OpenAI গবেষক Miles Wang $2 বিলিয়ন মূল্যায়নে AI ওষুধ আবিষ্কার স্টার্টআপ চালু করতে আলোচনায়

যখন একজন সিনিয়র গবেষক বিশ্বের সবচেয়ে প্রভাবশালী AI ল্যাবগুলির একটি থেকে বেরিয়ে আসে একটি বায়োটেক স্টার্টআপ তৈরি করতে, শিল্প মনোযোগ দেয়। OpenAI গবেষক Miles Wang $2 বিলিয়ন মূল্যায়নে AI ওষুধ আবিষ্কার স্টার্টআপ চালু করতে আলোচনায় রয়েছেন — এটি শুধুমাত্র একটি ক্যারিয়ার পদক্ষেপের চেয়ে বেশি কিছু নির্দেশ করে। এটি চিহ্নিত করে যে সবচেয়ে উচ্চাভিলাষী প্রযুক্তিগত মনগুলি কীভাবে AI স্থাপন করতে বেছে নিচ্ছে তার একটি মোড় বিন্দু। এটি আর চ্যাটবট সম্পর্কে নয়। এটি অণুগুলির বিষয়ে।

কী ঘটেছে

এই গল্পটি একটি প্যাটার্ন অনুসরণ করে যা AI বিশ্বে ক্রমবর্ধমান পরিচিত হয়ে উঠেছে: গভীর প্রযুক্তিগত শংসাপত্র সহ একজন গবেষক, সীমান্ত ল্যাবগুলির মধ্যে তৈরি, সিদ্ধান্ত নেয় যে পরবর্তী সীমান্ত একটি বড় সংস্থার মধ্যে নয়। রিপোর্ট অনুযায়ী, Miles Wang — OpenAI-এর সাথে যুক্ত একজন গবেষক — একটি AI-চালিত ওষুধ আবিষ্কার স্টার্টআপ প্রতিষ্ঠা করার জন্য আলোচনায় রয়েছেন, প্রাথমিক পর্যায়ের মূল্যায়ন কথোপকথন কথিতভাবে $2 বিলিয়ন পরিসরে পৌঁছেছে কোম্পানিটি এমনকি আনুষ্ঠানিকভাবে চালু হওয়ার আগে।

সেই সংখ্যাটি প্রসঙ্গ প্রাপ্য। একটি $2 বিলিয়ন প্রাক-লঞ্চ মূল্যায়ন এই স্টার্টআপটিকে অবিলম্বে শুরুতে সবচেয়ে ভারীভাবে পুঁজিযুক্ত AI বায়োটেক উদ্যোগের মধ্যে স্থাপন করবে। এটি একটি বিস্তৃত বিনিয়োগকারী থিসিস প্রতিফলিত করে যা বেশ কয়েক বছর ধরে গতি তৈরি করছে: যে বড় ভাষা মডেল এবং জেনারেটিভ AI আর্কিটেকচার, যখন প্রোটিন ফোল্ডিং, আণবিক সিমুলেশন এবং ক্লিনিকাল ট্রায়াল ডিজাইনে প্রয়োগ করা হয়, তখন ওষুধ উন্নয়ন সময়সীমা ঐতিহ্যবাহী দশক-প্লাস চক্র থেকে অনেক ছোট কিছুতে সংকুচিত করতে পারে।

পূর্বনির্ধারণ বিদ্যমান। DeepMind-এর AlphaFold কাঠামোগত জীববিজ্ঞানকে পুনর্নির্ধারণ করেছে। স্টার্টআপগুলির একটি ঢেউ — Isomorphic Labs, Recursion Pharmaceuticals, Insilico Medicine — প্রদর্শন করেছে যে AI ওষুধ প্রার্থীদের পৃষ্ঠ করতে পারে যা প্রচলিত স্ক্রীনিং বছর সনাক্ত করতে নিয়েছিল। এখন যা পরিবর্তিত হয়েছে তা হল স্থানটিতে প্রবেশকারী প্রতিভার ক্যালিবার। যখন যারা সীমান্ত সাধারণ-উদ্দেশ্য AI মডেলগুলিতে কাজ করেছেন তারা জীববিজ্ঞানে পিভট করেন, তারা স্থাপত্য অন্তর্দৃষ্টি এবং প্রশিক্ষণ-স্কেল অভিজ্ঞতা নিয়ে আসেন যা উদ্দেশ্য-নির্মিত বায়োটেক AI দলগুলি প্রায়শই অভাব করে।

