Jensen Huang, il capo di NVIDIA, ha raccontato come abbia utilizzato ChatGPT per comprendere come l’intelligenza artificiale generativa possa affrontare problemi del mondo reale, come la dissoluzione della plastica e la riduzione delle emissioni di carbonio. Inoltre, non sapevamo che una startup europea di intelligenza artificiale stesse utilizzando LLM per emergere sequenze di DNA e proteine per affrontare proprio questi problemi e casi d’uso reali.
Stef van Grieken, co-fondatore e CEO di Cradle, ha spiegato in un’intervista esclusiva con AIM che circa il 60% delle cose consumate oggi potrebbe essere prodotto con mezzi biologici, il che ha un impatto significativo rispetto ad altre applicazioni. Cradle è una startup biotecnologica europea che sfrutta l’intelligenza artificiale per aiutare gli scienziati a progettare e ingegnerizzare le proteine in modo più rapido ed economico, concentrandosi sull’ingegneria delle modalità proteiche come enzimi, vaccini, peptidi e anticorpi.
Il funzionamento di Cradle è simile a quello di ChatGPT: inserendo una descrizione del DNA o come appare una molecola e cosa deve essere fatto con esso, si ottiene una serie di sequenze che possono essere utilizzate per affrontare il problema specifico. Questo approccio permette di raggiungere gli obiettivi del progetto di ricerca e sviluppo due volte più velocemente rispetto ai metodi precedenti.
Grieken ha evidenziato che molte aziende come Google e Facebook si concentrano principalmente sulla ricerca e lo sviluppo dell’apprendimento automatico e non stanno necessariamente cercando di costruire strumenti che aiutino i biologi a utilizzare questi tipi di metodi in modo semplice.
Cradle si basa su modelli proprietari ispirati a modelli open source come Bert basato su Transformer, ma la scarsità di dati sulle proteine ostacola il progresso dei modelli. L’azienda ha un laboratorio interno per creare efficacemente set di dati di addestramento affinché i modelli di apprendimento automatico possano apprendere più rapidamente.
Tuttavia, i lenti cicli di feedback e i costi elevati per generare risultati sono sfide significative per Cradle. Grieken ha confrontato il processo con i modelli GPT, dove un feedback immediato sui risultati può aiutare ad addestrare immediatamente i modelli, mentre per Cradle ci vogliono tre mesi tra la generazione del prodotto e il ritorno dei risultati.
Cradle mira a risolvere una serie di problemi reali associati alla ricerca medica, tra cui tempi, costi e accessibilità logistica. Inoltre, riducendo la quantità di tempo e denaro necessaria per sviluppare soluzioni per la cura delle malattie, si potrebbero introdurre più facilmente sul mercato nuovi prodotti.
Infine, Grieken ha condiviso che la sua ispirazione per avviare Cradle è derivata dal desiderio di lasciare un’impronta significativa nel mondo e di utilizzare il proprio tempo in modo efficace. Grazie alla sua esperienza presso grandi aziende tecnologiche come Google, Grieken consiglia di lavorare inizialmente per una grande azienda tecnologica e poi di andare a costruire qualcos’altro una volta acquisite le competenze necessarie.
Cradle ha raccolto un finanziamento totale di 29,7 milioni di dollari e ha due uffici ad Amsterdam, nei Paesi Bassi, e a Zurigo, in Svizzera.