Zastosowania AI ułatwiające odkrycia w dziedzinie nauk biologicznych
Dopiero zaczynamy zdawać sobie sprawę z przełomowego potencjału sztucznej inteligencji. Analizy danych, które kiedyś mogły trwać tygodnie, miesiące, a nawet lata, teraz można wykonywać znacznie szybciej, szybciej też uzyskując wyniki. Nauki biologiczne — czyli wszelkie badania nad życiem na naszej planecie, od mikroorganizmów, roślin, zwierząt i ludzi po całe ekosystemy — są przygotowane, aby wykorzystać w badaniach tę rewolucję technologiczną. Przykładowo algorytmy uczenia maszynowego zdolne do analizowania złożonych danych biologicznych są coraz częściej wykorzystywane do tworzenia modeli predykcyjnych dotyczących zdrowia, co toruje drogę do bardziej spersonalizowanej opieki zdrowotnej. Narzędzia sztucznej inteligencji mogą być także pomocne w symulowaniu potencjalnego działania nowoczesnych terapii i leków, aby identyfikować obiecujące cząsteczki i podkreślać ewentualne działania niepożądane na długo przed rozpoczęciem badań klinicznych. Warto zauważyć, że Nagrody Nobla w dziedzinach fizyki i chemii w 2024 r. były zasadniczo przyznawane za zastosowania sztucznej inteligencji w nauce, przy czym ta w dziedzinie chemii została przyznana za badania nad przewidywaniem struktury białek. „Zawsze myślałem, że jeśli uda nam się zbudować sztuczną inteligencję we właściwy sposób, może stać się ona najlepszym narzędziem do pomocy naukowcom” — mówi współzałożyciel DeepMind i laureat Nagrody Nobla(odnośnik otworzy się w nowym oknie), Demis Hassabis. Poza dziedzinami zdrowia i medycyny możliwość analizowania ogromnych ilości różnych informacji z różnych źródeł może znacznie usprawnić procesy decyzyjne. Na przykład decydenci próbujący chronić ekosystemy muszą uwzględniać szereg złożonych kwestii przed określeniem najlepszej drogi postępowania. Narzędzia oparte na sztucznej inteligencji mogą pomóc w zestawieniu takich informacji i ich uporządkowaniu w użyteczny i praktyczny sposób.
Zwiększanie innowacyjności i konkurencyjności
Niniejsza broszura Results Pack przedstawia zróżnicowane portfolio projektów wspieranych przez Unię Europejską, które pokazują, jak stosowanie sztuczne inteligencji może ułatwiać nowe odkrycia w naukach biologicznych. Sztuczna inteligencja w nauce w ogóle, a w szczególności w naukach biologicznych, jest jednym z priorytetów politycznych Komisji Europejskiej, co zostało podkreślone przez przewodniczącą Ursulę von der w Leyen piśmie określającym zadania(odnośnik otworzy się w nowym oknie) do komisarza do spraw start-upów, badań i innowacji. W tym dokumencie przewodnicząca von der Leyen wzywa do „nowej multidyscyplinarnej strategii na rzecz europejskich nauk biologicznych(odnośnik otworzy się w nowym oknie), aby odblokować wysokowartościowe technologie wspierające transformację ekologiczną i cyfrową”, a także do „strategii mającej na celu zwiększenie wykorzystania sztucznej inteligencji przez europejskich naukowców”. Te nowe strategie zostaną opublikowane w 2025 roku. Projekty wspomniane w niniejsze broszurze Results Pack wspierają prace Unii Europejskiej w tej dziedzinie i pomogą utrzymać pozycję UE jako światowego pioniera w dziedzinie nauki i sztucznej inteligencji. Będzie to miało kluczowe znaczenie dla zwiększenia konkurencyjności Europy i dla tworzenia nowych, trwałych miejsc pracy. Projekty finansowane ze środków UE przedstawione w niniejszej edycji pokazują, w jaki sposób zastosowanie narzędzi sztucznej inteligencji pomaga nam lepiej zrozumieć zagadnienia nauk biologicznych, co potencjalnie