Wang-এর রিপোর্ট করা উদ্যোগের নির্দিষ্ট প্রযুক্তিগত ফোকাস সম্পূর্ণভাবে জনসাধারণের কাছে নয়, তবে বিস্তৃত থিসিস — লক্ষ্য সনাক্তকরণ, লিড অপ্টিমাইজেশন এবং ক্লিনিকাল পূর্বাভাস ত্বরান্বিত করতে জেনারেটিভ AI ব্যবহার করুন — যেখানে ক্ষেত্রটি যাচ্ছে তা নির্বিশেষে কোন দল সেখানে প্রথম পৌঁছায়।

এশিয়ার জন্য এটি কেন গুরুত্বপূর্ণ

AI ওষুধ আবিষ্কারে এশিয়ার স্টেক বেশিরভাগ পশ্চিমী প্রযুক্তি বর্ণনা স্বীকার করার চেয়ে বড়। চীন দেশীয় AI বায়োটেকে ব্যাপকভাবে বিনিয়োগ করেছে, XtalPi এবং Insilico Medicine-এর মতো কোম্পানিগুলির সাথে (যা হংকং এবং চীন থেকে উল্লেখযোগ্যভাবে পরিচালনা করে) ইতিমধ্যে AI-ডিজাইন করা যৌগ ক্লিনিকাল ট্রায়ালের মাধ্যমে চলছে। দক্ষিণ কোরিয়ার ফার্মাসিউটিক্যাল সেক্টর, Samsung Biologics এবং Celltrion-এর মতো সমন্বয় দ্বারা নোঙর করা, সক্রিয়ভাবে AI অংশীদারিত্ব অন্বেষণ করছে। ভারতের জেনেরিক ওষুধ উৎপাদন ভিত্তি — ভলিউম দ্বারা বিশ্বে সবচেয়ে বড় — AI-চালিত প্রক্রিয়া অপ্টিমাইজেশন এবং উপন্যাস যৌগ আবিষ্কারের জন্য একটি প্রাকৃতিক প্রার্থী।

এশিয়ান প্রতিষ্ঠাতা এবং ডেভেলপারদের জন্য এই গল্পটি দেখছেন, Wang সংবাদ তিনটি কারণে গুরুত্বপূর্ণ।

প্রথমত, এটি নিশ্চিত করে যে পুঁজি প্রতিভা অনুসরণ করছে। একটি প্রাক-লঞ্চ AI বায়োটেক স্টার্টআপের জন্য একটি $2 বিলিয়ন মূল্যায়ন কথোপকথন মানে বিনিয়োগকারী — সম্ভবত এশিয়া এক্সপোজার সহ প্রধান উদ্যোগ তহবিল সহ — এই বিভাগে বড় চেক লেখার জন্য প্রস্তুত। এটি ডাউনস্ট্রিম সুযোগ তৈরি করে: টুলিং, অবকাঠামো, ডেটা পাইপলাইন এবং নিয়ন্ত্রক সম্মতি প্ল্যাটফর্ম যা AI ওষুধ আবিষ্কার কোম্পানিগুলির প্রয়োজন হবে।

দ্বিতীয়ত, এটি এশিয়া-প্রশান্ত মহাসাগরীয় তহবিল কথোপকথনে সেক্টরের বৈধতা ত্বরান্বিত করে। যখন একটি প্রতিষ্ঠাতা দল OpenAI শংসাপত্র বহন করে, এটি অঞ্চলে সংলগ্ন স্টার্টআপগুলির জন্য সন্দেহের বাধা হ্রাস করে স্থানীয় LPs এবং কর্পোরেট উদ্যোগ বাহুতে অনুরূপ পিচ তৈরি করে।

