Закон Мура и его влияние на вычислительные биотехнологии
Закон Мура — это наблюдение, согласно которому, начиная с 1960-х годов, количество транзисторов, которые можно поместить в микропроцессор, удваивается каждые два года (Bourgeois et al., 2019). Основным следствием закона Мура является экспоненциальное увеличение вычислительной производительности (Waldrop, 2016). Таким образом, если закон Мура будет действовать в будущем, он окажет огромное влияние на отрасли, требующие большого объема обработки данных.
Одним из способов, которым экспоненциально растущая производительность вычислений изменила (и будет продолжать изменять) экономику, является предоставление бизнес-преимуществ компаниям, работающим через Интернет. Например, Netflix убил сеть проката развлечений Blockbuster Video отчасти из-за ее пользовательского онлайн-интерфейса и появления быстрой потоковой передачи в высоком разрешении (Carr et al., 2012). Переход на онлайн-торговлю также может иметь преимущества для экологической устойчивости, поскольку он устраняет выбросы транспортных средств, связанные с личным транспортом.
Интернет вещей и экспоненциальный рост вычислительной мощности
Но в ближайшем будущем большое преимущество, вытекающее из закона Мура, будет у компаний, использующих Интернет вещей (IoT) — парадигму, в которой устройства, отличные от традиционных вычислительных устройств (например, ноутбуки и смартфоны), соединяются друг с другом через сеть Интернет. Интернет (Буржуа и др., 2019).
Одним из наиболее известных потенциальных прний IoT являются взаимосвязанные автономные транспортные средства (также известные как беспилотные автомобили), для которых требуется ошеломляющая вычислительная мощность компьютера (Pendelton, 2017). Что касается экологической устойчивости, прогнозируется, что персональная транспортная система, полностью основанная на автономных транспортных средствах, будет потреблять значительно меньше энергии и генерировать значительно меньше выбросов парниковых газов (Gawron et al., 2018).
Основное приложение IoT — это биотехнология
Биотехнология включает использование организмов для производства лекарств и товаров, таких как топливо и пластмассы, которые обычно производятся из нефти (это один из способов, которым биотехнология может способствовать экологической устойчивости). Например, большая часть инсулина используемого для лечения диабета, и большая часть этанола, используемого в качестве возобновляемой добавки к топливу, в настоящее время производится искусственными микробами, созданными с использованием биотехнологии. Рискуя упростить, большая часть современных биотехнологий осуществляется с использованием цикла «проектирование-строительство-тестирование-обучение» (DBTL) (Eslami et al.):
- Организм для производства конкретного продукта проектируется на компьютере
- Организм создан в лаборатории
- Организм тестируется, чтобы увидеть, насколько хорошо он производит продукт
- Полученные знания используются для следующей итерации цикла DBTL.
Прямо сейчас настоящие ученые-люди должны проводить эксперименты, анализировать результаты и решать, как настроить следующую итерацию цикла.
Однако при достаточной вычислительной мощности системы искусственного интеллекта (ИИ) могут «думать» и «анализировать», связанные с процессом, а роботы ИИ могут проводить эксперименты.
Автономные лаборатории и будущее биотехнологии
Конечная цель — создать виртуальную или «автономную» лабораторию, в которой не будут участвовать люди (Garcia Martin et al.): ИИ будет проектировать организмы, взаимосвязанные роботы будут создавать и тестировать организмы, а ИИ будет анализировать результаты и разработать следующий раунд организмов. Это может звучать как научная фантастика, но это действительно происходит (Ну, по крайней мере, он находится в разработке — подразделение Министерства энергетики США, пытается понять, как это сделать.)
Возобновляемые виды топлива и продукты, созданные с использованием биотехнологии, будут иметь огромное преимущество в плане устойчивости по сравнению с типичными системами производства на основе нефти. Кроме того, организация, которая первой поймет, как создать и запустить беспилотные лаборатории, получит огромное преимущество в бизнесе по сравнению с традиционными биотехнологическими компаниями, поскольку роботы с искусственным интеллектом смогут работать быстрее и проводить гораздо больше экспериментов одновременно, чем люди. ученые.
Ссылки
Буржуа, Д.Т., Смит, Дж.Л., Ван, С., и Мортати, Дж (2019). Информационные системы для бизнеса и не только (2019). Фонд Сэйлора.
Карр, А., Мутусами, С., и Оуэнс, К (2012). Стратегическое изменение цепочки поставок услуг. Журнал развития организации, 30 (1), 63-78. Доступно на SSRN:
Эслами, М., Адлер, А., Касерес, Р., Данн, Дж. Келли-Локнейн, Н., Варальджай, В. А., Гарсия Мартин, Х (2023). Искусственный интеллект для синтетической биологии. Сообщения ACM, 65 (5), 88–97.
Гарсия Мартин, Х., Радивоевич, Т., Цукер, Дж., Бушар, К., Сустарич, Дж., Пейзерт, С., Арнольд, Д., Хиллсон, Н., Бабнигг, Мануэль Марти, Дж., Мангалл, С.Дж., Бекхэм, Г.Т., Уолдбургер, Л., Карозерс, Дж., Сундарам, С., Агарвал, Д., Симмонс, Б., Бэкман, Т., Банерджи, Д., Танджор, Д., и Рамакришнан, Л (2023). Перспективы беспилотных лабораторий в синтетической биологии. arXiv:2210.09085v2 [q-bio.OT].
Гаврон, Дж. Х., Кеолеян, Г. А., Де Кляйн, Р. Д., Уоллингтон, Т. Дж., Чул Ким, Х (2018). Оценка жизненного цикла подключенных и автоматизированных транспортных средств: подсистема датчиков и вычислений и эффекты уровня транспортного средства. Экологические науки и технологии, 52(5), 3249-3256.
Пендельтон, С.Д., Андерсен, Х., Ду, X., Шен, X., Мегджани, М., Хонг Энг, Ю., Рус, Д., Анг, М. Х (2017). Машины, 5(1), 6.
Уолдроп, М (2016, 9 февраля). Фишки не работают для закона Мура. Природа, 530 (7589), 144-147. doi: 10.1038/530144a
