ADVERTISEMENT

ADVERTISEMENT

નિખિલ કામથ, એન્થ્રોપિકના CEO દ્વારા AIની બાયોટેક પર અસર વિશે

અમોદેઈએ કહ્યું કે આર્ટિફિશિયલ ઈન્ટેલિજન્સ હેલ્થકેર અને બાયોટેકનોમાં વૈજ્ઞાનિક શોધને નોંધપાત્ર રીતે ઝડપી બનાવી શકે છે.

નિખિલ કામથ અને ડારિયો અમોદેઈ / Handout

ઝેરોધાના સહ-સ્થાપક નિખિલ કામથે એન્થ્રોપિકના મુખ્ય કાર્યકારી અધિકારી ડેરિયો અમોદેઈ સાથે આર્ટિફિશિયલ ઈન્ટેલિજન્સના ભવિષ્ય વિશે વાતચીત કરી હતી, જેમાં બાયોટેક, ડેટા અને ગવર્નન્સ પર ધ્યાન કેન્દ્રિત કરવામાં આવ્યું હતું.

નિખિલ કામથના 'પીપલ બાય WTF' પોડકાસ્ટ પર વાત કરતા અમોદેઈએ જણાવ્યું હતું કે આર્ટિફિશિયલ ઈન્ટેલિજન્સ હેલ્થકેર અને બાયોટેકનોમાં વૈજ્ઞાનિક શોધને નોંધપાત્ર રીતે વેગ આપી શકે છે.

તેમણે કહ્યું, “હું બાયોટેક વિશે આશાવાદી છું. મને લાગે છે કે બાયોટેકમાં એક નવું યુગ આવી રહ્યું છે... જે આખરે AI દ્વારા સંચાલિત હશે.”

અમોદેઈએ જણાવ્યું હતું કે AI-સક્ષમ ઑપ્ટિમાઇઝેશન પેપ્ટાઇડ-આધારિત ઉપચારો અને સેલ-આધારિત સારવાર જેવી CAR-T જેવી સારવારોના વિસ્તારને વિસ્તૃત કરી શકે છે, જેનાથી જૈવિક સિસ્ટમમાં ઝડપી પ્રયોગ અને ડિઝાઇન શક્ય બને છે.

તેમણે કહ્યું કે આર્ટિફિશિયલ ઈન્ટેલિજન્સ અને બાયોલોજીનું સંયોજન AIના સૌથી મહત્વપૂર્ણ એપ્લિકેશન્સમાંનું એક બની શકે છે. “મારી આંતરિક લાગણી છે કે અમે ઘણી બીમારીઓનો ઇલાજ કરવાની તૈયારીમાં છીએ,” તેમણે કહ્યું, જ્યારે ક્ષમતાઓ વધતી જાય ત્યારે જવાબદાર વિકાસની જરૂરિયાત પર ભાર મૂક્યો.

વાતચીતમાં AI વિકાસમાં ડેટાની બદલાતી ભૂમિકાની પણ ચર્ચા થઈ. અમોદેઈએ જણાવ્યું કે રિઇન્ફોર્સમેન્ટ લર્નિંગ એન્વાયર્નમેન્ટ્સ અને સિન્થેટિક ડેટા જનરેશન અદ્યતન મોડલ્સને તાલીમ આપવામાં વધુને વધુ મહત્વપૂર્ણ બની રહ્યા છે.

“જ્યારે તમે ગણિત કે કોડિંગ એન્વાયર્નમેન્ટ્સ પર તાલીમ લો છો, ત્યારે તમે ખરેખર ડેટા મેળવતા નથી... તમે ડેટા બનાવી રહ્યા છો,” તેમણે કહ્યું અને ઉમેર્યું કે “મોડલ દ્વારા જાતે બનાવવામાં આવતો ડાયનેમિક ડેટા... વધુ મહત્વપૂર્ણ બની રહ્યો છે.”

ડેટા હજુ પણ ભાષા મોડલ્સ અને એન્ટરપ્રાઇઝ ઉપયોગ કેસો માટે સંબંધિત છે, પરંતુ અમોદેઈએ જણાવ્યું કે ઇટરેટિવ લર્નિંગ અને એન્વાયર્નમેન્ટ-આધારિત તાલીમ લાંબા ગાળે મોટા, સ્ટેટિક ડેટાસેટ્સને AI વિકાસમાં સ્પર્ધાત્મક લાભ તરીકે ઘટાડી શકે છે.

કામથ અને અમોદેઈએ AI ટૂલ્સ ટેકનિકલ યુઝર્સથી આગળ વિસ્તરતા હોવાથી ઉપયોગિતાની પડકારો પર પણ ચર્ચા કરી. અમોદેઈએ કહ્યું કે AI સિસ્ટમ્સનો અસરકારક ઉપયોગ હાથવણાટની પ્રેક્ટિસની જરૂર છે, જેને તેઓ પ્રોમ્પ્ટ ડિઝાઇનને સંગીતના વાદ્ય શીખવા સાથે સરખાવે છે. “એક લર્નિંગ કર્વ છે,” તેમણે કહ્યું. “તમે મોટેભાગે કરીને શીખો છો.”

ચર્ચામાં AI ડિપ્લોયમેન્ટને આકાર આપતા નિયમનકારી અને ભૂ-રાજકીય પરિબળો પર પણ વાત થઈ. અમોદેઈએ યુરોપમાં ડેટા લોકલાઇઝેશનની જરૂરિયાતોનો ઉલ્લેખ કર્યો અને કહ્યું કે આવી નીતિઓ વૈશ્વિક સ્તરે AI ઇન્ફ્રાસ્ટ્રક્ચરના ડિપ્લોયમેન્ટને અસર કરી શકે છે, જેમાં પ્રાદેશિક રીતે વિતરિત ડેટા સેન્ટર્સ પર વધુ આધાર રહેશે.

એપિસોડનો અંત AI ગવર્નન્સ પર ચર્ચા સાથે થયો, જેમાં ફ્રન્ટિયર AI ડેવલપર્સમાં પાવરની કેન્દ્રીકરણની ચિંતાઓ અને AI વૈજ્ઞાનિક, આર્થિક અને સામાજિક સિસ્ટમ્સમાં વધુ કેન્દ્રીય બનતાં નિરીક્ષણની જરૂરિયાતનો સમાવેશ થાય છે.

'પીપલ બાય WTF' એ નિખિલ કામથ દ્વારા હોસ્ટ કરાયેલ પોડકાસ્ટ છે, જેમાં બિઝનેસ, ટેકનોલોજી, પોલિસી, કલ્ચર અને એકેડેમિયાના નેતાઓ સાથે લાંબા સ્વરૂપની વાતચીત કરવામાં આવે છે.

ગુજરાતીમાં અન્ય સમાચારો વાંચવા અહીં ક્લિક કરો "ન્યુ ઇન્ડિયા અબ્રોડ ગુજરાતી"

Comments

Related

To continue...

Already have an account? Log in

Create your free account or log in