তৃতীয়ত, এশিয়ার এই স্থানে কাঠামোগত সুবিধা রয়েছে যা অনুমান করা হয় না। দক্ষিণ-পূর্ব এশিয়া, ভারত এবং পূর্ব এশিয়া জুড়ে রোগীর ডেটা বৈচিত্র্য একটি জিনোমিক এবং ফেনোটাইপিক প্রস্থতা প্রতিনিধিত্ব করে যা পশ্চিমী ডেটাসেটগুলি প্রায়শই অভাব করে। অঞ্চলে স্টার্টআপ এবং গবেষণা প্রতিষ্ঠান যা এই জনসংখ্যার চারপাশে সম্মতিশীল, গোপনীয়তা-সংরক্ষণ ডেটা অবকাঠামো তৈরি করতে পারে তাদের একটি রক্ষণীয় মোট থাকবে যা সান ফ্রান্সিসকোতে কোনো পরিমাণ গণনা প্রতিলিপি করতে পারে না।

এশিয়া প্রযুক্তি ইকোসিস্টেম শুধুমাত্র এই প্রবণতা দেখছে না — এটি এতে অংশগ্রহণ করার জন্য অবস্থান করা হয়েছে, যদি ডেভেলপার এবং প্রতিষ্ঠাতারা সঠিক জরুরিতার সাথে চলে।

ডেভেলপারদের জন্য এর অর্থ কী

যদি আপনি এশিয়ার একজন ডেভেলপার হন যিনি পরবর্তীতে কোথায় তৈরি করবেন তা নিয়ে চিন্তা করছেন, Wang গল্পটি প্রযুক্তিগত লিভারেজ কোথায় কেন্দ্রীভূত হচ্ছে তার একটি দরকারী সংকেত। AI ওষুধ আবিষ্কার একটি একশ্বর নয় — এটি একটি স্ট্যাক, এবং সেই স্ট্যাকের বেশিরভাগ তৈরি করা প্রয়োজন।

ডেটা স্তরে, ওষুধ আবিষ্কার AI পরিষ্কার, কাঠামোগত জৈবিক ডেটা প্রয়োজন: জিনোমিক অনুক্রম, প্রোটিন কাঠামো, পরীক্ষার ফলাফল, ইলেকট্রনিক স্বাস্থ্য রেকর্ড। এই ডেটা গ্রহণ, স্বাভাবিক করা এবং সংস্করণ-নিয়ন্ত্রণ করে এমন পাইপলাইন তৈরি করা অপ্রতিরোধ্য কাজ, তবে এটি ভিত্তি যা অন্য সবকিছু চলে। ডেটা ইঞ্জিনিয়ারিং এবং MLOps-এ অভিজ্ঞতা সহ ডেভেলপাররা যারা সেই দক্ষতাগুলি জৈবিক ডেটা ফর্ম্যাটে প্রয়োগ করতে পারে — FASTA, SDF, DICOM — উচ্চ চাহিদায় থাকবে।

মডেল স্তরে, আকর্ষণীয় কাজ সাধারণ-উদ্দেশ্য আর্কিটেকচার সূক্ষ্ম-সুর এবং অভিযোজন আণবিক কাজে। প্রোটিন অনুক্রমে প্রশিক্ষিত ট্রান্সফর্মার মডেল, আণবিক কাঠামোতে প্রয়োগ করা গ্রাফ নিউরাল নেটওয়ার্ক, উপন্যাস যৌগ উৎপন্ন করা বিস্তার মডেল — এগুলি আর বিদেশী গবেষণা বিষয় নয়। তারা প্রকৌশল সমস্যা। ডেভেলপাররা যারা বুঝতে পারে কীভাবে ESM-2 বা RFdiffusion-এর মতো ওপেন-সোর্স ভিত্তি মডেলগুলি নির্দিষ্ট থেরাপিউটিক লক্ষ্যগুলিতে মানিয়ে নিতে হয় তারা একটি ভাল-তহবিল সমস্যা স্থানের কেন্দ্রে নিজেদের খুঁজে পাবে।

