ধ নয়।

জিনেLLM মাল্টি-অমিক্স বড় মডেলকে জীবন বোঝার ভিত্তি হিসেবে ব্যবহার করে, জিনডু বায়োসায়েন্স এআই বুদ্ধিমত্তা এবং ভৌত বিশ্বের মধ্যে সংযোগ স্থাপন করেছে, হারনেস স্মার্ট পরীক্ষা বাস্তবায়ন স্তর এবং DBTL (ডিজাইন-বিল্ড-টেস্ট-লার্ন) ডেটা সিকোয়েন্সের মাধ্যমে, জীবনের নিয়মগুলির বোঝা, বৈজ্ঞানিক অনুমান তৈরি, স্বয়ংক্রিয় পরীক্ষা যাচাই এবং ধারাবাহিক পুনরাবৃত্তি ও উন্নতির পুরো AI for Science সাইকেলটি অর্জন করে।

যেমন আগের OpenAI ভাইস প্রেসিডেন্ট এবং পরবর্তী ট্রেনিং লিডার লিয়াম ফেডুস বলেছেন, বর্তমান LLM গুলি ইন্টারনেটের সীমিত টেক্সট এবং কোড শেষ করে ফেলেছে, এবং পরবর্তী বৈজ্ঞানিক অগ্রগতির জন্য পরীক্ষামূলক পুনরাবৃত্তির উপর নির্ভরশীল হতে হবে।

অর্থাৎ, শুধুমাত্র মানুষ দ্বারা লেখা বিষয়বস্তু পড়ে নতুন জ্ঞান আবিষ্কার করা সম্ভব নয়, AI-কে নিজেরাই পরীক্ষা করতে হবে।

কিন্তু প্রশ্ন আসে—

ইন্টারনেট সেবাগুলির মূলতই API থাকে, নেটওয়ার্ক তথ্য মূলতই ডিজিটাল, কিন্তু বৈজ্ঞানিক সরঞ্জামগুলি বিভিন্ন প্রস্তুতকারক থেকে আসে, প্রোটোকলগুলি ভিন্ন ভিন্ন, জটিল এবং মহঙ্গা, কেউ কয়েক মাসের মধ্যে এটি ভেঙে ফেলে পুনরায় গড়ে তুলতে পারেন না।

আজকের বেশিরভাগ ল্যাব মানুষের জন্য ডিজাইন করা হয়েছে: ইনস্ট্রুমেন্ট প্যানেল, পিপেটিং অ্যাকশন, স্যাম্পল স্ট্যাটাস, অন-সাইট জudgeমেন্ট—অধিকাংশই মেশিন-বোধগম্য সংকেতে পরিণত হয়নি।

এআই ল্যাবরেটরিতে প্রবেশ করেছে, এখন শুধু মডেলের ক্ষমতার বিষয় নয়, একটি নতুন অবকাঠামোরও প্রয়োজন।

অতএব, এআই ল্যাবে প্রবেশ করেছে, এখন শুধু মডেলের ক্ষমতার বিষয় নয়, ভৌত হারনেসও প্রয়োজন: ল্যাবকে একটি কম্পাইল, স্কিডিউল, অবজারভেবল এবং ট্রেসেবল সিস্টেমে পরিণত করা।

এটাই হলো AI4S-এর প্রকৃত শেষ কিলোমিটার।

এর জন্য, জিনডু একটি বায়োফোর্ড হারনেস নামে সিস্টেম বিকাশ করেছে।

এটি একটি ইনফ্রাস্ট্রাকচার যা এআই এবং পদার্থবিদ্যা পরীক্ষাগারকে সংযুক্ত করে।

তারা মেকানিক্যাল আর্মকে মানুষের হাতের মতো করে অনুকরণ করার পরিবর্তে ল্যাবকে একটি কম্পাইল, স্কিডিউল, অবজার্ভ এবং ট্রেস করা যায় এমন সিস্টেমে পরিণত করেছে।

এই প্রক্রিয়ায়, ভৌত Harness-এর কমপক্ষে তিনটি কাজ সম্পন্ন করতে হবে:

1. বিজ্ঞানসম্মত উদ্দেশ্য বা পরীক্ষাগত DSL-কে বিভিন্ন ডিভাইস দ্বারা বাস্তবায়নযোগ্য নির্দেশে কম্পাইল করুন;

