
Dalam artikel ini (4)
Analisis laboratorium biologi Anthropic: obat AI melampaui API
Poin utama
- Perlakukan AI ilmiah sebagai masalah full stack: model, eksperimen, mitra, dan data domain semuanya penting.
- Perhatikan putaran umpan balik laboratorium basah, bukan demo chatbot, untuk keunggulan AI terapan yang tahan lama.
- Jangan berasumsi bahwa laboratorium Anthropic adalah pabrik obat; perusahaan mengatakan tujuannya lebih luas.
Mengapa penting
- ProdukProduct leaders should watch how model vendors package domain workflows with validation, not just APIs.
- InvestorInvestors should track which AI labs can turn scarce experimental data into defensible scientific infrastructure.
Pembuat Claude menambahkan putaran umpan balik laboratorium basah, sebuah tanda bahwa parit pertahanan AI terdepan mungkin terbentuk di infrastruktur sains, bukan di jendela obrolan.
Pembuat Claude sedang menambahkan loop umpan balik laboratorium basah, sebuah tanda bahwa parit pertahanan AI terdepan mungkin terbentuk dalam infrastruktur sains, bukan jendela obrolan.
Lab AI paling menarik minggu ini bukanlah jendela chat lain dengan gaya bicara yang lebih ramah seperti dokter di sisi tempat tidur. Ini adalah sebuah ruangan di San Francisco Bay Area tempat biologi disentuh, ditaruh di cawan, dan akhirnya memberi tahu model apakah teorinya yang elegan itu omong kosong dengan format yang lebih rapi. Reuters melaporkan bahwa Anthropic diam-diam mendirikan wet lab untuk pekerjaan biologi fisik saat mendorong ambisi kecerdasan buatannya ke ilmu obat. Ini penting karena langkah tersebut membawa pembuat Claude melampaui lapisan abstraksi bersih dari API model dan masuk ke eksperimen, fasilitas, mitra, pengadaan, dan semua kekacauan menawan dari sel-sel yang bertingkah seperti goblin kecil yang berserikat.
Reuters mengonfirmasi bahwa meja lab itu nyata
Menurut Reuters, Anthropic membangun wet lab di San Francisco Bay Area, dan pekerjaan biologinya telah melampaui evaluasi komputer “in silico”. Eric Kauderer-Abrams, kepala ilmu hayati Anthropic, mengonfirmasi lab tersebut kepada Reuters dan berkata, “Kami percaya bahwa untuk melakukan biologi, ujian akhirnya masih, dan untuk sementara waktu akan tetap, berada pada pekerjaan lab nyata.” Ia juga memberi tahu Reuters bahwa Anthropic melakukan sebagian pekerjaan di fasilitasnya sendiri dan sebagian dengan mitra eksternal, sementara seorang juru bicara kemudian mengklarifikasi bahwa lab tersebut “bukan khusus untuk penemuan obat” dan menolak menjelaskan lebih lanjut.
Pembacaan sempitnya sederhana: Anthropic menginginkan validasi eksperimental untuk pekerjaan biologi. Pembacaan yang lebih luas lebih berguna: perusahaan AI frontier sedang menemukan bahwa AI ilmiah bukan hanya masalah model, melainkan masalah sistem. Sebuah model dapat mengusulkan, merangkum, memberi peringkat, dan bernalar, tetapi biologi tetap menuntut kontak dengan substrat fisik yang berantakan, yang merupakan cara sopan untuk mengatakan bahwa supnya juga punya suara.
TNW menggambarkan tumpukan vertikal
TNW, mengutip laporan Reuters, mencatat bahwa Anthropic mengonfirmasi lab tersebut ada tetapi tidak mau mengatakan untuk apa lab itu digunakan selain menegaskan bahwa penemuan obat bukan tujuan spesifiknya. TNW juga melaporkan bahwa ilmu hayati kini termasuk salah satu area terbesar di Anthropic berdasarkan jumlah karyawan dan pengeluaran, dan bahwa perusahaan tersebut telah merekrut seorang pemimpin pengadaan serta seorang spesialis biokimia. Itu bukan hal yang Anda lakukan jika seluruh strategi Anda hanyalah slide deck dan bagan tolok ukur berbasis perasaan.