অ্যাপ্লিকেশন স্তরে, বাধা প্রায়শই ব্যবহারকারীর অভিজ্ঞতা এবং ওয়ার্কফ্লো একীকরণ। গণনামূলক জীববিজ্ঞানী এবং ওষুধি রসায়নবিদরা সফটওয়্যার ইঞ্জিনিয়ার নন। ডোমেইন বিশেষজ্ঞদের কোড লেখা ছাড়াই AI মডেলগুলির সাথে ইন্টারঅ্যাক্ট করতে দেয় এমন ইন্টারফেস তৈরি করা — প্রাকৃতিক ভাষা প্রশ্ন আণবিক ডাটাবেসের উপর, AI পরামর্শ সহ ভিজ্যুয়াল যৌগ সম্পাদক, নিয়ন্ত্রক জমা দেওয়ার জন্য স্বয়ংক্রিয় প্রতিবেদন প্রজন্ম — যেখানে পণ্য-মনের ডেভেলপাররা অসমান মূল্য তৈরি করতে পারে।

MonstarX-এর মতো প্ল্যাটফর্মগুলিতে নির্মাণকারী দলগুলির জন্য, AI-নেটিভ উন্নয়ন পদ্ধতি এই সমস্যায় পরিষ্কারভাবে ম্যাপ করে। ওষুধ আবিষ্কার ওয়ার্কফ্লো বিভিন্ন ডেটা উৎস সংযোগ, অনুমান পাইপলাইন চালানো এবং ডোমেইন-নির্দিষ্ট ইন্টারফেসে ফলাফল পৃষ্ঠ জড়িত — ঠিক এই ধরনের মাল্টি-সিস্টেম অর্কেস্ট্রেশন যেখানে একটি AI-নেটিভ প্ল্যাটফর্ম বিল্ড চক্রকে ত্বরান্বিত করে এটিতে ঘর্ষণ যোগ করার পরিবর্তে।

নিয়ন্ত্রক মাত্রাও একটি প্রকৃত প্রকৌশল চ্যালেঞ্জ। FDA-এর AI-সহায়তা ওষুধ উন্নয়নের জন্য উদীয়মান কাঠামো এবং এশিয়া-প্রশান্ত মহাসাগরীয় জুড়ে সমতুল্য সংস্থাগুলি অডিট ট্রেইল, মডেল সংস্করণ এবং ব্যাখ্যাযোগ্যতা শিল্পকর্ম প্রয়োজন যা বেশিরভাগ মান ML স্থাপনা পাইপলাইন ডিফল্টরূপে উৎপাদন করে না। ডেভেলপাররা যারা তাদের স্থাপত্যে সম্মতি বেক করে — এটি রেট্রোফিটিং করার পরিবর্তে — এমন পণ্য তৈরি করবে যা প্রকৃতপক্ষে ক্লিনিকাল এবং বাণিজ্যিক ব্যবহারে পৌঁছাতে পারে।

মূল টেকঅ্যাওয়ে

শিরোনাম মূল্যায়ন এবং নির্দিষ্ট নাম থেকে পিছিয়ে পড়ুন এবং এই গল্প থেকে কয়েকটি টেকসই প্যাটার্ন উদ্ভূত হয়।

সীমান্ত AI প্রতিভা কঠিন বিজ্ঞানের চারপাশে স্ব-সংগঠিত হচ্ছে। সাধারণ-উদ্দেশ্য AI গবেষণা থেকে ওষুধ আবিষ্কার, উপকরণ বিজ্ঞান এবং জলবায়ু মডেলিংয়ে চলাচল উচ্চাকাঙ্ক্ষা থেকে একটি পশ্চাদপদ নয় — এটি একটি আপগ্রেড। এগুলি এমন ডোমেইন যেখানে প্রতিক্রিয়া লুপগুলি ধীর, ডেটা ব্যয়বহুল এবং প্রতিযোগিতামূলক মোটগুলি গভীর। গবেষকরা যারা বছর ধরে বড় মডেল প্রশিক্ষণের বিষয়ে চিন্তা করেছেন তারা এখন জিজ্ঞাসা করছেন: এটি লক্ষ্য করা যায় এমন কঠিনতম বাস্তব-বিশ্ব সমস্যা কী?

AI বায়োটেকের জন্য মূল্যায়ন পরিবেশ