گروه علم و پیشرفت خبرگزاری فارس - برای چند سال، داستان اقتصادی هوش مصنوعی تقریباً یک قهرمان اصلی داشت که همان مدلهای زبانی بزرگ بودند.
سرمایهگذاران میلیاردها دلار به شرکتهایی دادند که مدل میساختند، تراشه تولید میکردند، دیتاسنتر توسعه میدادند یا ابزارهای مولد برای متن، تصویر، ویدئو و کدنویسی ارائه میکردند.
اما بر اساس گزارش اوت ۲۰۲۶ مؤسسه بیسیسی ریسرچ، اکنون یک تغییر مهم و راهبردی در حال رخ دادن است.
هوش مصنوعی در حال عبور از صفحه نمایش و ورود به دنیای ماده زنده است. یکی از جذابترین نمونهها، ترکیب هوش مصنوعی با زیستچاپ سهبعدی است؛ فناوری پیشرفتهای که تلاش میکند سلولهای زنده، زیستمواد و جوهرهای زیستی را در الگوهای دقیق سهبعدی قرار دهد تا بافتهایی شبیه ساختار طبیعی بدن ایجاد شوند.
این تحول دقیقاً از نقطه اتصال فرمولاسیون جوهر زیستی و طراحی ساختار بافت تا نظارت لحظهای بر چاپ و تحلیل محصول نهایی شکل میگیرد.
اما پشت این تحول، یک سؤال بزرگ اقتصادی قرار دارد: آیا سرمایهگذاری عظیم هوش مصنوعی در حال ساختن صنعتی است که روزی بتواند به جای تولید محتوای متنی و تصویری، بافت زنده انسانی تولید کند؟
سرمایهگذاری سنگین شرکتی راه را برای فناوریهای زیستی هموار کرد
برای درک ابعاد مالی این تحول، ابتدا باید آمارها را دقیق بررسی کنیم. طبق گزارش شاخص هوش مصنوعی دانشگاه استنفورد، سرمایهگذاری شرکتی جهانی در هوش مصنوعی در سال ۲۰۲۴ به ۲۵۲.۳ میلیارد دلار رسید که سرمایهگذاری خصوصی در آن ۴۴.۵ درصد رشد کرد و ارزش معاملات ادغام و تملک نیز ۱۲.۱ درصد افزایش یافت.
همچنین مؤسسه بیسیسی ریسرچ برآورد کرده بود که کل هزینهکرد جهانی هوش مصنوعی در سال ۲۰۲۶ میتواند به حدود ۲.۵ تریلیون دلار برسد؛ رقمی که طیف بسیار گستردهای از زیرساخت، نرمافزار و کاربردها را شامل میشود.
بنابراین نباید این اعداد تریلیونی را به اشتباه تنها متعلق به زیستچاپ دانست. داستان اصلی، یک چک ۲۵۲ میلیارد دلاری فقط برای چاپ اندام نیست؛ بلکه داستان سرریز شدن و گسترش اکوسیستم سرمایه و فناوری هوش مصنوعی از نرمافزار به حوزههای فیزیکی، ساخت روباتیک و مهندسی زیستی است.
پیچیدگی تنظیم زنده بودن سلولها حضور هوش مصنوعی را الزامآور کرد
زیستچاپ در ظاهر شبیه چاپ سهبعدی معمولی با پلاستیک است، اما یک تفاوت اساسی و حیاتی میان آنها وجود دارد. در چاپ پلاستیک، اگر نازل کمی کندتر حرکت کند یا دما تغییر کند، نهایتاً یک قطعه صنعتی معیوب ساخته میشود.
اما در زیستچاپ، مادهای که از نازل بیرون میآید حاوی سلولهای زنده است. فشار، سرعت، دما، گرانروی، قطر نازل، غلظت سلولها و ترکیب جوهر زیستی میتوانند مستقیماً بر زنده ماندن سلولها و شکل نهایی بافت اثر بگذارند.