może doprowadzić do przełomowych rozwiązań w celu sprostania szeregowi złożonych wyzwań. Wygenerowana wiedza pomaga również decydentom i interesariuszom w pełni zrozumieć korzyści związane z narzędziami sztucznej inteligencji oraz podejmować odpowiednie działania wspierające. W wielu z tych projektów istotny był aspekt zdrowotny. Na przykład w projekcie AI-PREVENT zastosowano sztuczną inteligencję do zbiorów danych dotyczących zdrowia i innych czynników związanych ze stylem życia, aby uzyskać bardziej predykcyjną i spersonalizowaną opiekę zdrowotną. Podobnie projekt AI-SPRINT wykorzystał uczenie maszynowe do opracowania modeli oceny ryzyka udaru mózgu, łącząc dane sensoryczne z informacjami o stylu życia. Narzędzia sztucznej inteligencji, których pionierem jest projekt MIRIADE, mogą zrewolucjonizować opiekę nad osobami z demencją, umożliwiając wcześniejsze diagnozowanie, natomiast narzędzia oparte na sztucznej inteligencji i symulacjach komputerowych Disc4All mogą zapewnić wsparcie kliniczne w identyfikacji i leczenia zwyrodnień kręgosłupa. Tymczasem zespół projektu EAR skupił się na mobilnych urządzeniach do noszenia z obsługą sztucznej inteligencji, zaprojektowanych do śledzenia stanu zdrowia poprzez analizę dźwięków ciała. W ramach projektu FEMaLe opracowano narzędzia wspomagania decyzji klinicznych — wykorzystujące sztuczną inteligencję — które mają pomagać lekarzom wcześniej rozpoznać endometriozę. Zespół projektu H-MIP wykorzystał zarówno naukę obywatelską, jak i techniki sztucznej inteligencji, aby lepiej zrozumieć zakażenia chorobami przenoszonymi przez komary (i zapobiegać im), zaś badacze z projektu MOOD wykorzystali naukę o danych, aby zwiększyć gotowość Europy na pojawiające się choroby zakaźne. Rezultatem projektu GATEKEEPER było opracowanie platformy opieki zdrowotnej wykorzystującej sztuczną inteligencję w celu zapobiegania schorzeniom związanym z wiekiem, zarządzania nimi i ich leczenia. W projektach zastosowano również narzędzia sztucznej inteligencji na wielu różnych zbiorach danych, aby łączyć różnorodne informacje. Zespół projektu EPOCHAL wykorzystał sztuczną inteligencję do rekonstrukcji historycznej ekspozycji na pyłki w celu zbadania ich wpływu na zdrowie, zaś efektem projektu GUARDEN było opracowanie nowych narzędzi opartych na sztucznej inteligencji, które mają pomagać decydentom w lepszym uwzględnianiu kwestii różnorodności biologicznej w procesie decyzyjnym. W projekcie Health CASCADE zastosowano technologie cyfrowe i sztuczną inteligencję do ulepszenia i wspomagania szkoleń naukowych w wielu powiązanych dyscyplinach. W ramach projektu WaterSENSE zintegrowano dane dotyczące zużycia wody w celu zapewnienia zgodności z przepisami, co ma pomóc o zoptymalizowaniu wykorzystania tego cennego zasobu. Innym projektem ukierunkowanym na ochronę środowiska był MAELSTROM, w którym wykorzystano sztuczną inteligencję i inne technologie cyfrowe, aby zapobiegać przedostawaniu się plastikowych odpadów do oceanu. Zespół projektu FoodSafeR użył sztucznej inteligencji do gromadzenia danych w celu wczesnego wykrywania pojawiających się zagrożeń związanych z żywnością, co pomaga ekspertom szybko i pewnie reagować. Dwa inne projekty finansowane ze środków UE, na które warto zwrócić uwagę, to BMAI, którego celem było zautomatyzowanie szeregu powtarzalnych zadań, aby udoskonalić diagnostykę raka, oraz d3pm, w ramach którego prowadzono pionierskie badania w zakresie rozpoznawania obrazów ze wsparciem sztucznej inteligencji w celu wykrywania prenatalnych wad rozwojowych.
