Microsoft и IBM используют генеративный ИИ для открытий
Генеративный ИИ – отличная технология, которая не только облегчает труд блогерам писать посты, но и создает новые материалы. Причем, заметно успешнее.
Например, MatterGen Model - инновационная модель генеративного ИИ, разработанная Microsoft для ускорения процесса открытия новых материалов.
Эта модель отличается от традиционных методов, которые полагаются на трудоемкие и затратные эксперименты. Вместо этого MatterGen использует диффузионный подход, позволяя создавать новые структуры материалов на основе заданных химических и физических свойств.
Сравнение MatterGen, использующей искусственный интеллект для поиска материалов, с традиционными методами скрининга, на графике.
В то время как результаты скрининга со временем снижались по мере того, как список известных кандидатов истощался, Matter Gen продолжала получать все более новые результаты.
Одной из распространенных проблем, возникающих при синтезе материалов, является нарушение структуры — явление, при котором атомы случайным образом меняются местами в кристаллической решетке. Традиционные алгоритмы часто не в состоянии различить похожие структуры при принятии решения о том, что считать “по-настоящему новым” материалом.
Основные характеристики MatterGen
- Генерация материалов: MatterGen генерирует материалы, основываясь на конкретных запросах о химии, механических свойствах и других характеристиках, что позволяет исследовать гораздо более широкий спектр потенциальных материалов.
- Обработка 3D-геометрии: Модель работает в трехмерной геометрии материалов, что позволяет учитывать сложные структуры и периодичность, необходимые для материаловедения.
- Эффективность: По сравнению с традиционными методами скрининга, которые могут исчерпать свои возможности при поиске новых кандидатов, MatterGen продолжает генерировать новаторские решения.
Параллельно происходит аналогичная история в коллаборации.
L’Oréal и IBM объявили о партнерстве, направленном на использование генеративного ИИ для создания устойчивых косметических продуктов. Это сотрудничество включает в себя разработку специализированной модели ИИ, которая будет способствовать созданию экологически чистых формул с использованием возобновляемых сырьевых материалов.
Преимущества для L’Oréal от использования генеративного AI
- Ускорение процессов разработки: Генеративный ИИ позволит L’Oréal значительно ускорить процессы исследования и разработки (R&D), что приведет к более быстрому созданию новых продуктов и реформулированию существующих
- Экологическая устойчивость: Использование ИИ поможет снизить энергозатраты и количество отходов, что соответствует целям компании по устойчивому развитию
- Персонализация продуктов: AI сможет анализировать данные о потребительских предпочтениях, что приведет к созданию более персонализированных и инклюзивных косметических решений
Экологические цели L’Oréal с помощью AI
L’Oréal стремится достичь нескольких ключевых экологических целей с использованием генеративного ИИ:
- Снижение углеродного следа: Путем оптимизации процессов производства и использования возобновляемых ресурсов компания намерена уменьшить свои выбросы углерода
- Устойчивые ингредиенты: Разработка формул с использованием возобновляемых и экологически чистых ингредиентов
- Сокращение отходов: Оптимизация процессов для минимизации отходов на всех этапах производства косметики
L’Oréal намерена разрабатывать:
- Новые формулы косметики: С использованием возобновляемых ингредиентов, которые будут более безопасными для окружающей среды.
- Реформулированные продукты: Улучшенные версии существующих продуктов, которые будут соответствовать высоким стандартам устойчивости и инклюзивности
IBM рассматривает это сотрудничество как возможность расширить применение своих технологий ИИ в различных отраслях. Партнерство с L’Oréal служит примером того, как кастомизированные модели ИИ могут трансформировать бизнес-процессы в других секторах, таких как:
- Промышленность: Оптимизация производственных процессов с помощью анализа больших данных.
- Здравоохранение: Применение ИИ для разработки новых лекарств и улучшения медицинских услуг
С точки зрения скорости появления продуктов, думаю, что мало что изменится. Ведь новый способ требует апробации и уже практического подтверждения. Логично предположить, что цикл удлинится.
Наш опыт в Семаркетинг по взаимодействию с НИОКР, внедрению ИИ в бизнес-процессы это подтверждает.