2. একাধিক ডিভাইসের মধ্যে শিডিউলিং, সম্পদ এবং নিরাপত্তা সীমাবদ্ধতা পরিচালনা করুন এবং অস্বাভাবিকতা প্রতিক্রিয়া জানান;

৩. পরীক্ষার ফলাফল, ডিভাইস লগ এবং পরিবেশগত প্যারামিটারগুলিকে পুনরায় প্রবাহিত করুন এবং পরবর্তী পর্যায়ের মডেল এবং পরীক্ষা ডিজাইনের ইনপুট হিসাবে ব্যবহার করুন।

বৈজ্ঞানিক প্রশ্ন → এআই বুঝতে পারা → পরীক্ষার পরিকল্পনা → সরঞ্জাম সমন্বয় → বাস্তবায়ন → ডেটা ফিরে আসা → মডেল অপ্টিমাইজেশন → পরবর্তী চক্র।

একটি বৈজ্ঞানিক পরীক্ষার ডেটার ফ্লাইউইল এভাবেই শুরু হয়েছে।

পাঁচটি স্মার্ট এজেন্ট গবেষণা প্রক্রিয়াকে লাইন প্রসেসে পরিণত করেছে

বায়োফোর্ড এজেন্ট এমবডিড ইন্টেলিজেন্স রিসার্চ প্ল্যাটফর্মটি নীচে ল্যাবরেটরি ফিজিক্যাল লেয়ারের সাথে সংযুক্ত হয় এবং উপরে বিজ্ঞানীদের কগনিটিভ লেয়ারকে বহন করে, মাঝখানে ফিজিক্যাল এআই দিয়ে রিজনিং এবং এক্সিকিউশনের ব্যবধান পূরণ করে।

জ্ঞানগত স্তরে, বায়োফোর্ড এজেন্ট পাঁচটি বুদ্ধিমান এজেন্ট দ্বারা গঠিত সহযোগিতামূলক নেটওয়ার্ক দ্বারা জীববিজ্ঞান গবেষণার সম্পূর্ণ প্রক্রিয়াকে সংযুক্ত করে, যা গবেষণার দক্ষতা কয়েকগুণ বাড়ায়।

লিটারেচার রিট্রিভাল এজেন্ট

পরীক্ষার ডিজাইন এজেন্ট

সায়েন্টিফিক এজেন্ট

এক্সপেরিমেন্ট স্কেডিউলিং এজেন্ট

ডেটা বিশ্লেষণ বুদ্ধিমত্তা

উদাহরণস্বরূপ, সাহিত্য অনুসন্ধান বুদ্ধিমত্তা দ্রুত আপনাকে বিপুল পরিমাণে সাহিত্য অনুসন্ধান এবং পড়তে সাহায্য করবে, সাহিত্য পর্যালোচনা সম্পন্ন করবে এবং অনুমান প্রস্তাব করতে সহায়তা করবে।

একটি পরীক্ষা ডিজাইন এজেন্ট বিজ্ঞানীদের জন্য মাসের পরীক্ষা ডিজাইন চক্রকে এক সপ্তাহে কমিয়ে আনে।

জিনডু লাইফ সায়েন্স দ্বারা চালু করা পরীক্ষামূলক শিডিউলিং এজেন্ট, ইউনিভার্সাল ইনস্ট্রুমেন্ট অ্যাবস্ট্রাকশন লেয়ারের উপর ভিত্তি করে, বিভিন্ন অসদৃশ ডিভাইসের মধ্যে প্রোটোকলের বাধা ভাঙতে সক্ষম হয়েছে।

PCR ইনকিউবেটর, এনজাইম ইমিউনোসর্বেটর, ফ্লোসাইটোমিটার বা অটোমেটেড পিপেটিং ওয়ার্কস্টেশন—সবগুলোকে একীভূত পরিচালনা এবং একীভূত সময়সূচীকরণ করা যায়। সিস্টেমটিতে ডাইনামিক সময়সূচীকরণ অ্যালগরিদম অন্তর্ভুক্ত রয়েছে, যা স্বয়ংক্রিয়ভাবে ব্যাচ সময়সূচীকরণ, বাস্তব-সময়ের সংঘাত এড়ানো এবং পরীক্ষার সমস্ত প্যারামিটারের পূর্ণাঙ্গ রেকর্ডিং করে, যা ট্রেসযোগ্য অডিট চেইন গঠন করে।

