உயிர் காக்கும் மருந்தாக மாறக்கூடிய ஒரு சாத்தியக்கூறு, ஒரு ஆராய்ச்சியாளரின் மனதில் தோன்றும் சிறு பொறியில் இருந்து நோயாளியின் படுக்கைக்குச் செல்வது என்பது நீண்ட, கடினமான மற்றும் வியக்கத்தக்க வகையில் செலவுமிக்க ஒரு பயணமாகும். இது மூலக்கூறு இடைவினைகள், உயிரியல் பாதைகள், மருத்துவப் பரிசோதனைகள் மற்றும் ஒழுங்குமுறை தடைகள் ஆகியவற்றின் ஒரு சிக்கலான வலையமைப்பாகும். தோல்வி சாதாரணம், வெற்றி அரிதானது மற்றும் கடினமாகப் பெறப்படுவது. பல தசாப்தங்களாக, மருந்துத் துறை இந்த யதார்த்தத்துடன் போராடி வருகிறது, செயல்முறையை நெறிப்படுத்தவும், செலவுகளைக் குறைக்கவும், மிக முக்கியமாக, பயனுள்ள சிகிச்சைகளை விரைவாக வழங்கவும் வழிகளைத் தேடுகிறது. இப்போது, தொழில்நுட்ப ஜாம்பவானான Google இந்த சிக்கலான களத்தில் மேலும் அடியெடுத்து வைக்கிறது, செயற்கை நுண்ணறிவின் (AI) அடித்தளத்தில் கட்டமைக்கப்பட்ட ஒரு சக்திவாய்ந்த புதிய கருவியை முன்மொழிகிறது: TxGemma. இது மற்றொரு அல்காரிதம் மட்டுமல்ல; இது ஒரு திறந்த மூல ஊக்கியாக நிலைநிறுத்தப்பட்டுள்ளது, குறிப்பாக சிகிச்சை மேம்பாட்டில் உள்ள சிக்கல்களை அவிழ்க்க வடிவமைக்கப்பட்டுள்ளது.
பொதுவான AI-இலிருந்து சிறப்பு மருந்து கண்டுபிடிப்பு கருவி வரை
உயிர் அறிவியலுக்கு பெரிய மொழி மாதிரிகளை (LLMs) பயன்படுத்துவதில் Google-இன் முயற்சி முற்றிலும் புதியதல்ல. அக்டோபர் 2023 இல் Tx-LLM அறிமுகப்படுத்தப்பட்டது ஒரு குறிப்பிடத்தக்க படியாகும், இது மருந்து மேம்பாட்டின் பல்வேறு அம்சங்களுக்கு உதவுவதை நோக்கமாகக் கொண்ட ஒரு பொதுவான மாதிரியை வழங்கியது. இருப்பினும், உயிரியல் மற்றும் வேதியியலின் சிக்கல்களுக்கு மேலும் சிறப்பு கருவிகள் தேவைப்படுகின்றன. இதை உணர்ந்து, Google பொறியாளர்கள் தங்கள் நன்கு மதிக்கப்பட்ட Gemma மாதிரிகளின் கட்டமைப்பைப் பயன்படுத்தி, TxGemma-வை உருவாக்க தங்கள் பணியை மேம்படுத்தியுள்ளனர்.
முக்கிய வேறுபாடு பயிற்சியில் உள்ளது. பொதுவான LLM-கள் பரந்த அளவிலான உரை மற்றும் குறியீட்டிலிருந்து கற்றுக்கொள்ளும்போது, TxGemma சிகிச்சை மேம்பாட்டிற்கு நேரடியாக தொடர்புடைய தரவுகளில் கவனமாகப் பயிற்றுவிக்கப்பட்டுள்ளது. இந்த கவனம் செலுத்திய கல்வி, மருந்து கண்டுபிடிப்பின் மொழி மற்றும் தர்க்கத்தைப் பற்றிய நுணுக்கமான புரிதலை மாதிரிக்கு அளிக்கிறது. இது தகவலைச் செயலாக்குவதற்கு மட்டுமல்லாமல், சாத்தியமான மருந்து வேட்பாளர்களின் சிக்கலான பண்புகளை அவற்றின் வாழ்க்கைச் சுழற்சி முழுவதும் புரிந்துகொண்டு கணிக்கவும் வடிவமைக்கப்பட்டுள்ளது. இதை ஒரு பன்முக அறிவு கொண்ட AI-இலிருந்து மருந்து அறிவியலில் சிறப்பு முனைவர் பட்டம் பெற்ற ஒன்றாக மாறுவதாகக் கருதுங்கள்.
