由范德堡大学（Vanderbilt University）主导的研究团队开发了一种经济高效的AI驱动"蛋白质语言"模型，该模型可帮助科学家更快速、更有效地应对新出现的健康威胁，并为癌症等疾病带来更好的治疗效果。
据IBM称，使大语言模型（LLMs）发挥作用的概念自计算早期就已存在。然而，当今的人工智能正在加速我们从海量数据中发现模式的能力，并能更准确地预测结果。
范德堡大学医学中心（Vanderbilt University Medical Center）团队（包括来自美国、瑞典和澳大利亚的科学家）在媒体声明中透露，他们训练了一种"蛋白质语言"模型——命名为MAGE——以识别先前表征的抗体，并在没有起始模板的情况下为禽流感和呼吸道病毒生成抗体序列。
通讯作者伊夫林·乔治耶夫博士（Ivelin Georgiev, Ph.D.）在声明中表示："这项研究是我们最终目标的重要早期里程碑——利用计算机高效、有效地从头设计新型生物制剂并将其转化为临床应用。"
乔治耶夫补充道："此类方法将对公共卫生产生重大积极影响，并可应用于包括癌症、自身免疫疾病、神经系统疾病等在内的广泛疾病。"研究人员在《细胞》（Cell）杂志上发表了他们的发现。
更广泛地说，尽管人工智能巨大的能源和水资源需求仍然是一个重大关切问题——社区往往以更高的电费、更差的空气质量以及更脏的饮用水形式付出代价——但这一突破凸显了创新者为何对其潜力如此看好。如果应用得当，它不仅可以改善生活，甚至可以防止灾难。
研究人员写道："MAGE可用于比传统抗体发现方法更快地生成针对新兴健康威胁的抗体，传统方法依赖于获取专业生物材料（例如血液样本或抗原蛋白）。"
至于处理人工智能的不良影响，许多数据中心正在使用清洁能源为运营提供动力，而新的冷却技术突破可能减少人工智能的能源足迹。无毒、耗水较少的冷却方法也在出现。然而，显然还有很多工作要做，以降低与人工智能相关技术相关的污染和资源消耗水平。
【全文结束】
