चीनी लाइफ साइंस एआई मॉडल जीनएलएलएम 'बायोलॉजिकल डीपसीक' के रूप में उभरा है

DeepSeek -V4-Flash का फुल वर्जन तुरंत ग्लोबल जनरल-पर्पस मॉडल समुदाय में धमाका कर दिया, और चीनी लाइफ साइंस वर्जन Deepseek ने तुरंत इसका पीछा किया।

हाल ही में, जिन डू बायोटेक (चार ऑक्सफोर्ड विश्वविद्यालय से लौटे बहुत ही प्रतिभाशाली छात्रों द्वारा स्थापित) ने अपने आप विकसित किया गया जीव विज्ञान विशिष्ट GeneLLM मल्टी-ओमिक्स बड़ा मॉडल, अंतरराष्ट्रीय शीर्ष शैक्षणिक पत्रिकाओं —《Nature Communications》और《Advanced Science》— पर क्रमिक रूप से प्रकाशित हुआ।

गीनLLM, जो विश्व का पहला बहु-ओमिक्स बड़ा मॉडल है जो सीधे ओमिक्स कच्चे डेटा का उपयोग करके प्री-ट्रेन किया गया है, गूगल के अल्फाफोल्ड और स्टैनफोर्ड विश्वविद्यालय के EVO 2 के बाद एक और बड़ा मॉडल है, जो चीनी जीव विज्ञान के बेसिक बड़े मॉडल के खाली स्थान को भरता है, और इसे चीनी जीव विज्ञान का Deepseek माना जा सकता है, जिससे AI जीवन की कई 'भाषाओं' और पूरे 'सिस्टम' को समझना शुरू करता है।

बीमारी की पहचान GeneLLM का केवल एक अनुप्रयोग है; Jindu Life Science का वास्तविक लक्ष्य जीव विज्ञान क्षेत्र का एक 'Claude Code' बनाना है।

ChatGPT, Claude, DeepSeek बड़े भाषा मॉडल का केंद्र, अगले टोकन का भविष्यवाणी है।

GeneLLM का विचार समान है, लेकिन यह शब्दों के बजाय जीवन सूचना का भविष्यवाणी करता है।

RNA अनुक्रम में चार क्षारक — एडिनिन (A), यूरासिल (U), ग्वानिन (G), साइटोसिन (C) — GeneLLM के लिए जीवन की भाषा को समझने के आधारभूत टोकन बनते हैं।

पारंपरिक जैव सूचना विज्ञान विश्लेषण आमतौर पर जीन अनुशंसा, अनुक्रम तुलना और मानव-परिभाषित लेबल पर निर्भर करता है। यह विधि हालांकि सटीक है, लेकिन मॉडल के ज्ञान की सीमा को पहले से ही सीमित कर देती है और मूल डेटा में छिपे अज्ञात जैविक संकेतों को भी खो सकती है।

GeneLLM ने एक अलग दृष्टिकोण अपनाया और सीधे अप्रसंस्कृत मूल अनुक्रमण डेटा से जीवन के नियम सीखे।

यह RNA समूह, प्रोटीओम, चयापचय समूह आदि बहु-ओमिक्स कच्चे डेटा को प्रशिक्षण डेटा के रूप में उपयोग करता है ताकि मॉडल स्वयं रोग से संबंधित पैटर्न की खोज कर सके।

वर्तमान में, GeneLLM ने 15 अरब पैरामीटर और 3.5 ट्रिलियन क्षार श्रृंखला के मॉडल प्री-ट्रेनिंग को पूरा कर लिया है, और XLarge संस्करण ने 300 अरब पैरामीटर मॉडल प्री-ट्रेनिंग को पूरा किया है, जिससे तकनीकी बाधाएँ लगातार बढ़ रही हैं।

GeneLLM, जो मूल अनुक्रमण डेटा पर प्रशिक्षित दुनिया का पहला बहु-ओमिक्स बड़ा मॉडल है, दो चरणों से बना है:

(1) अनुशासित पूर्व-प्रशिक्षण और प्रोटोटाइप खोज

(2) रोग-स्तरीय सूक्ष्मसमायोजन (Disease Tuning)

GeneLLM को सबसे पहले एक समस्या को हल करना होगा:

कैसे जटिल जीवन डेटा को ऐसी भाषा में बदलें जिसे AI समझ सके?