TxGemma-வை ஒரு திறந்த மூல திட்டமாக வெளியிடும் முடிவு குறிப்பாக குறிப்பிடத்தக்கது. இந்த சாத்தியமான மாற்றத்தக்க தொழில்நுட்பத்தை தனியுரிமைச் சுவர்களுக்குப் பின்னால் வைத்திருப்பதற்குப் பதிலாக, Google உலகளாவிய ஆராய்ச்சி சமூகத்தை - கல்வியாளர்கள், பயோடெக் ஸ்டார்ட்அப்கள் மற்றும் நிறுவப்பட்ட மருந்து நிறுவனங்கள் உட்பட அனைவரையும் - மாதிரிகளைப் பயன்படுத்தவும், மாற்றியமைக்கவும், செம்மைப்படுத்தவும் அழைக்கிறது. இந்த கூட்டு அணுகுமுறை டெவலப்பர்கள் TxGemma-வை தங்கள் சொந்த தரவுத்தொகுப்புகளில் நுணுக்கமாகச் சரிசெய்ய அனுமதிக்கிறது, குறிப்பிட்ட ஆராய்ச்சி கேள்விகள் மற்றும் தனியுரிமை செயல்முறைகளுக்கு ஏற்ப அதைத் தனிப்பயனாக்குகிறது, இது சாத்தியமான வேகமான, மேலும் பரவலாக்கப்பட்ட கண்டுபிடிப்பு வேகத்தை வளர்க்கிறது.
AI சக்தியைத் தனிப்பயனாக்குதல்: மாதிரி அளவுகள் மற்றும் கணிப்புத் திறன்கள்
கணினி வளங்கள் ஆராய்ச்சி சூழல்களில் வியத்தகு முறையில் வேறுபடுகின்றன என்பதைப் புரிந்துகொண்டு, Google அனைவருக்கும் பொருந்தக்கூடிய ஒரு தீர்வை வழங்கவில்லை. TxGemma ஒரு அடுக்கு மாதிரித் தொகுப்பில் வருகிறது, இது ஆராய்ச்சியாளர்கள் கணினி ஆற்றலுக்கும் கணிப்புத் திறனுக்கும் இடையிலான உகந்த சமநிலையைத் தேர்ந்தெடுக்க அனுமதிக்கிறது:
- 2 பில்லியன் அளவுருக்கள் (Parameters): ஒப்பீட்டளவில் குறைந்த எடை கொண்ட விருப்பம், அதிக கட்டுப்படுத்தப்பட்ட வன்பொருள் உள்ள சூழல்களுக்கு அல்லது குறைவான சிக்கலான பகுப்பாய்வு தேவைப்படும் பணிகளுக்கு ஏற்றது.
- 9 பில்லியன் அளவுருக்கள் (Parameters): ஒரு நடுத்தர மாதிரி, செயல்திறனை நிர்வகிக்கக்கூடிய கணினித் தேவைகளுடன் சமநிலைப்படுத்தி, திறனில் குறிப்பிடத்தக்க முன்னேற்றத்தை வழங்குகிறது.
- 27 பில்லியன் அளவுருக்கள் (Parameters): முதன்மை மாதிரி, சிக்கலான பணிகளில் அதிகபட்ச செயல்திறனுக்காக வடிவமைக்கப்பட்டுள்ளது, கணிசமான வன்பொருள் வளங்கள் தேவைப்படுகிறது, ஆனால் ஆழமான நுண்ணறிவுகளை உறுதியளிக்கிறது.