Langkah-langkah di sekitarnya membuat lab itu tampak bukan seperti misi sampingan, melainkan seperti integrasi vertikal dalam gerak lambat. TNW melaporkan bahwa Anthropic membeli Coefficient Bio pada April, sebuah startup dengan kurang dari sepuluh karyawan, seharga sekitar $400 juta dalam bentuk saham. Pada bulan yang sama, Long-Term Benefit Trust miliknya menambahkan kepala eksekutif Novartis, Vas Narasimhan, ke dewan, dan pada Juni Anthropic meluncurkan Claude Science, sebuah alat perangkat lunak yang dirancang untuk penelitian laboratorium, bukan aplikasi chat. TNW juga melaporkan bahwa Novo Nordisk setuju untuk menguji Claude Science dua hari sebelum lab tersebut diumumkan.
SiliconANGLE menunjuk ke lapisan otomatisasi
SiliconANGLE melaporkan bahwa wet lab Anthropic di Bay Area akan menggunakan robot untuk mengotomatiskan tugas-tugas ilmiah tertentu, dengan robot-robot tersebut ditenagai oleh rangkaian model bahasa besar Claude. SiliconANGLE juga mencatat bahwa masih belum jelas proyek riset apa yang akan dikejar lab tersebut, sambil mengulangi pernyataan Anthropic kepada Reuters bahwa fasilitas itu “bukan khusus untuk penemuan obat.”
Bagian pentingnya bukan bahwa Claude tiba-tiba menjadi jas lab dengan anggaran token. Melainkan bahwa perusahaan tersebut tampaknya sedang menjahit model ke dalam alur kerja tempat saran perangkat lunak dapat bertemu dengan eksekusi robotik dan pengukuran fisik. Bagi para pembuat, inilah pelajaran utamanya: AI domain tidak menjadi bernilai hanya karena seseorang melakukan fine-tuning model pada teks khusus. Keunggulan yang tahan lama mungkin datang dari menutup lingkaran antara pembuatan hipotesis, pelaksanaan eksperimen, pengukuran, dan peningkatan model. Dalam ilmu obat, lingkaran itu lebih lambat, lebih mahal, dan lebih diatur dibandingkan prompt chatbot, tetapi dapat menciptakan umpan balik proprietari yang tidak bisa begitu saja dimuntahkan oleh data web publik setelah makan siang.
Hal yang perlu pembaca pantau berikutnya
Reuters membingkai lab tersebut sebagai bagian dari dorongan Anthropic ke ilmu obat dan ambisi pengobatan penyakit langka, sambil juga mencatat bahwa perusahaan belum mengungkapkan tujuan spesifik untuk lab itu selain klarifikasi bahwa lab tersebut bukan khusus untuk penemuan obat. Ambiguitas itu layak dipantau tanpa mengubahnya menjadi pertunjukan mesin kabut.
Pertanyaan yang berguna bukanlah apakah setiap lab AI akan membangun wet lab, karena kebanyakan mungkin sebaiknya mulai dengan memberi label evaluasi mereka dengan benar. Pertanyaan yang berguna adalah di mana perusahaan model memutuskan bahwa API terlalu dangkal dan mulai memiliki mesin pembuat data di bawahnya. Jika Anda membangun dengan AI, pantau antarmuka yang menghubungkan model dengan verifikasi dunia nyata: alat lab, perangkat lunak alur kerja, robotika, data assay, dan mitra eksternal. Jika Anda berinvestasi dalam atau membeli sistem AI, tanyakan dari mana lingkaran umpan baliknya berasal dan siapa yang mengendalikannya. Produk AI ilmiah berikutnya yang dapat dipertahankan mungkin terlihat kurang seperti chatbot dan lebih seperti mesin kopi yang sangat mahal untuk sel, kecuali espresso-nya adalah bukti.
Sumber3 sumber
Laporan, pengumuman, dan riset yang menjadi bahan kerja editor AI. Tautan membuka publikasi aslinya.