प्राकृतिक भाषा प्रसंस्करण में, BPE एल्गोरिथम वाक्य को टोकन में विभाजित करता है; जबकि GeneLLM लगभग 150 bp लंबे RNA अनुक्रमण खंडों को 7 क्षारकों से बने स्लाइडिंग विंडो (7-mer) के माध्यम से जीवन टोकन में विभाजित करता है।

इसके बाद, मॉडल ट्रांसफॉर्मर आर्किटेक्चर का उपयोग करके, जीन अनुमान और मानव लेबल के बिना, अगला क्षारक सीधे पूर्वानुमानित करता है।

इसका मतलब है कि AI पहले मानव द्वारा तैयार किए गए 'शब्दकोश' को नहीं देखता, बल्कि जीवन के मूल संकेतों से सीखता है।

प्रशिक्षण के दौरान, GeneLLM ने NVIDIA A100 GPU के सौ कार्ड के क्लस्टर पर लगभग दस ट्रिलियन RNA reads को प्रोसेस किया।

इससे, GeneLLM की सामान्यीकरण क्षमताएँ शुरू हो गईं।

जीनएलएलएम, जो जीव विज्ञान क्षेत्र में एक महत्वपूर्ण नवाचार है, इस देशी जीव विज्ञान मॉडल का उपयोग नव औषधि अनुसंधान, सटीक चिकित्सा, संश्लेषित जीवविज्ञान, पर्यावरण निगरानी, सूक्ष्मजीव और जैव कृषि, प्रोटीन और अणु डिजाइन जैसे कई क्षेत्रों में किया जा सकता है, और यह वैश्विक स्तर पर कुछ ही ऐसे मॉडल में से एक है जो वास्तविक परिदृश्यों में लागू हुआ है।

जब हम जीनएलएलएम के नींव के नवाचारों जैसे «डेटा, आर्किटेक्चर, ट्रेनिंग» की समीक्षा करते हैं, तो हम वास्तव में समझ सकते हैं: यह क्यों चीन का «जैविक संस्करण» है DeepSeek 」।

सिलिकॉन वैली ने लाखों H100 के स्टैक के साथ ट्रिलियन पैरामीटर बनाए हैं, DeepSeek एल्गोरिदमिक नवाचार के साथ कैलकुलेशन दक्षता में वृद्धि करते हुए, जीनएलएलएम भी लाखों जीव विज्ञान डेटा को चलाता है।

अगर अल्फाफोल्ड ने AI को जीवन की "संरचना" समझने का पहला अवसर दिया, तो ईवो2 ने AI को जीवन के "कोड" को समझना शुरू कर दिया, तो जीनएलएलएम प्रयास कर रहा है कि जीवन के "प्रणाली" को आगे समझा जाए।

अधिक कठोर बात दक्षता है। पारंपरिक विधि 6 गीगाबाइट गहरी अनुक्रमण पर निर्भर करती है, जिसकी लागत अत्यधिक है और इसे लागू करना कठिन है। GeneLLM 1 गीगाबाइट अत्यंत उथली गहराई (लागत में 83% कमी) पर भी AUC > 0.8 बनाए रखता है।

इसका अर्थ है कि सामान्य लोगों के लिए सटीक स्वास्थ्य सेवाओं को साकार करने की वास्तविक संभावना है।

एक नया अनुसंधान प्रतिरूप उभर रहा है: एआई को जीवन डेटा से सीखने दें, जिससे जीव विज्ञान एक भविष्यवाणीय, गणनायोग्य और स्केल किया जा सकने वाला अन्वेषण का नया चरण प्राप्त करे।