இந்த மாதிரிகளில் ‘அளவுருக்கள்’ என்ற கருத்து, AI கற்றுக்கொள்வதற்கும் கணிப்புகளைச் செய்வதற்கும் பயன்படுத்தும் குமிழ்கள் மற்றும் டயல்கள் என கருதப்படலாம். அதிக அளவுருக்கள் பொதுவாக தரவுகளில் உள்ள சிக்கலான வடிவங்களையும் நுணுக்கங்களையும் கைப்பற்ற அனுமதிக்கின்றன, இது சாத்தியமான அதிக துல்லியம் மற்றும் மேலும் அதிநவீன திறன்களுக்கு வழிவகுக்கிறது, இருப்பினும் பயிற்சி மற்றும் அனுமானத்திற்கான அதிகரித்த கணினித் தேவைகளின் விலையில்.
முக்கியமாக, ஒவ்வொரு அளவு வகையிலும் ஒரு ‘கணிப்பு’ பதிப்பு (‘predict’ version) உள்ளது. இவை மருந்து மேம்பாட்டு செயல்முறையைத் தூண்டும் குறிப்பிட்ட, முக்கியமான பணிகளுக்காக நுணுக்கமாகச் சரிசெய்யப்பட்ட வேலைக் குதிரைகள்:
- வகைப்பாடு (Classification): இந்தப் பணிகள் வகைப்படுத்தப்பட்ட கணிப்புகளைச் செய்வதை உள்ளடக்குகின்றன. Google வழங்கிய ஒரு சிறந்த உதாரணம், ஒரு குறிப்பிட்ட மூலக்கூறு இரத்த-மூளைத் தடையை (blood-brain barrier) கடக்க வாய்ப்புள்ளதா என்பதைத் தீர்மானிப்பதாகும். Alzheimer’s அல்லது Parkinson’s நோய் போன்ற நரம்பியல் கோளாறுகளுக்கான சிகிச்சைகளை உருவாக்குவதில் இது ஒரு முக்கிய வாயிற்காப்பாளர் கேள்வியாகும். மூளையில் அதன் இலக்கை அடைய முடியாத ஒரு மருந்து, அதன் மற்ற பண்புகளைப் பொருட்படுத்தாமல் பயனற்றது. TxGemma இந்த ஊடுருவலை முன்கூட்டியே கணிக்க முற்படுகிறது, இல்லையெனில் சாத்தியமற்ற வேட்பாளர்களுக்காக செலவிடப்படக்கூடிய மதிப்புமிக்க நேரத்தையும் வளங்களையும் சேமிக்கிறது. மற்ற வகைப்பாட்டுப் பணிகளில் நச்சுத்தன்மை, கரைதிறன் அல்லது வளர்சிதை மாற்ற நிலைத்தன்மையைக் கணிப்பது ஆகியவை அடங்கும்.
- பின்னடைவு (Regression): வகைகளுக்குப் பதிலாக, பின்னடைவுப் பணிகள் தொடர்ச்சியான எண் மதிப்புகளைக் கணிக்கின்றன. ஒரு முதன்மை உதாரணம், ஒரு மருந்தின் பிணைப்பு நாட்டம் (binding affinity) - ஒரு சாத்தியமான மருந்து மூலக்கூறு அதன் நோக்கம் கொண்ட உயிரியல் இலக்குடன் (ஒரு குறிப்பிட்ட புரதம் போன்றவை) எவ்வளவு வலுவாக இணைகிறது என்பதைக் கணிப்பதாகும். அதிக பிணைப்பு நாட்டம் பெரும்பாலும் ஒரு மருந்தின் செயல்திறனுக்கு ஒரு முன்நிபந்தனையாகும். இந்த மதிப்பை கணக்கீட்டு ரீதியாக துல்லியமாகக் கணிப்பது, மேலும் சோதனைச் சோதனைக்கு மூலக்கூறுகளுக்கு முன்னுரிமை அளிக்க உதவும், மிகவும் நம்பிக்கைக்குரிய வேட்பாளர்களில் ஆய்வகப் பணிகளைக் குவிக்கும். மற்ற பின்னடைவுப் பணிகளில் மருந்து அளவு நிலைகள் அல்லது உறிஞ்சுதல் விகிதங்களைக் கணிப்பது ஆகியவை அடங்கும்.
