7 באוקטובר 2026 האקדמיה ארכיון
מבזקים
טוני פאדל: גל ראשון של מכשירי בינה מלאכותית נכשל כי לא פתרו בעיה אמיתית הלת'ליפ (Healthleap) גייסה 38 מיליון דולר כדי לאתר חולים שהתיק הרפואי שלהם מסתיר סיכון לא מאובחן ליקוויד משיקה מודלי החלטה מולטימודליים לקצה, d1-3B מוביל את מדד ההחלטות מתחת ל-10 מיליארד פרמטרים Common Sense Media: ChatGPT לבני נוער, "סיכון בלתי קביל" הארק משיקה עוזר אישי שמתמקד בפרטיות ומנסה להחליף את המחשב
מחקר

היוזמה של פלמינג וגוגל דיפמיינד מקימה תשתית הערכה לבינה מלאכותית במלחמה בחיידקים עמידים

היוזמה של פלמינג וגוגל דיפמיינד מקימה תשתית הערכה לבינה מלאכותית במלחמה בחיידקים עמידים

היוזמה של פלמינג (The Fleming Initiative) הכריזה על תוכנית תלת-שנתית במימון גוגל דיפמיינד (Google DeepMind) לפיתוח שיטות ותקנים להערכת מערכות AI בתחום העמידות האנטימיקרוביאלית (AMR). המטרה: לאפשר לחוקרים, רופאים וקובעי מדיניות לדעת מתי מודל באמת מדויק, אמין ומוכן לשימוש קליני, ולא רק כשהוא נראה טוב בבנצ'מרק פנימי.

הרקע: אלפאפולד הוכיח שזה אפשרי

ההודעה מזכירה את אלפאפולד (AlphaFold) כדוגמה למה שקורה כשיש סטנדרטים ברורים: המודל שחזה מבני חלבונים בדיוק חסר תקדים זכה בפרס נובל לכימיה 2024, והתחזיות שלו פתוחות לחוקרים בכל העולם. אבל ב-AMR, תחום שבו AI כבר משמש לזיהוי פתוגנים עמידים, גילוי אנטיביוטיקות חדשות, מעקב התפשטות ותמיכה בהחלטות קליניות, אין עדיין מסגרת מקובלת להשוואה בין מודלים. התוצאה: חוקרים לא יכולים לדעת איזה מודל עדיף, בתי חולים לא יודעים מה לאמץ, ורגולטורים תקועים בלי קריטריונים.

מה התוכנית תעשה בפועל

התוכנית תבנה מסגרות הערכה וגישות בנצ'מרקינג ליישומי AMR בעדיפות גבוהה. זה אומר להגדיר איך בודקים מודל, איזה ראיות נדרשות כדי להוכיח שהוא עובד באופן עקבי באוכלוסיות שונות, במסגרות טיפול שונות ועל דאטה-סטים מגוונים. במקביל, הצוות יעבוד עם קהילת ה-AMR העולמית כדי שנתונים ייאספו, ינוקו וידווחו בצורה שתומכת בהערכה רצינית, לא בפורמטים אד-הוק ששוברים השוואות.

בונים על תשתית קיימת

זה לא מתחיל מאפס. התוכנית נשענת על דוח משותף של היוזמה וגוגל דיפמיינד, "Harnessing Artificial Intelligence to Tackle Antimicrobial Resistance", ועל מלגת Google DeepMind Academic Fellowship ב-AI ו-AMR, שהזוכה הראשון שלה מונה לאחרונה לפרופסור משנה לאלקטרוניקה ביו-רפואית באימפריאל קולג' לונדון. כלומר, יש כבר בסיס ידע וקשרי חוקרים; עכשיו צריך להפוך את זה לתקן.

"בלי הערכה אובייקטיבית אין אימפקט בעולם האמיתי"

פרופ' אליסון הולמס (Alison Holmes), מנהלת היוזמה, מסרה שהפוטנציאל של AI מול AMR עצום, אבל בלי ביטחון שהמודלים מייצגים את האוכלוסיות והסביבות שבהן יופעלו, אי אפשר לאמץ אותם בביטחון. אגתה ליידון (Agata Laydon), מובילת מדע ב-Google DeepMind Impact Accelerator, הוסיפה שהערכה אובייקטיבית וחזקה היא המפתח לתרגם פוטנציאל לאימפקט ממשי, ושהתמיכה נועדה לבנות את התשתית הקריטית שהקהילה הגלובלית צריכה.