Sembra che l’Intelligenza Artificiale abbia sete di dati, e per i biotecnologie, i migliori dati si trovano magari nei cimiteri aziendali. Una policy analyst, Ruxandra Teslo, ha spaccato l’idea di finanziare l’estrazione di informazioni da aziende biotech fallite. Secondo lei, acquisire i dossier regolatori, le strategie produttive e i dati di sicurezza di queste entità (spesso trattati come segreti commerciali) potrebbe fornire il combustibile perfetto per addestrare AI di nuova generazione. Questi dati, soprannominati ‘l’archivio perduto della biotecnologia’, potrebbero trasformare gli AI in copiloti potentissimi per un processo di approvazione farmaci spesso nebbioso. Non solo: la OpenAI Foundation, l’ente filantropico dietro il gigante OpenAI, ha puntato i riflettori su questa iniziativa, inserendola nel più ampio sforzo ‘Public Data for Health’. L’obiettivo è ambizioso: far fare grandi balzi alla medicina tramite l’IA, pagando attivamente per creare ‘dataset scientifici di alta qualità’. La tesi di fondo è chiara: senza un flusso costante e massiccio di informazioni, l’IA faticherà ad arrivare a scoperte terapeutiche rivoluzionarie. Di conseguenza, la Foundation ha lanciato grant importanti: $40 milioni per raccogliere dati su nuovi vaccini contro il cancro e supportare sfide di previsione farmaceutica. Il successo dell’idea di Teslo è confermato con un finanziamento di mezzo milione di dollari per 1Day Sooner, che si occuperà di dimostrare come ‘scavare’ questi tesori informativi da banche dati dismesse. Insomma, l’Intelligenza Artificiale è più che mai un sistema che ha bisogno di una biblioteca intergalattica di informazioni. E sembra che la sua strategia non sia solo sviluppare modelli sempre più potenti, ma anche assicurarsi che ci siano abbastanza dati per alimentarli.
🇬🇧 Summary in English
It appears that Artificial Intelligence has a serious craving for data, and for the biotech sector, the most promising data might be hidden in corporate graveyards. A policy analyst named Ruxandra Teslo proposed a brilliant idea: funding the extraction of information from failed biotech companies. Her reasoning? Obtaining regulatory filings, manufacturing strategies, and safety data from these defunct entities—info often classed as trade secrets—could provide the perfect fuel to train next-generation AI. She dubbed these documents ‘biotech’s lost archive,’ suggesting they could transform AI into powerful copilots for the typically opaque drug approval process. This concept hasn’t gone unnoticed. The OpenAI Foundation, the philanthropic arm of OpenAI, backed the initiative under a broader umbrella called ‘Public Data for Health.’ Their aim is hugely ambitious: to fuel major breakthroughs in medicine by actively paying for ‘high-quality scientific datasets.’ The core message is quite clear: without a constant, massive influx of information, AI will struggle to achieve truly groundbreaking therapeutic discoveries. Consequently, the Foundation has rolled out sizable grants, including $40 million for collecting data on novel cancer vaccines and supporting drug prediction challenges. Teslo’s idea earned a half-million-dollar grant, which will help 1Day Sooner prove they can successfully ‘mine’ these informational treasures from bankrupt companies. In short, AI needs more than just sophisticated models; it requires a veritable intergalactic library of data to keep running. And the current strategy suggests that part of the game isn’t just building bigger brains, but securing the fuel to power them.
Leggi l’articolo originale su MIT Tech Review →
Fonte: MIT Tech Review | Argomento: Intelligenza Artificiale
#tecnologia #innovazione #technews