- உருவாக்கம் (Generation): இந்தத் திறன், கொடுக்கப்பட்ட கட்டுப்பாடுகளின் அடிப்படையில் புதிய மூலக்கூறு கட்டமைப்புகள் அல்லது வேதியியல் கூறுகளை முன்மொழிய AI-ஐ அனுமதிக்கிறது. உதாரணமாக, Google குறிப்பிடுகிறது, மாதிரி பின்னோக்கிச் செயல்பட முடியும்: ஒரு வேதியியல் வினையின் விரும்பிய விளைபொருளைக் கொடுத்தால், TxGemma தேவையான வினைபொருட்களை அல்லது தொடக்கப் பொருட்களைப் பரிந்துரைக்கலாம். இந்த உருவாக்கும் சக்தி வேதியியல் வெளியின் ஆய்வை கணிசமாக விரைவுபடுத்தும், வேதியியலாளர்கள் தொகுப்புப் பாதைகளை வடிவமைக்க அல்லது விரும்பிய பண்புகளுடன் முற்றிலும் புதிய மூலக்கூறு சாரக்கட்டுகளை முன்மொழிய உதவும்.
இந்த பன்முகக் கணிப்புத் திறன் TxGemma-வை வெறும் பகுப்பாய்வுக் கருவியாக மட்டுமல்லாமல், அறிவியல் செயல்பாட்டில் ஒரு செயலில் பங்கேற்பாளராகவும் நிலைநிறுத்துகிறது, இது பல முக்கியமான சந்திப்புகளில் முடிவுகளைத் தெரிவிக்கக் கூடியது.
அளவிடுதல்: செயல்திறன் அளவுகோல்கள் மற்றும் தாக்கங்கள்
ஒரு புதிய கருவியை வெளியிடுவது ஒரு விஷயம்; அதன் செயல்திறனை நிரூபிப்பது மற்றொரு விஷயம். Google செயல்திறன் தரவைப் பகிர்ந்துள்ளது, குறிப்பாக அதன் மிகப்பெரிய 27-பில்லியன் அளவுரு ‘கணிப்பு’ மாதிரிக்கு, குறிப்பிடத்தக்க முன்னேற்றங்களைக் குறிக்கிறது. அவர்களின் உள் மதிப்பீடுகளின்படி, இந்த முதன்மை TxGemma மாதிரி அதன் முன்னோடியான Tx-LLM-ஐ விட விஞ்சுவது மட்டுமல்லாமல், பரந்த அளவிலான பணிகளில் அதை அடிக்கடி பொருத்துகிறது அல்லது மிஞ்சுகிறது.
மேற்கோள் காட்டப்பட்ட எண்கள் கட்டாயப்படுத்துகின்றன: 27B TxGemma மாதிரி 66 அளவுகோல் பணிகளில் 64 இல் Tx-LLM-ஐ விட உயர்ந்த அல்லது ஒப்பிடக்கூடிய செயல்திறனைக் காட்டியதாகக் கூறப்படுகிறது, அவற்றில் 45 இல் அதை தீவிரமாக விஞ்சியது. இது சிகிச்சைத் துறையில் பொதுவான திறனில் கணிசமான முன்னேற்றத்தைக் குறிக்கிறது.
ஒருவேளை இன்னும் குறிப்பிடத்தக்கது TxGemma-வின் செயல்திறன் மிகவும் சிறப்பு வாய்ந்த, ஒற்றைப் பணி மாதிரிகளுடன் ஒப்பிடும்போது. பெரும்பாலும், ஒரு குறிப்பிட்ட வேலைக்காக (கரைதிறன் அல்லது நச்சுத்தன்மையைக் கணிப்பது போன்றவை) பிரத்தியேகமாகப் பயிற்றுவிக்கப்பட்ட AI மாதிரிகள், அந்த குறிப்பிட்ட பணியில் அதிக பொதுவான மாதிரிகளை விட சிறப்பாகச் செயல்படும் என்று எதிர்பார்க்கப்படுகிறது. இருப்பினும், Google-இன் தரவு, 27B TxGemma 50 வெவ்வேறு பணிகளில் இந்த சிறப்பு மாதிரிகளுடன் போட்டியிடுகிறது அல்லது வெல்கிறது என்பதைக் குறிக்கிறது, அவற்றில் 26 இல் அவற்றை நேரடியாக மிஞ்சுகிறது.