এর অর্থ হলো, এআই এখন শুধু "পরামর্শ দেওয়ার" পর্যায়ে থাকে না, বরং প্রকৃতপক্ষে ল্যাবে প্রবেশ করে, সরঞ্জাম চালায় এবং কাজ সম্পন্ন করে, একজন বিশ্বস্ত "বৈজ্ঞানিক সহায়" হয়ে উঠেছে।

ব্যর্থতার ডেটা, সাফল্যের ডেটার চেয়ে হয়তো বেশি মূল্যবান

এই সিস্টেমটির গভীরতর মূল্য হল: প্রতিটি পরীক্ষা—সফল হোক বা ব্যর্থ হোক—সিস্টেম যাতে ডেটা হিসাবে গ্রহণ করতে পারে।

প্রাচীন পরীক্ষাগারে, একটি ব্যর্থতার রেকর্ড হতে পারে শুধুমাত্র একটি লাইন: "ফলাফল প্রত্যাশিত নয়", অভিজ্ঞতা মানুষের মস্তিষ্কে থাকে, যখন মানুষ চলে যায়, অভিজ্ঞতাও চলে যায়।

বায়োফোর্ড সিস্টেমে, প্রতিটি ব্যর্থতা একটি মূল্যবান প্রশিক্ষণ ডেটা—প্যারামিটার নির্বাচনের যুক্তি, পরিবেশগত শর্তের রেকর্ডিং, ভুল পথের প্রমাণ... সবকিছু জমা হয়ে সিস্টেমের "অভিজ্ঞতা"র অংশ হয়ে ওঠে।

পরবর্তী বার, এআই জানবে: এই পথটি বন্ধ।

আকর্ষণীয় বিষয় হলো, এই প্রতিযোগিতায় সবচেয়ে বেশি ক্যালকুলেশন ক্ষমতা বা সবচেয়ে বড় মডেল জিতছে না।

ক্যালকুলেশন পাওয়া যায়, কিন্তু গবেষণা ডেটা পাওয়া যায় না।

জিন ইয়ংচেং, জিনডু সায়েন্স অ্যান্ড টেকনোলজির প্রতিষ্ঠাতা এবং সিইও, বলেন: "ডেভেলপমেন্ট প্রক্রিয়ায়, আমরা ধীরে ধীরে বুঝতে পারি যে AI for BioScience শুধুমাত্র মডেল এবং ডেটা জমা করার বিষয় নয়। পরীক্ষা করার জন্য, চূড়ান্তভাবে সমাধান করতে হবে যে সমস্যা যেখানে গণনা করা হয়, কিন্তু পরীক্ষা করা যায় না, আবার পরীক্ষা করলেও ভুল হয়।"

এটিই AI4S সেগমেন্টের সবচেয়ে গুরুত্বপূর্ণ এবং সবচেয়ে কঠিনভাবে অনুকরণযোগ্য প্রতিরক্ষা ব্যবস্থা।

২০২২ সালে, জিন ইয়ং-সুঙ অক্সফোর্ড বিশ্ববিদ্যালয়ে বায়োইঞ্জিনিয়ারিং-এ ডক্টরেট পাওয়ার সময় একটি বিকল্পের সম্মুখীন হন।

তার গুরু ছিলেন ব্রিটিশ রয়েল সোসাইটির সদস্য এবং তৃতীয় প্র thế সিকোয়েন্সিং-এর বিশাল ব্রিটিশ পাবলিক কোম্পানি Oxford Nanopore-এর প্রতিষ্ঠাতা হ্যাগান বেয়েলি, যার ল্যাবে «ফলাফলের বাস্তবায়ন»-এর গভীর ঐতিহ্য রয়েছে। ব্রিটেনে থাকা ছিল একটি স্পষ্ট সহজ পথ।