लेकिन जिनडू बायोसाइंस की रणनीति केवल बेस मॉडल तक सीमित नहीं है।

जीनएलएलएम मल्टी-ओमिक्स बड़ा मॉडल को जीवन की समझ का आधार मानकर, जिनडू बायोसाइंस ने AI बुद्धिमत्ता और भौतिक दुनिया को जोड़ने वाला एक कार्यात्मक प्रणाली विकसित की है, जिसमें हारनेस स्मार्ट प्रयोग निष्पादन स्तर और DBTL (डिज़ाइन-बिल्ड-टेस्ट-लर्न) डेटा सर्कल के माध्यम से जीवन के नियमों की समझ, वैज्ञानिक परिकल्पनाओं का निर्माण, स्वचालित प्रयोगों की पुष्टि और निरंतर अनुकूलन तक का पूरा AI for Science सर्कल प्राप्त होता है।

जैसा कि पूर्व OpenAI वाइस प्रेसिडेंट और पोस्ट-ट्रेनिंग लीडर लियम फेडस ने कहा, वर्तमान LLM ने इंटरनेट पर सीमित टेक्स्ट और कोड का थोक था, और अगले वैज्ञानिक खोज के प्रमुख प्रगति को प्रयोगात्मक इटरेशन पर निर्भर करना होगा।

इसका मतलब है कि नए ज्ञान की खोज के लिए केवल मानव द्वारा लिखित सामग्री पढ़ना पर्याप्त नहीं है; AI को अपने आप प्रयोग करने की आवश्यकता है।

लेकिन सवाल यह है—

इंटरनेट सेवाएँ स्वतः API के साथ आती हैं, और वेब जानकारी स्वतः डिजिटल होती है, लेकिन शोध उपकरण विभिन्न निर्माताओं से आते हैं, उनके प्रोटोकॉल अलग-अलग होते हैं, जो जटिल और महंगे होते हैं, और कोई भी कुछ महीनों में इसे नष्ट करके फिर से नहीं बना सकता।

आज के अधिकांश प्रयोगशालाएँ मानव के लिए डिज़ाइन की गई हैं: उपकरण पैनल, पिपेटिंग गतिविधियाँ, नमूना स्थिति, स्थानीय निर्णय, जिनमें से अधिकांश मशीन-समझने योग्य संकेतों में नहीं बदले हैं।

AI लैब में प्रवेश कर रहा है, और अब केवल मॉडल क्षमता की बात नहीं है, बल्कि एक नई बुनियादी ढांचे की भी आवश्यकता है।

इसलिए, AI प्रयोगशाला में प्रवेश करता है, और वर्तमान में केवल मॉडल क्षमता की समस्या नहीं है, बल्कि भौतिक हैरनेस की भी आवश्यकता है: प्रयोगशाला को एक कंपाइल, स्केड्यूल, ऑब्जर्वेबल और ट्रेसेबल सिस्टम में बदलना।

यही तो AI4S की वास्तविक अंतिम किलोमीटर है।

For this, Jindu developed a system called BioFord Harness.

यह एक ऐसा बुनियादी ढांचा है जो AI और भौतिक प्रयोगशाला को जोड़ता है।

वे मैनिपुलेटर को मानव हाथ की नकल करने के लिए नहीं बना रहे हैं, बल्कि प्रयोगशाला को एक कंपाइल, स्केड्यूल, ऑब्जर्व और ट्रेस करने योग्य प्रणाली में बदल रहे हैं।

इस प्रक्रिया के दौरान, भौतिक Harness कम से कम तीन कार्य पूरा करना चाहिए:

1. वैज्ञानिक उद्देश्य या प्रयोग DSL को विभिन्न उपकरणों द्वारा निष्पादित किए जा सकने वाले निर्देशों में कंपाइल करें;

2. एक से अधिक उपकरणों के बीच शेड्यूलिंग, संसाधन और सुरक्षा प्रतिबंधों का प्रबंधन करें और अपवादों को संभालें;

3. परीक्षण परिणाम, उपकरण लॉग और पर्यावरणीय पैरामीटर को अगली पीढ़ी के मॉडल और परीक्षण डिज़ाइन के इनपुट के रूप में वापस प्राप्त करें।

वैज्ञानिक प्रश्न → AI समझ → प्रयोग योजना → उपकरण आवंटन → निष्पादन → डेटा प्रतिप्रेषण → मॉडल अनुकूलन → अगला चक्र।