நடைமுறை அடிப்படையில் இதன் பொருள் என்ன? ஆராய்ச்சியாளர்களுக்கு டஜன் கணக்கான வெவ்வேறு, குறுகிய கவனம் செலுத்தும் AI கருவிகளின் ஒரு இணைப்புத் தொகுப்பு தேவையில்லை என்று இது அறிவுறுத்துகிறது. TxGemma போன்ற ஒரு சக்திவாய்ந்த, நன்கு பயிற்றுவிக்கப்பட்ட பொதுவான மாதிரி, மருந்து கண்டுபிடிப்பு பணிப்பாய்வுக்குள் பல்வேறு கணிப்பு சவால்களைக் கையாளக்கூடிய ஒரு ஒருங்கிணைந்த தளமாக செயல்பட முடியும். இது பணிப்பாய்வுகளை எளிதாக்கலாம், பல வேறுபட்ட அமைப்புகளை ஒருங்கிணைக்க வேண்டிய தேவையை குறைக்கலாம், மேலும் ஒரு மருந்து வேட்பாளரின் சாத்தியமான சுயவிவரத்தைப் பற்றிய முழுமையான பார்வையை வழங்கலாம். ஒரு ஒற்றை, பெரியதாக இருந்தாலும், மாதிரி பணி-குறிப்பிட்ட நிபுணர்களுக்கு எதிராக திறம்பட போட்டியிடும் திறன், விரிவான, துறை-கவனம் செலுத்திய பயிற்சித் தரவு மற்றும் அதிநவீன மாதிரி கட்டமைப்பின் சக்தியை அடிக்கோடிட்டுக் காட்டுகிறது. ஒருங்கிணைந்த AI தளங்கள் மருந்து ஆராய்ச்சி மற்றும் மேம்பாட்டிற்கான மைய மையங்களாக மாறும் எதிர்காலத்தை இது குறிக்கிறது.
எண்களுக்கு அப்பால்: TxGemma-Chat உடன் ஒரு அறிவியல் உரையாடலில் ஈடுபடுதல்
கணிப்புத் துல்லியம் முதன்மையானது என்றாலும், அறிவியல் செயல்முறை பெரும்பாலும் சரியான பதிலைப் பெறுவதை விட அதிகமாக உள்ளடக்கியது. ஒரு பதில் ஏன் சரியானது என்பதைப் புரிந்துகொள்வது, மாற்று கருதுகோள்களை ஆராய்வது மற்றும் தொடர்ச்சியான செம்மைப்படுத்தலில் ஈடுபடுவது ஆகியவை இதில் அடங்கும். இதைக் கருத்தில் கொண்டு, Google TxGemma-Chat மாதிரிகளையும் அறிமுகப்படுத்தியுள்ளது, அவை 9B மற்றும் 27B அளவுரு கட்டமைப்புகளில் கிடைக்கின்றன.
இந்த உரையாடல் பதிப்புகள், ஆராய்ச்சியாளர்கள் ஆய்வகத்தில் AI உடன் எவ்வாறு தொடர்பு கொள்ளலாம் என்பதில் ஒரு குறிப்பிடத்தக்க பரிணாம வளர்ச்சியைக் குறிக்கின்றன. வெறுமனே தரவை உள்ளிட்டு ஒரு கணிப்பைப் பெறுவதற்குப் பதிலாக, விஞ்ஞானிகள் TxGemma-Chat உடன் உரையாடலில் ஈடுபடலாம். அவர்கள் அதன் முடிவுகளுக்குப் பின்னால் உள்ள காரணத்தை விளக்குமாறு மாதிரியிடம் கேட்கலாம். உதாரணமாக, மாதிரி ஒரு மூலக்கூறுக்கு குறைந்த பிணைப்பு நாட்டத்தைக் கணித்தால், ஒரு ஆராய்ச்சியாளர் ஏன் அந்த முடிவுக்கு வந்தது என்று கேட்கலாம், இது கணிப்பை இயக்கும் குறிப்பிட்ட கட்டமைப்பு அம்சங்கள் அல்லது இடைவினைகள் பற்றிய நுண்ணறிவுகளை வெளிப்படுத்தக்கூடும்.