این یعنی دانشمندان با یک مسئله بسیار پیچیده مواجه هستند: چگونه صدها پارامتر متغیر را طوری تنظیم کنند که خروجی کار هر بار کاملاً یکسان و زنده باشد؟ الگوریتمهای یادگیری ماشین دقیقاً در همین نقطه وارد میشوند. مرور علمی منتشرشده درباره زیستچاپ هوشمند نشان میدهد که الگوریتمها میتوانند در چهار بخش اصلی فرآیند یعنی فرمولبندی جوهر زیستی، طراحی ساختار، کنترل فرایند چاپ و تنظیم عملکرد بافت مدیریت کار را بر عهده بگیرند.
مدلهای محاسباتی هزینههای سنگین را کاهش دادند
یکی از مهمترین کاربردهای هوش مصنوعی پیش از روشن شدن خود دستگاه چاپگر اتفاق میافتد؛ جایی که دانشمند باید تصمیم بگیرد چه موادی را با چه نسبتی ترکیب کند.
جوهر زیستی باید هم برای زنده ماندن سلولها مناسب باشد و هم ویژگیهای مکانیکی و جریانشناسی مورد نیاز چاپ را داشته باشد. مدلهای هوش مصنوعی، از جمله مدلهای مولد، میتوانند ترکیب مناسب مواد طبیعی و مصنوعی را با پیشبینی خواص مکانیکی، رفتار جریانشناسی، قابلیت تخریب و عملکرد احتمالی ماده تعیین کنند.
این مسئله الگوریتمها را قادر میسازد بخشی از فرآیند پرهزینه آزمون و خطا را از آزمایشگاه به فضای محاسباتی منتقل کنند.
از نظر اقتصادی این موضوع حیاتی است؛ زیرا آزمایش واقعی با سلول و مواد زیستی بسیار گران است. اگر الگوریتم بتواند صدها ترکیب نامناسب را قبل از آزمایش فیزیکی حذف کند، زمان و هزینه توسعه به شدت کاهش مییابد و فرآیند تولید زیستی از یک کار دستی و کند به یک سامانه خودکارتر، دقیقتر و مقیاسپذیرتر تبدیل میشود.
بینایی ماشین و یادگیری عمیق چاپگرها را هوشمند و خودکار کردند
تحول بعدی در حوزه بینایی ماشین رخ داده است. در چاپ سنتی، دستگاه فقط دستورهای سختافزاری را اجرا میکند و مسیر مشخصی را میپیماید؛ اما در زیستچاپ پیشرفته، دوربینها و حسگرها فرایند را لحظهبهلحظه مشاهده میکنند.
با استفاده از بینایی ماشین و یادگیری عمیق برای پایش بلادرنگ، اگر مشکلی مانند حباب هوا، انسداد نازل یا انحراف چاپ رخ دهد، سیستم میتواند پارامترهایی مانند فشار یا سرعت را به صورت خودکار تغییر دهد تا خروجی اصلاح شود.
برای نمونه، در مطالعهای که در سال ۲۰۲۵ در نشریه «اَدوَنسِد ساینس» توسط پژوهشگران دانشگاه کالیگاری منتشر شد، آنها با بررسی متغیرهایی چون گرانروی جوهر زیستی، اندازه نازل، زمان، فشار و غلظت سلول دریافتند که مدلهای شبکه عصبی چندلایه میتوانند اندازه قطرات سلولی را با بالاترین دقت پیشبینی کنند.
همچنین در مطالعه دیگری در دانشگاه کالیفرنیا ساندیگو، پژوهشگران با شبکه عصبی سفتی سازههای هیدروژلی را پیشبینی کردند تا آزمایشهای مکانیکی گرانقیمت روی سلولها را به حداقل برسانند.
استارتاپهای زیستچاپ جذب سرمایههای صد میلیون دلاری را آغاز کردند
یکی از شاخصترین نمونههای تجاری این حوزه، شرکت کانادایی «اسپکت بیوسیستمز» است که پلتفرم خود را بر پایه ترکیب زیستچاپ هوشمند، طراحی محاسباتی بافت، سلولهای درمانی و زیستمواد پیشرفته قرار داده است.
این شرکت در ژانویه ۲۰۲۵ موفق شد یک دور تأمین مالی ۱۱۵ میلیون دلاری را برای پیشبرد درمانهای بافتی چاپشده خود جذب کند.