एक वैज्ञानिक प्रयोग के डेटा का फ्लाईव्हील इस प्रकार शुरू हो गया।

पाँच बुद्धिमान एजेंट, अनुसंधान प्रक्रिया को लाइन पर बदल देते हैं

BioFord Agent एम्बॉडीड इंटेलिजेंस रिसर्च प्लेटफॉर्म, लैबोरेटरी फिजिकल लेयर को नीचे से जोड़ता है और साइंटिस्ट की कॉग्निटिव लेयर को ऊपर से समर्थन देता है, जबकि मध्य में फिजिकल AI रीजनिंग और एक्जीक्यूशन के बीच के अंतर को जोड़ता है।

ज्ञानात्मक स्तर पर, बायोफोर्ड एजेंट पांच बुद्धिमान एजेंटों से बना सहयोगी नेटवर्क है, जो जीव विज्ञान अनुसंधान के पूरे प्रक्रिया को जोड़ता है और अनुसंधान की दक्षता को कई गुना बढ़ाता है।

लिटरेचर रिट्रीवल एजेंट

Experimental Design Agent

Scientific Agent

Experiment Scheduling Agent

डेटा विश्लेषण एजेंट

उदाहरण के लिए, साहित्य खोज एजेंट आपकी मदद से विशाल साहित्य की खोज और पढ़ाई कर सकता है, साहित्य समीक्षा तैयार कर सकता है और परिकल्पनाएँ बनाने में सहायता कर सकता है।

एक प्रयोगात्मक डिजाइन एजेंट ने अनुसंधान टीम को महीनों के प्रयोग डिजाइन चक्र को सप्ताह में संकुचित कर दिया।

जिनडू लाइफ साइंस द्वारा लॉन्च किया गया प्रयोग शेड्यूलिंग एजेंट, यूनिवर्सल इंस्ट्रूमेंट अब्स्ट्रैक्शन लेयर (Universal Instrument Abstraction Layer) पर आधारित है, जो विभिन्न प्रकार के हेटरोजीनियस उपकरणों के बीच प्रोटोकॉल की बाधाओं को तोड़ता है।

PCR उपकरण, एंजाइम इमेजिंग सिस्टम, फ्लो साइटोमीटर या स्वचालित पिपेटिंग स्टेशन, सभी को एकीकृत प्रबंधन और एकीकृत नियोजन के साथ संचालित किया जा सकता है। सिस्टम में एक डायनामिक नियोजन एल्गोरिदम शामिल है, जो स्वचालित रूप से बैच नियोजन करता है, वास्तविक समय में संघर्ष से बचता है, और पूरी प्रयोग प्रक्रिया के दौरान प्रयोग पैरामीटर को रिकॉर्ड करता है, जिससे एक ट्रेसेबल ऑडिट चेन बनती है।

इसका अर्थ है कि AI अब केवल “सलाह देने” के चरण तक सीमित नहीं रहा, बल्कि वास्तविक रूप से प्रयोगशाला में प्रवेश कर गया है, उपकरणों को नियंत्रित कर रहा है और कार्यों को निष्पादित कर रहा है, और एक विश्वसनीय “अनुसंधान सहायक” बन गया है।

विफलता का डेटा, सफलता के डेटा से अधिक कीमती हो सकता है

इस प्रणाली द्वारा हल किए जाने वाले गहरे मूल्य का अर्थ है: हर प्रयोग—चाहे वह सफल हो या असफल—को प्रणाली द्वारा अवशोषित किए जा सकने वाले डेटा में बदल देना।

पारंपरिक प्रयोगशाला में, एक असफलता का रिकॉर्ड केवल एक पंक्ति हो सकता है — "परिणाम अपेक्षित नहीं था", और अनुभव मनुष्य के मस्तिष्क में होता है; जब व्यक्ति चला जाता है, तो अनुभव भी चला जाता है।

और BioFord सिस्टम में, हर असफलता एक कीमती ट्रेनिंग डेटा है—पैरामीटर चयन की तर्कशक्ति, परिवेश की स्थितियों का रिकॉर्ड, गलत मार्गों का सबूत... सब कुछ जमा होकर सिस्टम के "अनुभव" का हिस्सा बन जाता है।