কিন্তু তিনি অন্য একটি পথ বেছে নিলেন— ল্যাবের একটি “প্রোটোটাইপ টেকনোলজি” লাগাম করে দেশে আনলেন। তাঁর সাথে চলে এলেন তিনজন অক্সফোর্ডের পূর্ব ছাত্র: জীববিজ্ঞানের ডক্টর ডেং সিওয়েই, কম্পিউটার বিজ্ঞানের সহযোগী গবেষক শা লেই (পেকিং বিশ্ববিদ্যালয়ের কম্পিউটার ডক্টর, মাইসমির বড় মডেলের পরিচালক লুও ফুলির সমকক্ষ), এবং পণ্য বাস্তবায়নে দক্ষ চৌ তিয়ানয়াও। চারজনেরই জীব প্রকৌশল, কৃত্রিম বুদ্ধিমত্তা, কম্পিউটেশনাল বায়োলজি, ব্যবসায়িক পরিচালনা ইত্যাদি সম্পর্কিত জ্ঞানের পটভূমি রয়েছে, যা কোনোটিই অপরিহার্য। তারা আগেও AI এবং ট্রান্সক্রিপ্টোমিকস টেকনোলজির সমন্বয়ে রোগের ভবিষ্যদ্বাণী ও পরীক্ষা করতে একসাথে গবেষণা প্রকল্পের সঙ্গে যুক্ত হয়েছিল। চারজনই পাজলের টুকরোগুলির মতোই পরস্পরকে পূরণ করতে পারে, যা অত্যন্ত ক্রস-ডিসিপলিনারি গবেষণা সম্ভবপর করেছে।

কোম্পানির নাম "জিনডু বায়োসায়েন্স"। "জিন" অক্সফোর্ড থেকে নেওয়া হয়েছে, যা বোঝায় যে তারা অক্সফোর্ডের শীর্ষস্থানীয় ল্যাবরেটরি এবং অন্যান্য শিক্ষাগত কেন্দ্র থেকে শুরু করেছে, এবং "ডু" মানে মানুষকে পার করিয়ে দেওয়া, যা তাদের মতে AI for Science-এর অবশ্যই পৌঁছানো উচিত চূড়ান্ত লক্ষ্য।

বর্তমানে, জিনডু বায়োসায়েন্সের বায়োফোর্ড এজেন্ট ফিজিক্যাল এআই গবেষণা প্ল্যাটফর্মটি দেশের কিছু প্রখ্যাত বিশ্ববিদ্যালয়ে বাস্তবায়িত হয়েছে এবং গবেষণা চক্রকে আগের কয়েক মাসের পরিবর্তে এক সপ্তাহে সংক্ষিপ্ত করেছে।

তবে, একটি "পূর্বে কখনও অনুসরিত না হওয়া" পথ অনুসরণ করা অপরিহার্যভাবে একাকিত্বের সাথে আসে।

শুরুর দিকে অনেক কঠিন পরিস্থিতি ছিল। সে সময় AI-ভিত্তিক উদ্যোগ খুব জনপ্রিয় ছিল, কিন্তু বায়োলজিক্যাল সায়েন্সের ক্ষেত্রে 'AI+'-এর প্রয়াস খুবই কম ছিল। 'AI বোঝে এমন ব্যক্তিরা বায়োলজিক্যাল সায়েন্স বোঝে না, আর বায়োলজিক্যাল সায়েন্স বোঝে এমনদের অধিকাংশই AI বোঝে না।'

জিন ইয়ং-সুং স্বীকার করেন: "বিনিয়োগকারীরা একসময় আমাদের কী করছি তা বুঝতে পারছিল না।"

টিমটি একটি «সবচেয়ে কঠিন পথ» বেছে নিয়েছে: জীববিজ্ঞান ভিত্তিক বড় মডেল দিয়ে শুরু করা, বিশ্বব্যাপী এই দিকে কাজ করা কোম্পানির সংখ্যা খুবই কম।

২০২৫ সালে, পরিস্থিতি পরিবর্তিত হয়েছে।

সেই সময়, রাষ্ট্রপরিষদ আনুষ্ঠানিকভাবে «আর্টিফিশিয়াল ইন্টেলিজেন্স+» অপারেশন বাস্তবায়নের উপর একটি মন্তব্য জারি করে, যার মধ্যে AI for Science অন্তর্ভুক্ত ছিল, এবং এই সেগমেন্টে বাতাস শুরু হয়েছিল।

জিনডু স্টার্টআপ এক বছরে 4টি ফান্ডিং রাউন্ড সম্পন্ন করেছে। কোম্পানির প্রধান ফান্ডিং টাইমলাইন শিল্পের জন্য একটি মানদণ্ড হয়ে উঠেছে।

এঞ্জেল + রাউন্ড: Sequoia Capital China Seed Fund দ্বারা নেতৃত্বদানকৃত;

প্রি-এ+ রাউন্ড: চুয়াং ডংফাং ইনভেস্টমেন্ট দ্বারা কোটি স্তরের নেতৃত্বে বিনিয়োগ;

