隨著IBM與Moderna宣布建立合作夥伴關係，共同探索生成式AI與量子計算的潛力，mRNA疫苗也有望在未來幾年得到進一步發展。
疫情爆發之初，世界各國競相研發首種有效疫苗，希望控制住全球人口的感染風險。在這場競賽中，基於mRNA的疫苗（包括Moderna及其競爭對手輝瑞的疫苗）憑藉創新技術取得了勝利。而考慮病毒進一步變異和其他潛在病毒隨時爆發的風險，製藥企業必須找到新的方法以加快研發流程、以前所未有的效率找到新的治療方案。為此，Moderna決定與IBM合作，共同探索快速解決問題的新型技術手段。
新思路包括使用IBM開發的生成式AI基礎模型。該模型有望幫助Moderna打造出新的mRNA疫苗，突破現有疫苗的種種局限性。與此同時，Moderna還在研究如何運用量子計算技術，解決當前經典電腦無法攻克的難題。
IBM繼續廣泛推進生成式AI研究
與Moderna的合作，也與IBM的整體發展戰略思路相契合，即推廣基礎模型以賦能各個不同垂直行業。
IBM研究院首席研究員兼可信AI經理Payel Das表示，「我們正在不同的用例當中廣泛使用基礎模型，具體涵蓋醫療保健、金融以及NASA的地理探索等。」
今年早些時候，IBM宣布與NASA建立合作夥伴關係，幫助其構建AI基礎模型以推進氣候科學研究。除此之外，IBM與學界和科學機構還保持著廣泛的合作關係，為其構建各種可解決現實問題的AI模型。IBM還開發了自己的超級電腦平台，專門用於構建基礎模型。其中Vela超級電腦就集成了x86晶片、英偉達GPU和以太網路。
關於MoLFormer基礎模型
IBM將與Moderna合作開發名為MoLFormer的基礎模型家族。根據介紹，這些模型由大規模分子數據集訓練而成，能夠適用多種不同用例、任務和應用場景，並以不同於傳統深度學習模型的方式發揮作用。
對於常見的預測性AI深度學習模型，其主要問題在於訓練中使用的數據樣本往往有限，且大多要通過反覆試驗來獲取。經典機器學習和深度學習模型在標記數據不多時，往往難以取得良好效果。
相比之下，像MoLFormer這樣的基礎模型擁有廣泛的化學知識，且起效方式完全不同。MoLFormer是一套通用模型，已經接受超10億種化學成分的訓練，因此無需訪問數據標籤即可從中學習新知識。從這個角度來看，該模型幾乎可以說已經掌握了基礎化學的微妙。
通過這種通用模型，Moderna能夠適應不同的下游任務，並表現出相當驚人的性能。
基礎模型如何減少偏見、改善AI效能
這種基礎模型方法，也有助於減少偏見/偏差。
在生命科學數據中，同樣可能存在著認知偏差的風險，也包括由實驗設置所帶來的局限性。通過基礎模型方法，AI能夠根據Moderna數據進行訓練，但又不只限於這些數據之內。以MoLFormer為例，該模型已經處理過超10億種化合物。
這種AI基礎模型將帶來種種優勢，包括突破特定數據集內的固有偏見。也正因為如此，Moderna才對基礎模型這種新的AI實現範式抱有濃厚興趣。
量子未來
在另一條賽道上，Moderna正與IBM合作，探索如何將量子計算應用於生命科學中的特定用例。
IBM量子計算科學高級研究經理Jeannette (Jamie) Garcia在採訪中表示，「量子計算有望更準確地模擬分子特性和行為，這些分子在本質上一直根據量子力學的原理活動。量子計算可以利用各量子比特之間的糾纏效應建立量子算法，從而更好地捕捉分子系統的行為。」
Garcia指出，Moderna已經參與到IBM量子加速器計劃中來。項目將為Moderna科學家提供新的機會，幫助他們探索如何將量子計算應用於未來的mRNA藥物研發流程。
另外，量子計算和AI之間的交叉點也是個有待探索的領域。Garcia表示，量子計算終究需要把經典計算跟量子計算元素融合起來的辦法。在她看來，量子計算、經典計算和雲計算的交匯點可能正是AI。
「我們預計這些路徑會在不斷發展當中彼此相交。從目前的研究來看，AI也有可能從計算領域的探索中受益，最終帶來經典計算無法實現的數據集洞察能力。」