இந்தத் திறன் AI-ஐ ஒரு கருப்புப் பெட்டி கணிப்பாளரிலிருந்து ஒரு சாத்தியமான கூட்டாளியாக மாற்றுகிறது. ஆராய்ச்சியாளர்கள் எளிய வகைப்பாடு அல்லது பின்னடைவுக்கு அப்பாற்பட்ட சிக்கலான, பன்முகக் கேள்விகளை முன்வைக்கலாம். சாத்தியமான இலக்குக்கு அப்பாற்பட்ட விளைவுகள் குறித்து மாதிரியிடம் வினவுவது, ஒரு குறிப்பிட்ட உயிரியல் பாதை தொடர்பான தொடர்புடைய இலக்கியங்களின் சுருக்கங்களைக் கேட்பது, அல்லது அதன் பண்புகளை மேம்படுத்த ஒரு முன்னணி சேர்மத்தில் மாற்றங்களை மூளைச்சலவை செய்வது போன்றவற்றை கற்பனை செய்து பாருங்கள்.
இந்த உரையாடல் தொடர்புகள் ஆராய்ச்சி சுழற்சியை வியத்தகு முறையில் விரைவுபடுத்தும் ஆற்றலைக் கொண்டுள்ளன. தரவுத்தளங்களை கைமுறையாகத் தேடுவதற்கோ அல்லது வேறுபட்ட மூலங்களிலிருந்து தகவல்களைச் சேர்ப்பதற்கோ மணிநேரம் செலவிடுவதற்குப் பதிலாக, ஆராய்ச்சியாளர்கள் விரைவான தகவல் தொகுப்பு, கருதுகோள் உருவாக்கம் மற்றும் சரிசெய்தல் ஆகியவற்றிற்காக TxGemma-Chat-ஐப் பயன்படுத்தலாம். இந்த ஊடாடும் அம்சம் ஆழமான புரிதலை வளர்க்கும் மற்றும் இல்லையெனில் தவறவிடப்படக்கூடிய விசாரணையின் புதிய வழிகளைத் தூண்டக்கூடும். இது மனித அறிவியல் குழுக்களின் கூட்டுத் தன்மையை பிரதிபலிக்கிறது, பரந்த அளவிலான தகவல்களைச் செயலாக்கவும் அதன் ‘சிந்தனை செயல்முறையை’ வெளிப்படுத்தவும் திறன் கொண்ட ஒரு AI கூட்டாளரைச் சேர்க்கிறது.
அனைத்தையும் ஒன்றாக இணைத்தல்: Agentic-Tx கட்டமைப்பு மற்றும் ஒருங்கிணைந்த கருவித்தொகுப்பு
நிஜ உலக மருந்து கண்டுபிடிப்பு அரிதாகவே தனிமைப்படுத்தப்பட்ட கணிப்புப் பணிகளை உள்ளடக்கியது. இது ஒரு சிக்கலான, பல-படி செயல்முறையாகும், இது பல்வேறு மூலங்களிலிருந்து தகவல்களை ஒருங்கிணைத்தல், தொடர்ச்சியான பகுப்பாய்வுகளைச் செய்தல் மற்றும் நிமிடத்திற்கு நிமிட அறிவை அணுகுதல் ஆகியவற்றைக் கோருகிறது. இதை உணர்ந்து, Google அதன் சக்திவாய்ந்த Gemini 1.5 Pro மாதிரியின் மீது கட்டமைக்கப்பட்ட Agentic-Tx என்ற மேலும் அதிநவீன கட்டமைப்பையும் அறிவித்தது.
Agentic-Tx பல தனித்த AI மாதிரிகளில் உள்ளார்ந்த முக்கிய வரம்புகளைக் கடக்க வடிவமைக்கப்பட்டுள்ளது: நிகழ்நேர, வெளிப்புறத் தகவலை அணுகுதல் மற்றும் சிக்கலான, பல-படி பகுத்தறிவுப் பணிகளைச் செயல்படுத்துதல். இது ஒரு ஒற்றைக் கருவியைப் போல குறைவாகவும், சிக்கலான அறிவியல் சவால்களைச் சமாளிக்க ஒரு மெய்நிகர் கருவித்தொகுப்புடன் கூடிய ஒரு புத்திசாலி முகவர் அல்லது ஆராய்ச்சி உதவியாளரைப் போலவும் செயல்படுகிறது.