প্রি-এ+ রাউন্ড: নানশান ওয়ানশিন টু দ্বারা কোটি স্তরের বিনিয়োগ প্রাপ্ত;

রাউন্ড A: গাওটেজিয়া ইনভেস্টমেন্ট দ্বারা প্রায় এক কোটি যুয়ানের নেতৃত্বে।

গোটিয়া ইনভেস্টমেন্টের এক্সিকিউটিভ পার্টনার টেং ইউহাং বলেন: "জিনডু বায়োসায়েন্স লাইফ সায়েন্সের মৌলিক গবেষণাকে সাবস্ক্রাইব করা যায় এবং স্কেল করা যায় এমন 'কম্পিউটিং পাওয়ার + পরীক্ষা' ইনফ্রাস্ট্রাকচারে পরিণত করেছে।"

জিন য়োং-সাংয়ের লক্ষ্য আরও বড়: "আমরা শুধু সফটওয়্যার বিক্রি করে সন্তুষ্ট হব না, আমরা জীববিজ্ঞানের ক্ষেত্রে একটি বুদ্ধিমান অপারেটিং সিস্টেম তৈরি করতে চাই। যেমন ইন্টেল পিসি যুগের ক্যালকুলেশন ক্ষমতা সংজ্ঞায়িত করেছিল, আমরা চাই এআই যুগের জীববিজ্ঞানের গবেষণার নতুন প্যারাডাইম সংজ্ঞায়িত করতে।"

অক্সফোর্ড ল্যাব থেকে শেনজেন, অবিদিত থেকে শীর্ষ ক্যাপিটালের প্রচুর বিনিয়োগ পর্যন্ত, চারজন অক্সফোর্ডের মানুষের গল্প শুধু একটি উদ্যোক্তা কাহিনী নয়, বরং “আমরা মানবতার জন্য কী করতে পারি” এই আত্মার প্রশ্নের একটি অভিযান।

যখন এআই নিজেই রাতজুড়ে গবেষণা করতে শিখবে, তখন বৈজ্ঞানিক আবিষ্কারগুলি হয়তো প্রতিভার দুর্ঘটনাজনিত অনুপ্রেরণার উপর নির্ভর করবে না, বরং পূর্বানুমেয় অনিবার্যতায় পরিণত হবে। এই পথে, তারা শুধুমাত্র শুরু করেছে।

বৃহত্তর AI ফর বায়োসায়েন্স ম্যাপে, জিনডু একা নয়, কিন্তু প্রবেশের বিন্দু সম্পূর্ণ ভিন্ন।

প্রথম শ্রেণী হল ডিজিটাল এআই বিজ্ঞানী।

স্ট্যানফোর্ড দ্বারা ইনকিউবেট করা Biomni (যা Phylo হিসাবে বাণিজ্যিকভাবে প্রয়োগ করা হয়েছে) এর কাছে 150-এরও বেশি পেশাদার টুল রয়েছে যা সাহিত্য পর্যালোচনা, অনুমান তৈরি এবং বায়োইনফরমেটিক্স বিশ্লেষণকে স্বয়ংক্রিয়ভাবে সম্পন্ন করে।

এরিক শ্মিটের সমর্থিত ফিউচারহাউস, যা স্বয়ংক্রিয়ভাবে অনুমান তৈরি করে এবং গবেষণা পত্র লেখার জন্য এআই বিজ্ঞানী তৈরির উপর জোর দেয়।

তবে, তারা যদিও শক্তিশালী, তবুও ডিজিটাল বিশ্বে সীমাবদ্ধ।

দ্বিতীয় ধরন, হল সম্পূর্ণ স্ট্যাক স্বাধীন পথ।

জিয়াংটাই টেকনোলজি বিশ্বব্যাপী ৩০০টিরও বেশি ওয়ার্কস্টেশন স্থাপন করেছে "AI + রোবোটিক্স" এর মাধ্যমে।

ফ্ল্যাগশিপ পাইওনিয়ারিংয়ের স্পিন-অফ লিলা সায়েন্সেস, যা 5.5 বিলিয়ন ডলার ফান্ডিং পেয়েছে, তা এআইকে পরীক্ষার ডিজাইন, বাস্তবায়ন এবং পুনর্ডিজাইনের সম্পূর্ণ দায়িত্ব দেওয়ার চেষ্টা করছে, যার লক্ষ্য হলো 'বৈজ্ঞানিক সুপারইন্টেলিজেন্স'।

