AI ökar innovationstakten. Rejält
🧬🧪🌿👩🏻🔬⚡️
Hej & välkommen till 🚀 Plötsligt i framtiden!
Vi har förstått att Sverige bubblar av impact. Men exakt vad som händer i vårt avlånga land är i princip omöjligt att hålla koll på. Som tur är hjälper nyhetstjänsten och communityn Impact Loop oss på traven. Förra veckan träffade Cow on the Ice ⭐️ Camilla Bergman som är grundare och vd för Loop Media. Vi pratade bland annat om Impact Loops unika genomgång av 437 svenska impact-bolag och hur det går för dem (teaser: i snitt växer de med 19% och ett av segmenten växer med hela 50%). Som vanligt hittar ni våra samtal på Spotify.
Nu till veckans tema.
Hösten 🍁 har gjort entré och varför inte inleda den med att prata om en hoppfull sida av AI. De allra senaste åren har AI nämligen lärt sig att prata naturvetenskap och därmed gett oss en tydlig innovations-BOOM. Något som redan påverkar – och än mer kommer att påverka – en mängd olika aspekter kopplat till impact.
Häng med när vi dyker ner i ett av mina favoritämnen; vad kombinationen AI + innovation ger oss.
/ Judith
Generativ AI har lärt sig att prata naturvetenskap 🦜
Vi vet redan att Generativ AI kan skapa allt mer imponerande innehåll i form av bilder, filmer, avancerad kod och en massa annat. Men förutom detta har Generativ AI också lärt sig att förstå komplexa samband i den biologiska och fysiska världen.
När avancerade AI-modeller matas med massvis av information kopplat till proteiner, material och annan naturvetenskaplig data – ja då kan de hitta samband som tidigare varit dolda för oss människor. Och utifrån detta kläcka ur sig nya vetenskapliga genombrott.
För att bättre greppa vad allt detta innebär, låt oss kika på några konkreta exempel.
1️⃣ Alla världens 200 miljoner proteiner kartlagda
2022 kartlade AlphaFold från DeepMind hur alla världens proteiner (sådär en 200 miljoner stycken) veckar ihop sig i komplexa strukturer. Något som forskare har brottats med i över 50 år och som nu utgör en ovärderlig informationsdatabas för vidare F&U. Forbes har kallat detta för ”det viktigaste genombrottet inom AI någonsin”.
Att förstå hur proteinveckning ser ut för ETT enda protein har tidigare krävt månader eller år i labb. ”What once took biologists thousands of dollars or years of painstaking research is as effortless as a Google Search” skriver Pushmeet Kohli från DeepMind.
Videon här under förklarar hur proteinveckning funkar och här kan du läsa mer om genombrottet.
2️⃣ Ogreppbart många nya icke-organiska material identifierade
I början av 2023 identifierade det amerikanska labbet A-Lab / Berkeley Lab med hjälp av AI 150 000 kandidater till nya icke-organiska material. Nya material som exempelvis kan användas för nya sätt att lagra energi, utveckla mer effektiva solceller, nya typer av bränsleceller och termoelektriska material (material som genererar energi från temperaturskillnader). Här kan du läsa mer om A-Lab och på sajten materialsproject.org ligger information om alla materialkanidater samlade
I slutet av 2023 var Google DeepMind i farten igen och meddelade att de med hjälp av AI hade upptäckt ytterligare en massa nya material. Närmare bestämt 2,2 miljoner nya varianter varav 380 000 bedöms som särskilt lovande.
3️⃣ Material för mer effektiva och hållbara batterier
I januari 2024 meddelade Microsoft att de använt AI för att gå igenom 32 miljoner olika materialkandidater med målet att utveckla nästa generation av batterier. Detta kokades sedan ner till 23 extra intressanta blandningar, varav “bara” fem av dem varit kända sedan tidigare.
Microsoft skriver att en av kandidaterna kan göra det möjligt att minska litium som används i ett batteri med upp till 70%. Som vi vet är litium en alkalimetall som kommer med miljömässiga och geopolitiska utmaningar.
Automatisering av själva testandet 🦾
Men det stannar inte vid att AI kan identifiera en massa nya möjliga material. De nya kandidaterna behöver också testas IRL på laboratorium och även detta kan nu utföras av smart teknik. På A-Lab (som vi lärde känna ovan) jobbar robotarmar 24/7 utan mänsklig inblandning med mixa ihop olika komponenter.
”It guides robotic arms to select among nearly 200 different powdery starting materials, containing elements such as lithium, nickel, copper, iron, and manganese. After mixing the precursors, another robot parcels out the mix into a set of crucibles, which are loaded into furnaces where they can be mixed with gases such as nitrogen, oxygen, and hydrogen. The AI then determines how long to bake the different mixes, the temperatures, drying times, and so on.”
