Конвергенція великих мовних моделей і біотехнологій виходить за межі теоретичних досліджень, переходячи у фазу практичного синтезу лікарських засобів. Компанія Anthropic наважилася на сміливий крок, заявивши про намір боротися із «забутими хворобами», які десятиліттями ігнорувалися традиційним фармацевтичним ринком через низьку рентабельність. Цей маневр трансформує розробника ШІ з рядового постачальника інструментарію на активного гравця біомедичного сектору. Втім, шлях від цифрового моделювання молекули до отримання дозволу регуляторних органів залишається одним із найскладніших викликів сучасної науки.
Сучасна фармацевтична індустрія функціонує за жорсткими законами ринкової економіки: інвестиції в розробку препарату виправдані лише тоді, коли потенційний прибуток перекриває колосальні витрати на клінічні випробування. Як наслідок, виникають так звані «забуті хвороби» — лепра, денге, сонна хвороба та річкова сліпота. Ці патології вражають найбідніші верстви населення планети, що робить їхню розробку комерційно невигідною для гігантів індустрії. Саме в цей вакуум прагне увійти Anthropic, використовуючи свій статус public benefit company для реалізації проєктів, де пріоритетом є суспільне благо, а не квартальний звіт про прибутки.
Технологічним фундаментом цієї ініціативи став Claude Science — спеціалізований стек інструментів, що об'єднує понад 60 наукових баз даних. Система працює на стику геноміки, протеоміки та хімії, створюючи єдине когнітивне середовище для дослідників. У той час як звичайні LLM оперують текстом, Claude Science працює зі структурами білків та хімічними формулами, намагаючись скоротити шлях від гіпотези до синтезу перспективного кандидата в ліки. Позиціонування цього продукту в один ряд із інструментами для кодингу підкреслює серйозність намірів компанії закріпитися у фундаментальній науці.
Стратегія Anthropic виглядає парадоксальною: компанія одночасно продає свої ШІ-рішення фармацевтичним корпораціям і сама виходить на їхнє поле, стаючи потенційним конкурентом власних клієнтів. Однак така позиція обґрунтована прагматикою. Щоб створити по-справжньому ефективний інструмент для біологів, розробник має пройти через увесь цикл створення препарату «в окопах», зіткнувшись із реальними проблемами лабораторного синтезу та біологічної варіативності.
Попри технологічний оптимізм, наукова спільнота зберігає здорову дозу скепсису. Головна проблема полягає в тому, що жоден препарат, повністю спроєктований штучним інтелектом, досі не пройшов повний цикл клінічних випробувань і не отримав фінального схвалення регуляторів. Фахівці зі структурної хімічної біології, зокрема експерти з Оксфорда, справедливо зазначають: моделі вражають здатністю звужувати коло пошуку та прискорювати ранні етапи скринінгу, але вони не здатні замінити реальний експеримент. Біологічна система занадто складна, щоб її можна було повністю симулювати «в кремнії»; роки лабораторних перевірок і випробувань на людях залишаються обов'язковим і незмінним етапом.
Anthropic входить до тісного товариства техногігантів, які давно намагаються «приборкати» охорону здоров'я. Google (через DeepMind та AlphaFold), OpenAI, Apple та Amazon уже інвестують мільярди в пошук нових методів лікування. Успіх цієї ставки залежатиме не стільки від потужності обчислювальних кластерів чи якості навчання моделей, скільки від вміння взаємодіяти з суворими державними регуляторами та здатності долати біологічну невизначеність, яку неможливо просчитати алгоритмами.
Парадокс абсолютної узгодженості нейромереж