இந்த கருவித்தொகுப்பு ஈர்க்கக்கூடிய வகையில் பரந்ததாகும், பல்வேறு வளங்களையும் திறன்களையும் ஒருங்கிணைக்கிறது:
- ஒரு கருவியாக TxGemma: TxGemma-வின் கணிப்பு மற்றும் பகுத்தறிவு சக்தி Agentic-Tx கட்டமைப்பிற்குள் உள்ள முக்கிய கருவிகளில் ஒன்றாக இணைக்கப்பட்டுள்ளது, இது முகவர் அதன் சிறப்பு சிகிச்சை அறிவைப் பயன்படுத்த அனுமதிக்கிறது.
- பொது தேடல் திறன்கள்: Agentic-Tx, PubMed (உயிர் மருத்துவ இலக்கியத்திற்கான முதன்மை தரவுத்தளம்), Wikipedia மற்றும் பரந்த வலை உள்ளிட்ட பரந்த வெளிப்புற அறிவுத் தளங்களைத் தட்டலாம். இது முகவரின் பகுப்பாய்வுகள் சமீபத்திய ஆராய்ச்சி கண்டுபிடிப்புகள் மற்றும் பொது அறிவியல் சூழலால் அறியப்படுவதை உறுதி செய்கிறது.
- குறிப்பிட்ட மூலக்கூறு கருவிகள்: சிறப்பு கருவிகளுடன் ஒருங்கிணைப்பு மூலக்கூறு தரவை நேரடியாகக் கையாளவும் பகுப்பாய்வு செய்யவும் அனுமதிக்கிறது, கட்டமைப்பு காட்சிப்படுத்தல் அல்லது பண்பு கணக்கீடு போன்ற பணிகளைச் செய்யக்கூடும்.
- மரபணு மற்றும் புரதக் கருவிகள்: மரபியல் மற்றும் புரோட்டியோமிக்ஸ் மீது கவனம் செலுத்தும் தரவுத்தளங்கள் மற்றும் கருவிகளுக்கான அணுகல், மரபணு செயல்பாடு, புரத இடைவினைகள் மற்றும் பாதை பகுப்பாய்வு போன்ற முக்கியமான உயிரியல் சூழலை இணைக்க முகவரை செயல்படுத்துகிறது.
இந்த 18 தனித்துவமான கருவிகளை ஒருங்கிணைப்பதன் மூலம், Agentic-Tx தொடர்ச்சியான படிகள் மற்றும் தகவல் ஒருங்கிணைப்பு தேவைப்படும் சிக்கலான ஆராய்ச்சி பணிப்பாய்வுகளைக் கையாள முற்படுகிறது. உதாரணமாக, ஒரு ஆராய்ச்சியாளர் Agentic-Tx-ஐ ஒரு குறிப்பிட்ட நோய்க்கான சாத்தியமான மருந்து இலக்குகளை அடையாளம் காணவும், அந்த இலக்குகள் குறித்த சமீபத்திய இலக்கியங்களை மீட்டெடுக்கவும், அறியப்பட்ட தடுப்பான்களின் பிணைப்பு நாட்டத்தைக் கணிக்க TxGemma-வைப் பயன்படுத்தவும், புரத தரவுத்தளங்களைப் பயன்படுத்தி சாத்தியமான இலக்குக்கு அப்பாற்பட்ட விளைவுகளை பகுப்பாய்வு செய்யவும், இறுதியாக, கண்டுபிடிப்புகளை ஆதரிக்கும் ஆதாரங்களுடன் சுருக்கவும் கேட்கலாம். இந்த ஒருங்கிணைந்த, முகவர் அடிப்படையிலான அணுகுமுறை மனித ஆராய்ச்சியாளர்கள் சிக்கலான சிக்கல்களைச் சமாளிக்கும் விதத்தைப் பிரதிபலிக்கிறது, ஆனால் பெரிதும் விரைவுபடுத்தப்பட்ட தகவல் செயலாக்கம் மற்றும் பகுப்பாய்வுக்கான சாத்தியக்கூறுடன்.