نکته مهم این است که چنین سرمایهگذاری جذابی به خاطر ترکیب هوش مصنوعی با ساخت زنده است. هدف این شرکتها در حال حاضر ساخت یک قلب یا کلیه کامل و کاملاً آماده پیوند نیست؛ بلکه تمرکز واقعی و نزدیک به واقعیت، بر روی ساخت بافتهای درمانی قابل کاشت برای بیماریهای متابولیک و غدد درونریز است.
ساخت یک بافت عملکردی کوچک برای درمان، از نظر علمی و بالینی بسیار واقعبینانهتر از ساخت ناگهانی یک اندام کامل انسانی است.
بازار زیستچاپ با جهش نرخ رشد سالانه مواجه شده است
مؤسسه بیسیسی ریسرچ برآورد کرده که بازار جهانی زیستچاپ از حدود ۲.۴ میلیارد دلار در سال ۲۰۲۵ به حدود ۵.۱ میلیارد دلار در سال ۲۰۳۰ خواهد رسید که نشاندهنده نرخ رشد مرکب سالانه ۱۶.۱ درصد است.
این عدد نشان میدهد خود بازار زیستچاپ حتی بدون محاسبات نرمافزاری، در حال تبدیل شدن به یک صنعت چند میلیارد دلاری مستقل است.
اگر هوش مصنوعی بتواند سرعت طراحی را افزایش دهد، شکستهای آزمایشگاهی را کم کند، کیفیت چاپ را پایدارتر کند و مصرف جوهر زیستی را کاهش دهد، ارزش اقتصادی آن بسیار فراتر از یک افزونه نرمافزاری ساده خواهد بود. سرمایهگذاران به این دلیل علاقهمند شدهاند که این فناوری دقیقاً در نقطه برخورد سه بازار عظیم یعنی هوش مصنوعی، زیستفناوری و پزشکی بازساختی قرار گرفته است.
یک چاپگر صنعتی پلاستیک را میتوان به راحتی کالیبره کرد، اما سلول زنده رفتار کاملاً ثابتی ندارد و از یک نمونه به نمونه دیگر تغییر میکند.
حتی دو چاپگر یکسان ممکن است خروجی کاملاً یکسانی نداشته باشند و بزرگترین مشکل هوش مصنوعی در اینجا، نبود دادههای کافی و یکدست است. یک مرور علمی جدید که ۴۰ مطالعه اولیه را بررسی کرده نشان میدهد حدود ۸۳ درصد مطالعات در پایینترین سطوح اعتبارسنجی قرار دارند و تنها ۱۵ درصد به آزمونهای پیشرفته رسیدهاند.
علاوه بر این، در چتباتها اگر مدل پاسخ اشتباه بدهد کاربر یک پاسخ دیگر میگیرد، اما در زیستچاپ چنین خطایی به معنای تولید بافت مرگبار یا نامناسب است.
به همین دلیل سازمان غذا و داروی آمریکا استانداردهای سختگیرانهای را برای کنترل کیفیت جوهرهای زیستی تعیین کرده است که نشان میدهد مسیر تجاریشدن، علاوه بر الگوریتم به کنترل کیفیت شدید آزمایشگاهی متکی است.
همگرایی سه فناوری اصلی آینده پزشکی بازساختی را رقم میزند
در ادبیات علمی جدید، مفهومی به نام «زیستچاپ بومی هوش مصنوعی» در حال شکلگیری است؛ یعنی شرایطی که هوش مصنوعی دیگر یک نرمافزار جانبی کنار چاپگر نیست، بلکه لایه تصمیمگیری و معماری اصلی سیستم است. در این الگوی جدید، یک چرخه کامل از اسکن بیمار و طراحی محاسباتی شروع شده و تا چاپ، مشاهده بلادرنگ، اصلاح پارامترها و ارزیابی بافت ادامه مییابد.
اگرچه ادعای ساخت فوری اندامهای کامل مانند کلیه در شرایط فعلی غیرعلمی است، اما سه فناوری بزرگ شامل «هوش مصنوعی برای طراحی»، «رباتیک برای ساخت» و «زیستشناسی برای زنده نگهداشتن محصول» در حال همگرایی هستند.
این همگرایی میتواند صنعت پزشکی را از تولید داروی یکسان برای همه بیماران، به سمت ساخت بافتهای اختصاصی و پزشکی بازساختی شخصیسازیشده حرکت دهد.
دیدگاهتان را بنویسید
دیدگاه ها