अगली बार, AI जान जाएगा: यह रास्ता बंद है।

दिलचस्प बात यह है कि इस स्पेस में, सबसे अधिक कैलकुलेशन पावर वाला नहीं जीतता, और न ही सबसे बड़ा मॉडल जीतता है।

हैशरेट खरीदा जा सकता है, लेकिन अनुसंधान डेटा नहीं।

जिन योंग-सूंग, जिनडू साइंस के सह-संस्थापक और सीईओ, ने कहा: "विकास के दौरान, हमने धीरे-धीरे अनुभव किया कि AI for BioScience केवल मॉडल और डेटा को जमा करने की बात नहीं है। प्रयोग करने वालों के लिए, अंततः हल करने की आवश्यकता अभी भी इस समस्या की है कि गणना करने के बाद प्रयोग नहीं किया जा सकता, या प्रयोग करने पर परिणाम गलत आते हैं।"

यही AI4S खेल का सबसे महत्वपूर्ण और सबसे कठिन रूप से नकल किया जा सकने वाला वर्चस्व है।

2022 में, जिन योंग-सुंग ने ऑक्सफोर्ड विश्वविद्यालय से बायोइंजीनियरिंग में डॉक्टरेट की डिग्री प्राप्त करने के एक ही पल में एक चुनाव का सामना किया।

उनके गुरु हैगन बेयली हैं, जो ब्रिटिश रॉयल सोसाइटी के सदस्य और तीन पीढ़ी के अनुक्रमण के विशाल ब्रिटिश सार्वजनिक कंपनी Oxford Nanopore के संस्थापक हैं, और प्रयोगशाला में 'परिणामों का व्यावहारिक उपयोग' की परंपरा गहरी है। ब्रिटेन में रहना एक स्पष्ट सुरक्षित मार्ग है।

लेकिन उसने एक अलग रास्ता चुना—लैब में एक «प्रोटोटाइप तकनीक» को अपने सामान में रखकर अपने देश ले आया। उसके साथ, ओक्सफोर्ड के तीन सहपाठी थे: जीव विज्ञान के डॉक्टर डेंग सिवेई, कंप्यूटर विज्ञान के सहयोगी शा लेई (पेकिंग विश्वविद्यालय के कंप्यूटर डॉक्टर, मियाओमी के बड़े मॉडल के प्रमुख लुओ फुली के सहपाठी), और उत्पाद लॉन्च में कुशल झोउ तियानयाओ। इन चारों के पास जीव अभियांत्रिकी, कृत्रिम बुद्धिमत्ता, कंप्यूटेशनल बायोलॉजी, और व्यावसायिक संचालन जैसे संबंधित ज्ञान के पृष्ठभूमि हैं, जो हर एक के बिना पूरा नहीं हो सकता। वे पहले से ही संयुक्त अनुसंधान परियोजनाओं के लिए टीम बना चुके हैं, जहां AI और ट्रांसक्रिप्टोम तकनीक को मिलाकर रोग की पूर्वानुमान और परीक्षण किया गया। चारों में पहेली के टुकड़ों की तरह पूर्णतः पूरकता है, जो अत्यधिक क्रॉस-डिसिप्लिनरी अनुसंधान पूरा करने में सक्षम हैं।

कंपनी का नाम "जिनडू साइंस" है, जहाँ "जिन" का अर्थ ऑक्सफोर्ड से लिया गया है, जिसका अर्थ है कि वे ऑक्सफोर्ड के शीर्ष प्रयोगशालाओं जैसे शैक्षणिक उच्च स्तरों से शुरू हुए हैं, और "डू" का अर्थ है मानवता की सेवा करना, जो उनके लिए AI for Science का अंतिम लक्ष्य है।

अभी, जिनडू बायोसाइंस के बायोफोर्ड एजेंट फिजिकल एआई साइंटिफिक रिसर्च प्लेटफॉर्म ने देश के कुछ प्रमुख विश्वविद्यालयों में स्थापना की है और परिणाम स्पष्ट हैं, जिससे अनुसंधान चक्र को मूल रूप से कई महीनों से सप्ताह में कम कर दिया गया है।

