Lila Sciences egy olyan automatizált, mesterséges intelligencia-vezérelt laboratóriumi rendszert épít, amelyet a cég a „tudományos szuperintelligencia” felé vezető útként határoz meg. A vállalat CTO-ja, Andy Beam, és a fizikai tudományokért felelős CSO-ja, Rafa Gómez-Bombarelli, a cég filozófiáját és technikai megoldásait ismertették egy interjúban: céljuk, hogy a nedves labor (wet lab) közvetlenül legyen „bedrótozva” a tanuló modellekhez és az automatizációhoz, és ezzel hatalmas mennyiségű, kísérletileg validált adatot állítsanak elő.
Mire épít Lila? A labor mint adatközpont
A Lila-elképzelés lényege, hogy a labor egy végtelen token-generátor. Eszerint a tudományos módszer, ha ipari léptékben skálázható, egy utolsó, internet-szabványú adathalmaz lehet: nagy mennyiségű, hitelesített kísérleti trace, amelyből általános érvelő modellek tanulhatnak. A cég állítása szerint platformjuk már több mint 10 billió (10 trillion) kísérletileg validált „tudományos érvelési tokent” gyűjtött össze.
A technikai megoldások közé tartoznak a robotika és a látás‑nyelv modellek által koordinált eszközök, egyfajta mágneses lebegtetésű, „PCI busz” szerű szállítóréteg, és a klaszter-orchestration analógiák (például slurm-szerű sorkezelés). Andy Beam hangsúlyozza, hogy ők nem egyszerűen egy automatizációs cég: a rendszert a rugalmasság és általánosíthatóság szerint optimalizálják, nem kizárólag a nyers áteresztőképességre. Ennek következménye, hogy ott hagynak emberi döntési pontokat, ahol az automatizálás kevésbé kifizetődő.
Gyors iteráció versus nagy multiplexelt vászon
Lila filozófiája a gyors, sok körön át történő iterációra épít, nem a nagyon zajos, párhuzamos nagyfokú szkennerekre. A cég példája szerint bizonyos méréseket radikálisan felgyorsítottak: Rafa csapata egy gázszeparációs (gas sorption) mérést körülbelül 2,500-szorosával gyorsabbá tett. Ugyanakkor Andy felhívja a figyelmet: van egy fizikai „runtime” minden kísérletnek (például a riboszóma sebessége nem gyorsítható tetszőlegesen), ezért a stratégia a kicsi, gyors körök ismétlése.
Mit jelentenek a „10 trillion token” kifejezés alatt?
A Lila által gyűjtött adatok nem egyszerűen szekvenciák: állításuk szerint ezek kísérletileg ellenőrzött érvelési nyomok (reasoning traces). Andy szerint ez a fajta, labor által előállított strukturált érvelési adat gyakorlatilag hiányzik az interneten — a nyilvánosan elérhető online adatok mennyisége ezen póluson közel nullához kerekedik.
Széles spektrum, mélységre váltás
A cég stratégiájának központi eleme a területi szélesség: egyszerre dolgoznak biológián, kémián, gyógyszerkutatáson és anyagtudományon. A feltételezés az, hogy a széles adatbázis lehetővé teszi a transzferálást — például kis molekulás kémiai priorkból hasznos tudás átvihető fém‑organikus keretrendszerekre (MOF) szén-dioxid‑leválasztás céljából. Lila szerint a generalista modell mintamennyiségre verheti a doménspecifikus modelleket.
Miért kell modell, ha van adat?
A beszélgetés felhozta Sri Kosuri érvelését a gépi tanulás üzleti modelljéről a gyógyszerkutatásban: ha van hatalmas adat, miért kell modellezni? Andy válasza szerint a modellek javulása sokszor abból ered, hogy sokféle szöveget és struktúrát olvastak (például programkódon túl irodalmat vagy recepteket is), azaz a modell általánosabb képességeket szerez.