কিন্তু এগুলো সবই খুব ব্যয়বহুল।

তৃতীয় ধরন হল এন্ড-টু-এন্ড ম্যানেজড রুট।

ইনসিলিকা এআইকে সরাসরি নিজস্ব নতুন ওষুধের পাইপলাইনে প্রয়োগ করেছে, এবং তাদের প্রথম এআই-তৈরি ওষুধ এখন পর্যায় III ক্লিনিকাল ট্রায়ালে পৌঁছেছে, কিন্তু তারা হলেন 'গাড়ি তৈরি করেন' এবং 'সড়ক মেরামত করেন' নন।

জিনডু লাইফ সায়েন্সের পছন্দ হল: ভৌত হারনেস তৈরির উপর ফোকাস করা, মডেল এবং বাস্তব পরীক্ষামূলক সিস্টেমের মধ্যে "শেষ কিলোমিটার" এর ভিত্তি তৈরি করা।

বেস প্রতিযোগিতা করবেন না, এন্ড-টু-এন্ড পাইপলাইন করবেন না, শুধুমাত্র ডিজিটাল বিশ্বের এআই বিজ্ঞানী হবেন না। শুধুমাত্র সেই এক কিলোমিটারের উপর ফোকাস করা অনেক হালকা পদ্ধতি।

জিন ইয়ং চেং এটি স্পষ্টভাবে বলেছেন: "বিজ্ঞানের জন্য এআইয়ের প্রকৃত বিভাজক বিন্দু হল মডেলটি কতটা বিজ্ঞানীর মতো উত্তর দেয়, তা নয়; বরং পরীক্ষাগারটি কি একটি নিরন্তর শেখার সিস্টেমের মতো কাজ শুরু করতে পারে।"

এছাড়াও, বিশ্বব্যাপী AI for Science ক্ষেত্রে, জিনডু কেবলমাত্র "শেষ কিলোমিটার" এর জন্য সীমাবদ্ধ নয়।

বরং, এটি শেষ কিলোমিটারের মাধ্যমে প্রবেশ করে বৈজ্ঞানিক কাজের সম্পূর্ণ প্রবাহের সংগঠনের অধিকার নিয়ে প্রতিদ্বন্দ্বিতা করে।

এটি শুধুমাত্র ডিজিটাল এআই বিজ্ঞানীদের চেয়ে ভৌত বিশ্বকে স্পর্শ করতে পারে; নিজেদের ভারী সম্পদ বিশিষ্ট বিজ্ঞান কারখানা তৈরি করার চেয়ে এটি গ্রাহকদের পূর্ববর্তী পরীক্ষাগারগুলি নিয়ন্ত্রণের সুযোগ পায়; এন্ড-টু-এন্ড এআই ওষুধ কোম্পানির চেয়ে এটিকে কোনও একটি ক্লিনিকাল লাইনের উপর ভাগ্য নির্ভর করতে হয় না।

এর প্রকৃত প্রতিরোধ ব্যবস্থা প্যারামিটার সংখ্যা নয়, বরং ধারাবাহিকভাবে জমা হওয়া পরীক্ষার ট্রেক, ডিভাইস ইন্টারফেস, ব্যর্থতার অভিজ্ঞতা এবং ক্রস-ল্যাব এক্সিকিউশন নেটওয়ার্ক।

জিন ইয়ং-চংয়ের কথায়, জীবদেহের লক্ষ লক্ষ সংকেত পথ এবং অজানা বিক্রিয়ার কার্যপ্রণালী অত্যন্ত আকর্ষণীয়। 'বিজ্ঞানের জীবন কতটা সমৃদ্ধ, AI for Science-এর দৃশ্যও ততটাই সুন্দর।'

এআইয়ের বুদ্ধিমত্তার মাধ্যমে জীবনের রহস্য অন্বেষণ করুন, এই অক্সফোর্ডের বুদ্ধিমানদের নক্ষত্র ও সাগরের যাত্রা শুধু শুরু হয়েছে।

এই প্রবন্ধটি ওয়েইচ্যাট গিটহাব "নিউ জ্ঞান" থেকে এসেছে, লেখক: নিউ জ্ঞান; সম্পাদক: এনিয়াস কিংহেজেড