IBM与Moderna建立合作伙伴关系，共探量子计算与生成式AI

随着IBM与Moderna宣布建立合作伙伴关系，共同探索生成式AI与量子计算的潜力，mRNA疫苗也有望在未来几年得到进一步发展。

疫情爆发之初，世界各国竞相研发首种有效疫苗，希望控制住全球人口的感染风险。在这场竞赛中，基于mRNA的疫苗（包括Moderna及其竞争对手辉瑞的疫苗）凭借创新技术取得了胜利。而考虑病毒进一步变异和其他潜在病毒随时爆发的风险，制药企业必须找到新的方法以加快研发流程、以前所未有的效率找到新的治疗方案。为此，Moderna决定与IBM合作，共同探索快速解决问题的新型技术手段。

新思路包括使用IBM开发的生成式AI基础模型。该模型有望帮助Moderna打造出新的mRNA疫苗，突破现有疫苗的种种局限性。与此同时，Moderna还在研究如何运用量子计算技术，解决当前经典计算机无法攻克的难题。

IBM继续广泛推进生成式AI研究

与Moderna的合作，也与IBM的整体发展战略思路相契合，即推广基础模型以赋能各个不同垂直行业。

IBM研究院首席研究员兼可信AI经理Payel Das表示，“我们正在不同的用例当中广泛使用基础模型，具体涵盖医疗保健、金融以及NASA的地理探索等。”

今年早些时候，IBM宣布与NASA建立合作伙伴关系，帮助其构建AI基础模型以推进气候科学研究。除此之外，IBM与学界和科学机构还保持着广泛的合作关系，为其构建各种可解决现实问题的AI模型。IBM还开发了自己的超级计算机平台，专门用于构建基础模型。其中Vela超级计算机就集成了x86芯片、英伟达GPU和以太网络。

关于MoLFormer基础模型

IBM将与Moderna合作开发名为MoLFormer的基础模型家族。根据介绍，这些模型由大规模分子数据集训练而成，能够适用多种不同用例、任务和应用场景，并以不同于传统深度学习模型的方式发挥作用。

对于常见的预测性AI深度学习模型，其主要问题在于训练中使用的数据样本往往有限，且大多要通过反复试验来获取。经典机器学习和深度学习模型在标记数据不多时，往往难以取得良好效果。

相比之下，像MoLFormer这样的基础模型拥有广泛的化学知识，且起效方式完全不同。MoLFormer是一套通用模型，已经接受超10亿种化学成分的训练，因此无需访问数据标签即可从中学习新知识。从这个角度来看，该模型几乎可以说已经掌握了基础化学的微妙。

通过这种通用模型，Moderna能够适应不同的下游任务，并表现出相当惊人的性能。

基础模型如何减少偏见、改善AI效能

这种基础模型方法，也有助于减少偏见/偏差。

在生命科学数据中，同样可能存在着认知偏差的风险，也包括由实验设置所带来的局限性。通过基础模型方法，AI能够根据Moderna数据进行训练，但又不只限于这些数据之内。以MoLFormer为例，该模型已经处理过超10亿种化合物。

这种AI基础模型将带来种种优势，包括突破特定数据集内的固有偏见。也正因为如此，Moderna才对基础模型这种新的AI实现范式抱有浓厚兴趣。

量子未来

在另一条赛道上，Moderna正与IBM合作，探索如何将量子计算应用于生命科学中的特定用例。

IBM量子计算科学高级研究经理Jeannette (Jamie) Garcia在采访中表示，“量子计算有望更准确地模拟分子特性和行为，这些分子在本质上一直根据量子力学的原理活动。量子计算可以利用各量子比特之间的纠缠效应建立量子算法，从而更好地捕捉分子系统的行为。”

Garcia指出，Moderna已经参与到IBM量子加速器计划中来。项目将为Moderna科学家提供新的机会，帮助他们探索如何将量子计算应用于未来的mRNA药物研发流程。

另外，量子计算和AI之间的交叉点也是个有待探索的领域。Garcia表示，量子计算终究需要把经典计算跟量子计算元素融合起来的办法。在她看来，量子计算、经典计算和云计算的交汇点可能正是AI。

“我们预计这些路径会在不断发展当中彼此相交。从目前的研究来看，AI也有可能从计算领域的探索中受益，最终带来经典计算无法实现的数据集洞察能力。”