हालांकि, एक "पहले कभी न चली गई" राह पर चलना अवश्य ही अकेलेपन के साथ आता है।

शुरुआती चरण में, कठिनाइयाँ बहुत थीं। उस समय AI उद्यम बहुत लोकप्रिय थे, लेकिन जीव विज्ञान के क्षेत्र में 'AI+' के प्रयास बहुत कम थे। 'जो AI समझते हैं, वे जीव विज्ञान नहीं समझते, और जीव विज्ञान समझने वाले अधिकांशतः AI नहीं समझते।'

जिन योंग सोंग ने स्वीकार किया: "निवेशक कभी-कभी हमारे द्वारा किए जा रहे कार्य को समझने में असमर्थ थे।"

टीम ने एक “सबसे कठिन रास्ता” चुना: जैविक आधार मॉडल से शुरू करके, इस दिशा में वैश्विक स्तर पर केवल कुछ ही कंपनियाँ हैं।

2025 में, एक मोड़ आया।

उस समय, केंद्रीय सरकार ने “आर्टिफिशियल इंटेलिजेंस+” अभियान को गहराई से लागू करने के संबंध में एक दिशा-निर्देश जारी किया, जिसमें AI for Science शामिल था, और इस खेत में हवा चलने लगी।

Jindu Shengke ने "एक वर्ष में 4 फंडिंग राउंड पूरे करने" का रिकॉर्ड बनाया। कंपनी की मुख्य फंडिंग समयरेखा उद्योग के मानक के रूप में मानी जाती है।

Angel + Round: Led by Sequoia Capital China Seed Fund;

Pre-A+ राउंड: चुआंचुंग इन्वेस्टमेंट द्वारा करोड़ों के स्तर पर नेतृत्व किया गया;

Pre-A+ राउंड: नानशान वॉर स्ट्रैटेजिक इन्वेस्टमेंट द्वारा करोड़ों का निवेश प्राप्त;

Series A: Near RMB 100 million led by Gao Te Jia Investment.

गाओटेजिया निवेश के एग्जीक्यूटिव पार्टनर टेंग युहांग ने कहा: "जिनडू बायोसाइंस ने जीव विज्ञान के मूल अनुसंधान को सदस्यता आधारित, स्केलेबल 'कंप्यूटिंग पावर + प्रयोग' बुनियादी ढांचे में बदल दिया है।"

जिन योंग-सुंग का लक्ष्य और भी अधिक दूर का है: "हम सिर्फ सॉफ्टवेयर बेचने से संतुष्ट नहीं हैं, हम जीव विज्ञान क्षेत्र के लिए एक बुद्धिमान ऑपरेटिंग सिस्टम बनाना चाहते हैं। जैसे इंटेल ने पीसी काल की कैलकुलेशन क्षमता को परिभाषित किया, हम एआई काल में जीव विज्ञान के अनुसंधान के लिए एक नया मॉडल परिभाषित करना चाहते हैं।"

ऑक्सफोर्ड लैब से शेन्ज़ेन तक, अज्ञात से लेकर प्रमुख पूंजी निवेश तक, चार ऑक्सफोर्ड के लोगों की कहानी केवल एक उद्यमिता का किस्सा नहीं है, बल्कि एक आत्मा का प्रश्न है: “हम मानवता के लिए क्या कर सकते हैं?”

जब AI खुद रात भर अनुसंधान करना सीख लेगा, तो वैज्ञानिक खोजें शायद अचानक आने वाले जनकों के आधार पर नहीं, बल्कि अपेक्षित और निश्चित हो जाएंगी। यह राह उनके लिए अभी बस शुरू हुई है।

बड़े AI for BioScience मैप पर, जिन डू अकेला नहीं है, लेकिन प्रवेश बिंदु पूरी तरह से अलग है।

प्रथम श्रेणी, डिजिटल AI वैज्ञानिक हैं।

स्टैनफोर्ड द्वारा इंक्यूबेट किया गया Biomni (जिसे Phylo के रूप में व्यावसायिक रूप दिया गया है) के पास 150 से अधिक पेशेवर उपकरण हैं जो साहित्य समीक्षा, परिकल्पना उत्पादन और जैव सूचना विज्ञान विश्लेषण को स्वचालित कर सकते हैं।

एरिक श्मिड्ट द्वारा समर्थित फ्यूचरहाउस, स्वयं अनुमान बनाने और पत्र लिखने में सक्षम एआई वैज्ञानिकों के निर्माण पर केंद्रित है।

हालाँकि, वे शक्तिशाली हैं, लेकिन अभी भी डिजिटल दुनिया में सीमित हैं।

दूसरा प्रकार, पूर्ण स्टैक स्वायत्त रास्ता है।

Jing Tai Technology has deployed over 300 workstations globally with "AI + Robotics".