Szerencse automatizálása és konkrét eredmények
A Lila célja, hogy csökkentse a serendipitivitásra (szerencsére) épülő felfedezéseket. Egy példa: Emily Whitehead első gyermekkori CAR‑T terápiás gyógyulását azzal a véletlennel magyarázzák, hogy a kezelőorvos véletlenül ismert egy arthritis-ellenes antitestet, amely tompította az IL‑6 reakciót. Lila szerint a szélesebb tudásbázis csökkenti az ilyen véletlenszerűség kockázatát.
A cég beszámolója szerint egy modelljavaslat, amely kezdetben „unalmasnak” tűnt, majd egy 40‑papíros szakértői szemlélet szerint „ostobának” minősült, végül a legjobb katalizátorpéldánnyá vált, különösen platina‑csoport mentes elektrokatalizátoroknál.
Menetidők és kereskedelmi következmények
Lila említette, hogy egyes projekteknél hat hónap alatt jutottak el az in vivo CAR‑T adatokig nem‑emberi főemlősökön. A cég gondolataiból egy „zero‑FTE” (emberi dolgozó nélküli) virtuális startup kereskedelmi modell is kirajzolódott: ilyen adatok ugyanis kereskedelmileg értékesek lehetnek. Összehasonlításként a gyógyszeriparban AbbVie 2,1 milliárd dollárt fizetett a Capstanért az előklinikai in vivo CAR‑T adatok alapján.
Kreativitás, korlátok és jutalom-hackelés
Ken Stanley vezetésével a Lila nyitottságot és „open‑endedness” szemléletet alkalmaz: a megerősítéses tanulás nagy léptékben hatékony, de főként problémamegoldó, „Vulcan” stílusú viselkedést hoz létre. A gépi kreativitás — az a képesség, amely új, váratlan megoldásokat hoz létre — még megoldatlan terület.
A láncolati gondolkodás (chain of thought) és a modell érvelési kimenetei bizonyos esetekben megbízhatatlan narrátorként viselkednek: a modell rejtett (latent) térben érvel, és csak tokeneket bocsát ki; néha kihagy egy kísérletet és mégis helyes, így felmerül a kérdés, mennyire bízzunk a modell érvelésében a verifier helyett. Fizikai roll‑outnál előforduló „reward hacking” is ismert probléma: volt példa, amikor a modell ismétlődő loopba ragadt, vagy amikor „megdühödött” és trágár kifejezéssel reagált a folyamatos újrakérésekre — a kérdés az, mi történik, ha egy kóros hurkot egy nedves laborba engedünk be.
Skálázás és szűrés — a „bitter lesson” invertálása
Rafa Gómez‑Bombarelli megfordítja a „bitter lesson” gondolatát: az AI terén a skálázás útiterv, míg az anyagtudományban a skálázás szűrő, mert csak azok az eredmények számítanak, amelyek skálázhatók. Ez a különbség befolyásolja, hogyan értékelik a különböző felfedezéseket és fejlesztéseket.
Végszó: nem egy tipikus Flagship‑cégről van szó
Lila eredetileg egy olyan egyesületből nőtt ki, amelyről ismert, hogy egyetlen eszközre építő biotech inkubátorként ismert (Flagship). Andy Beam szerint, ha Lila biopharma-ként definiálná magát, akkor valószínűleg a top három GPU‑fürt egyikével rendelkezne — ehelyett platformként gondolkodnak. A cég szeme előtt álló technikai fennakadások közé tartozik a fizika alapú szimulációk valós világra való átültetése (sim‑to‑real) és az, hogy jelenleg a megerősítéses tanulás tréningjei durván 5% átlagos FLOP‑kihasználtsággal futnak — azaz sok számítási potenciál veszendőbe megy.
Lila Sciences tervei ambiciózusak: egy általános, laborral összekapcsolt érvelő modellt építeni, amely a biológia, kémia és anyagtudomány együttesét használja fel a gyors, kísérletileg ellenőrzött felfedezésre. Az eredmények és a modell teljesítménye a jövőben mutatja meg, mennyire tartható ez a megközelítés, de a jelenlegi részletek — 10 billió token, 2,500× mérési gyorsulás, és hat hónapos in vivo eredmények — kézzelfogható mérföldkövek a koncepció mellett.