AI som utför hela forskningsprocessen 🚀
På det Tokyo-baserade innovationsbolaget Sakana AI har man alldeles nyligen (augusti 2024) tagit det hela ännu längre och utvecklat en AI-agent för att automatisera hela forskningsprocessen.
En AI-baserad agent är ett datorprogram som byggts för att kunna arbeta självständigt. Ju smartare AI-komponenter som adderas till agenten, desto mer komplexa uppgifter kan den utföra. Läs mer om AI-agenter i den här artikeln.
Sakana AI:s agent, kallad The AI Scientist, är enligt dem själva det första heltäckande systemet för fullständigt automatiserade vetenskapliga upptäckter. Agenten utför moment som att generera nya forskningsidéer och hypoteser, skriva kod, genomföra experiment, sammanfatta resultat, visualisera innovationerna och författa vetenskapliga artiklar.
“The AI Scientist is designed to be compute efficient. Each idea is implemented and developed into a full paper at a cost of approximately $15 per paper. While there are still occasional flaws in the papers produced by this first version, the promise the system shows so far illustrate the potential to democratize research and significantly accelerate scientific progress.” - Sakana AI
Läs mer om Sakana AI här ➡️ The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery
Vad betyder då allt detta?
Kanske – ja, till och med sannolikt – har vi klivit in i en ny era när det kommer till vetenskapliga upptäckter. Där AI på en mängd olika sätt ger superkrafter till hela FoU-processen.
Innovation med superkrafter är en positiv nyhet när det kommer till klimatomställning.
För!
När ALLT omkring oss behöver ställas om till att bli fossilfritt, cirkulärt och verka inom planetens gränser. På rekordtid. Ja, då räcker det inte med små klimatinsatser som att äta vegetariskt på måndagar och att källsortera. Nej, vi behöver ställa om hela våra samhällen i grunden, delvis genom att innovera fram helt nya och mer hållbara sätt.
Om AI nu hjälper oss med innovationerna, ja då blir det vår roll som människor att förvandla dessa till konkreta lösningar. Att plocka fram vår kollektiva förändringskraft för att göra skillnad. Och att använda våra gemensamma resurser för att finansiera och skala upp de nya lösningarna.
🚩 !OBS! 🚩 Givetvis är tekniken inte den enda komponenten som behövs i omställningen. För komplexa utmaningar krävs också omfattande ekonomiska, sociala och kulturella förändringar. Och framför allt ett politiskt ledarskap, med politiker som “hjälper och inte stjälper” gröna satsningar. Läs mer om teknikens roll i artikeln här under.
Överkurs: AlphaFold 3 och AlphaFold Server
Innan vi stänger dörren till veckans utskick vill jag också lite kort nämna ytterligare steg som har tagits av Google DeepMind. Innan sommaren släppte man tillsammans med Isomorphic Labs en ny version av prediktionsverktyget; AlphaFold 3. Den här gången med betydande framsteg och där inte bara proteiner ingår, utan ett bredare spektrum av biologiska molekyler (DNA, RNA, joner, kemiska modifieringar mm). Dessutom kan den uppdaterade versionen modellera hur komplexa biologiska interaktioner mellan olika molekyler sker.
“AlphaFold 3 takes us beyond proteins to a broad spectrum of biomolecules. This leap could unlock more transformative science, from developing biorenewable materials and more resilient crops, to accelerating drug design and genomics research.” - Google DeepMind
Samtidigt som man släppte AlphaFold 3 introducerades också AlphaFold Server – en gratis och lättanvänd forskningsplattform som ger forskare över hela världen tillgång till AlphaFold 3:s förmågor.
“With AlphaFold Server, it’s not only about predicting structures anymore, it’s about generously giving access: allowing researchers to ask daring questions and accelerate discoveries.” - Céline Bouchoux, The Francis Crick Institute
Här kan du läsa mer:
MIT: Google DeepMind’s new AlphaFold can model a much larger slice of biological life
Google DeepMind: AlphaFold 3 predicts the structure and interactions of all of life’s molecules
Nature: Accurate structure prediction of biomolecular interactions with AlphaFold
Det var allt för den här veckan.
Ta hand om er så hörs vi snart igen!
/ Judith
🥰 Tack för att du prenumererar på nyhetsbrevet Plötsligt i Framtiden! Om du har frågor eller tips på vad jag borde skriva om – kommentera gärna på LinkedIn eller skicka ett DM. & tipsa gärna andra som du tror skulle gilla att kika in i en framtid där teknik och hållbarhet är den gröna tråden.
Kudos för superintressant nyhetsbrev om innovation! Tänker att ”Innovation Automation” via områdesagentbaserad automatiserad innovation, blir nästa ”Giant Killer App” som kommer att bli möjlig via Orion och Colossus med framtida hjälp av några hundratusental B200 GPU’s. Dags för AI ålderns motsvarighet till
HGP för man-made artifacts?