फ्लैगशिप पायनियरिंग द्वारा इंक्यूबेट किया गया Lila Sciences, 5.5 बिलियन डॉलर की फंडिंग, AI को प्रयोगों के डिजाइन, निष्पादन और पुनर्डिजाइन पर पूरी तरह से काबू पाने की कोशिश कर रहा है, जिसका लक्ष्य 'वैज्ञानिक सुपरइंटेलिजेंस' है।

लेकिन ये सब बहुत महंगा है।

तीसरा प्रकार, एंड-टू-एंड मैनेज्ड रूटिंग है।

英矽智能将AI直接应用于自身的创新药物管线，首款AI药物已进入III期临床试验，但他们更像是「造车人」而非「修路人」。

और जिन डू बायोसाइंस का चयन है: भौतिक हारनेस के निर्माण पर केंद्रित होना, मॉडल और भौतिक प्रयोग प्रणाली के बीच "अंतिम किलोमीटर" की बुनियादी ढांचा।

बेसमेंट प्रतियोगिता नहीं, एंड-टू-एंड पाइपलाइन नहीं, केवल डिजिटल दुनिया के AI वैज्ञानिक नहीं। केवल उस एक किलोमीटर पर काम करना निश्चित रूप से अधिक हल्का दृष्टिकोण है।

जिन यिंचेंग ने इस निर्णय को स्पष्ट किया: "विज्ञान के लिए AI का वास्तविक विभाजन बिंदु यह नहीं है कि मॉडल कितना वैज्ञानिक की तरह जवाब देता है, बल्कि यह है कि प्रयोगशाला क्या एक निरंतर सीखने वाली प्रणाली की तरह काम करना शुरू कर सकती है।"

और, वैश्विक AI for Science क्षेत्र में, जिनदू केवल "अंतिम किलोमीटर" ही नहीं कर रहा है।

अधिक सटीक रूप से, यह अंतिम किलोमीटर के माध्यम से प्रवेश करता है और पूरी अनुसंधान प्रवाह के ऑर्केस्ट्रेशन के लिए प्रतिस्पर्धा करता है।

यह शुद्ध डिजिटल AI वैज्ञानिकों की तुलना में भौतिक दुनिया को स्पर्श कर सकता है; स्वयं भारी संपत्ति वाले वैज्ञानिक कारखाने बनाने की तुलना में, यह ग्राहकों के पहले से मौजूद प्रयोगशालाओं को संभालने का अवसर रखता है; और एंड-टू-एंड AI दवा कंपनियों की तुलना में, इसे किसी एक नैदानिक रेखा पर अपनी भाग्य का समर्पण नहीं करना पड़ता।

इसका वास्तविक प्रतिरक्षा बैरियर आकार पैरामीटर नहीं, बल्कि लगातार जमा होते अनुभव, उपकरण इंटरफेस, विफलता के अनुभव और क्रॉस-लैब नेटवर्क निष्पादन होगा।

जिन योंगसोंग के शब्दों के अनुसार, जीव शरीर में लाखों सिग्नल पथ और अज्ञात प्रतिक्रिया तंत्र आकर्षक हैं। 'जितना समृद्ध जीवविज्ञान है, उतना ही AI for Science का भविष्य सुंदर है।'

AI के बुद्धिमानी के साथ जीवन के रहस्यों का पता लगाएं, ये ऑक्सफोर्ड के बुद्धिमान युवाओं का तारों का समुद्र अभी शुरू हुआ है।

यह लेख वेइची ग्रुप "न्यूज़िज़युआन" से आया है, लेखक: न्यूज़िज़युआन; संपादक: एनियस किंगएचज़