آنتروپیک «کارگاه علمی کلود» را راه‌اندازی کرد و با خط تولید داخلی وارد حوزه کشف دارو شد

آنتروپیک، شرکت تحقیقاتی هوش مصنوعی که مدل‌های خانواده کلود (Claude) را توسعه داده است، به طور رسمی «کلود ساینس» (Claude Science) را راه‌اندازی کرد؛ یک کارگاه تخصصی که منحصراً برای تحقیقات زیست‌شناسی و کشف دارو طراحی شده است. هدف این پلتفرم این است که به عنوان یک دستیار تحقیقاتی مستقل عمل کند که قادر به ترکیب حجم عظیمی از متون علمی و طراحی جریان‌های کاری پیچیده تجربی است.[1][2]

اما این راه‌اندازی با یک نکته مهم همراه بود که صنعت داروسازی را غافلگیر کرد: آنتروپیک دیگر فقط نرم‌افزار به دانشمندان نمی‌فروشد. این شرکت اعلام کرد که یک بخش داخلی بیوتکنولوژی تأسیس کرده و فعالانه در حال پیشبرد دو برنامه اختصاصی کشف داروی خود است.[3]

این استراتژی دو مسیره، نشان‌دهنده یک تحول بزرگ در صنعت هوش مصنوعی است. آنتروپیک با تلاش برای کشف درمان‌های جدید به صورت داخلی، قصد دارد سود مالی هنگفت صنعت داروسازی را به دست آورد، نه اینکه صرفاً هزینه‌های اشتراک را از غول‌های بیوتک موجود جمع‌آوری کند.[4]

در هسته خود، کارگاه کلود ساینس یک چت‌بات استاندارد نیست. این یک پلتفرم «عاملیت‌محور» (Agentic) است؛ به این معنی که می‌تواند به طور مستقل جریان‌های کاری تحقیقاتی چند مرحله‌ای را اجرا کند. محققان می‌توانند مجموعه‌داده‌های ژنومی اختصاصی را بارگذاری کنند، که سیستم در عرض چند دقیقه آن‌ها را با میلیون‌ها مقاله داوری‌شده و پایگاه‌های داده پروتئینی عمومی مقایسه می‌کند.[2]

این سازوکار متکی بر شکل بسیار تخصصی از «تولید مبتنی بر بازیابی» (RAG) است که به طور خاص برای زیست‌شناسی مولکولی تنظیم شده است. هنگامی که یک دانشمند از این کارگاه می‌خواهد محل‌های اتصال بالقوه روی یک پروتئین سرطان‌زا را شناسایی کند، کلود ساینس فقط متن تولید نمی‌کند؛ بلکه داده‌های ساختاری را استخراج می‌کند، متون مرتبط را برجسته می‌سازد و فهرستی رتبه‌بندی شده از کاندیداهای مولکولی را پیشنهاد می‌دهد.[5]

آزمایش‌کنندگان اولیه نسخه بتا، بهبودهای چشمگیری در کارایی گزارش کرده‌اند. بر اساس گزارش «استت نیوز» (STAT News)، محققان در یک آزمایشگاه برجسته انکولوژی (سرطان‌شناسی) از این پلتفرم استفاده کردند تا فرآیند بررسی ادبیات و شناسایی هدف را که معمولاً سه ماه طول می‌کشد، به تنها چهار روز کاهش دهند.[2]

با این حال، مخرب‌ترین عنصر این اعلامیه، خط تولید داخلی خود آنتروپیک است. این شرکت در حال حاضر یک اختلال نادر خودایمنی و یک هدف انکولوژی نامشخص را هدف قرار داده است و عملاً آن‌ها را به رقیبی برای همان شرکت‌های داروسازی تبدیل می‌کند که نرم‌افزار خود را به آن‌ها می‌فروشد.

تحلیلگران صنعت فناوری خاطرنشان می‌کنند که این یکپارچگی عمودی یک گام ضروری برای آزمایشگاه‌های پیشرو هوش مصنوعی است. از آنجایی که هزینه آموزش مدل‌های نسل بعدی به میلیاردها دلار می‌رسد، شرکت‌ها باید کاربردهایی با بازده سرمایه‌گذاری عظیم پیدا کنند. یک داروی پرفروش موفق می‌تواند میلیاردها دلار درآمد سالانه ایجاد کند که حاشیه سود استاندارد نرم‌افزار به عنوان سرویس (SaaS) را کوچک می‌سازد.[3][4]

آنتروپیک در این مسیر تنها نیست. آزمایشگاه‌های ایزومورفیک (Isomorphic Labs) متعلق به گوگل دیپ‌مایند، با استفاده از مدل آلفافولد ۳ (AlphaFold 3) خود، در حال امضای مشارکت‌های پرسود با شرکت‌های بزرگ داروسازی بوده‌اند. با این حال، رویکرد آنتروپیک به شدت بر مرحله «استدلال» تحقیق متمرکز است—ترکیب مفاهیم زیست‌شناسی متفاوت و طراحی آزمایش‌ها—به جای صرفاً پیش‌بینی ساختاری.[1][5]

با وجود این خوش‌بینی، عدم قطعیت‌های قابل توجهی باقی می‌ماند. مدل‌های زبان بزرگ به دلیل «توهمات» (Hallucinations) بدنام هستند—اختراع اطلاعاتی که به نظر منطقی می‌آیند اما نادرست هستند. در کشف دارو، یک تعامل مولکولی توهمی می‌تواند میلیون‌ها دلار در آزمایش فیزیکی و ماه‌ها زمان آزمایشگاهی را هدر دهد.

برای کاهش این خطر، آنتروپیک ادعا می‌کند که چارچوب «هوش مصنوعی مشروط» (Constitutional AI) خود را برای کارگاه علمی به شدت تغییر داده است. این سیستم به شدت محدود شده است که فقط داده‌های خاص و قابل تأیید را از مجموعه‌داده‌های بارگذاری شده توسط کاربر یا مخازن دانشگاهی معتبر ذکر کند و از تولید فرضیه‌هایی که نمی‌تواند بر شواهد محکم مبتنی کند، خودداری می‌کند.[2][4]

در نهایت، گلوگاه واقعی در کشف دارو، همچنان «آزمایشگاه تر» (Wet Lab) باقی می‌ماند. در حالی که کلود ساینس می‌تواند یک مولکول امیدوارکننده را در چند ثانیه طراحی کند، سنتز آن مولکول، آزمایش آن در کشت‌های سلولی و انجام آزمایش‌های بالینی انسانی هنوز سال‌ها طول می‌کشد. هوش مصنوعی خط شروع را تسریع می‌کند، اما خط پایان همچنان به واقعیت‌های فیزیکی زیست‌شناسی محدود است.[5]