திறந்த கதவுகள்: அணுகல் மற்றும் கூட்டு எதிர்காலம்
ஒரு சக்திவாய்ந்த கருவி அணுகக்கூடியதாக இருந்தால் மட்டுமே பயனுள்ளதாக இருக்கும். Google, Vertex AI Model Garden மற்றும் பிரபலமான திறந்த மூல மையமான Hugging Face போன்ற நிறுவப்பட்ட தளங்கள் மூலம் TxGemma-வை ஆராய்ச்சி சமூகத்திற்கு உடனடியாகக் கிடைக்கச் செய்கிறது. இது நுழைவதற்கான தடையைக் குறைக்கிறது, உலகெங்கிலும் உள்ள ஆராய்ச்சியாளர்கள் TxGemma-வை தங்கள் பணியில் பரிசோதனை செய்யவும் ஒருங்கிணைக்கவும் ஒப்பீட்டளவில் எளிதாக அனுமதிக்கிறது.
மாதிரிகளின் திறந்த மூல தன்மையின் மீதான முக்கியத்துவம் சமூக ஈடுபாட்டை வளர்ப்பதற்கான ஒரு திட்டமிட்ட உத்தியாகும். ஆராய்ச்சியாளர்கள் TxGemma-வைப் பயன்படுத்துவதோடு மட்டுமல்லாமல், அதன் மீது மீண்டும் செயல்படுவார்கள், அதை மேலும் நுணுக்கமாகச் சரிசெய்வார்கள், மேலும் தங்கள் மேம்பாடுகளை வெளியிடுவார்கள் என்று Google வெளிப்படையாக அதன் எதிர்பார்ப்பைக் கூறுகிறது. இது ஒரு நற்பண்பு சுழற்சியை உருவாக்குகிறது: சமூகம் மாதிரிகளை மேம்படுத்தும்போது, மருந்து கண்டுபிடிப்பை விரைவுபடுத்துவதற்கான கூட்டுத் திறன் வளர்கிறது. புதிய நுட்பங்கள், சிறப்புத் தழுவல்கள் மற்றும் செயல்திறன் மேம்பாடுகள் பகிரப்படலாம், இது எந்தவொரு ஒற்றை நிறுவனமும் தனியாக அடையக்கூடியதை விட விரைவாக முன்னேற்றங்களுக்கு வழிவகுக்கும்.
இந்த கூட்டு நெறிமுறை சிகிச்சை மேம்பாட்டின் கடினமான சவால்களைச் சமாளிக்க மகத்தான வாக்குறுதியைக் கொண்டுள்ளது. ஒரு பொதுவான, சக்திவாய்ந்த AI தளத்தைச் சுற்றி வளங்களையும் நிபுணத்துவத்தையும் திரட்டுவதன் மூலம், உலகளாவிய ஆராய்ச்சி சமூகம் பயனுள்ள சிகிச்சைகளை நோயாளிகளுக்கு விரைவாகக் கொண்டுவரும் பகிரப்பட்ட இலக்கை நோக்கி மிகவும் திறமையாகச் செயல்பட முடியும். சாத்தியமான தாக்கம் வெறும் வேகத்திற்கு அப்பாற்பட்டது; இத்தகைய மேம்பட்ட கருவிகளுக்கான அணுகலை ஜனநாயகப்படுத்துவது சிறிய ஆய்வகங்கள் மற்றும் வள-வரையறுக்கப்பட்ட அமைப்புகளில் உள்ள ஆராய்ச்சியாளர்களை மேம்படுத்தும், கண்டுபிடிப்புகளின் நோக்கத்தை விரிவுபடுத்தும். இறுதி பார்வை என்னவென்றால், AI ஒரு சக்திவாய்ந்த முடுக்கியாக செயல்படுகிறது, காலக்கெடுவைக் குறைக்கிறது, தோல்வி விகிதங்களைக் குறைக்கிறது, இறுதியில், முக்கியமான மருந்துகளின் விரைவான வளர்ச்சி மூலம் அதிக உயிர்களைக் காப்பாற்றுகிறது. முன்னோக்கிய பாதை அல்காரிதங்களைச் செம்மைப்படுத்துவது மட்டுமல்லாமல், அவற்றைச் சுற்றி ஒரு துடிப்பான சுற்றுச்சூழல் அமைப்பைக் கட்டமைப்பதையும் உள்ளடக்கியது.