Insilico Medicine, una empresa de descubrimiento de fármacos de IA con sede en EE. UU. y que cotiza en Hong Kong, está lanzando un nuevo servicio que entrenará modelos de lenguaje de gran tamaño de uso general, como GPT de OpenAI o Gwen de Alibaba, para realizar tareas de biología y química.
Alex Javoronkov, fundador y director ejecutivo de Insilico, dijo que los modelos generalistas «fallan estrepitosamente» en los criterios utilizados para medir qué tan bien la IA realiza tareas científicas. Suerte. «Lo intentas cinco veces en la misma tarea y puedes ver que está lejos de ser lo más moderno… Es básicamente peor que el trabajo aleatorio. Es una completa basura».
Los modelos de IA expertos entrenados directamente con datos químicos o biológicos son mejores. Pero estos modelos a menudo no permiten al usuario expresarlos en un lenguaje sencillo como se puede hacer con los modelos de propósito general, y tampoco son capaces de realizar tareas fuera de las funciones científicas especializadas.
Ingrese al nuevo «gimnasio Science MMAI» de Insilico, diseñado para entrenar el modelo genérico de lenguaje grande de Insilico en algo que pueda realizar ambos modelos especializados.
El gimnasio es fundamental para Insilico, que lo considera parte de su «hoja de ruta a largo plazo hacia la Superinteligencia Farmacéutica». La startup forma parte de un grupo de empresas de biotecnología que intentan utilizar el aprendizaje automático y la inteligencia artificial para investigar y desarrollar nuevos medicamentos. Pero con un «gimnasio», Insilico ahora se dirige a otras empresas biotecnológicas y farmacéuticas y se ofrece a entrenar nuevos modelos de IA para ellas.
Insilico «entrenará» los modelos utilizando una combinación de conjuntos de datos de dominios específicos, modelos de recompensa y aprendizaje por refuerzo, y afirma que este proceso puede mejorar el rendimiento del modelo frente a puntos de referencia clave en química y biología hasta 10 veces, e incluso acercarse al rendimiento de modelos diseñados específicamente para estas tareas científicas.
Entonces, ¿por qué una empresa decidiría entrenar un modelo genérico en lugar de recurrir a un especialista? La razón es la flexibilidad: un modelo experto es muy bueno en una cosa (por ejemplo, en el descubrimiento de fármacos) pero no en otras; Por el contrario, un modelo generalista entrenado puede conservar la capacidad de realizar muchas otras tareas incluso si no coincide completamente con el desempeño de un modelo especializado. Esto significa que una startup sólo puede confiar en un gran modelo, a diferencia de varios modelos especializados.
«Si el modelo es pequeño, empieza a olvidar las tareas más primitivas para las que fue diseñado», dice Javoronkov. «Si el modelo es grande, no tienes este problema».
Javoronkov admite que incluso los modelos genéricos que han pasado por el «gimnasio» de Insilicon todavía no funcionan tan bien como los modelos especializados de última generación. «Para que puedan pensar en términos de simulaciones moleculares, necesitan entender y ver la física. El lenguaje no está realmente diseñado para eso, por lo que van a ser un poco malos en comparación con los modelos basados en la física de frontera», explica, aunque espera que eso mejore en los próximos años.
A medida que los LLM se generalizan y más empresas emergentes los adoptan, Javoronkov dice que quiere que Insilico sea «el formador número uno para estos modelos». Insilico ya ha hablado con clientes potenciales sobre el programa de formación, afirma; Aunque no compartió nombres específicos, dijo que estaba en contacto con «los mejores jugadores fronterizos de Estados Unidos».
Insilico, Hong Kong y la biotecnología
Fundada en 2014, Insilico está en camino de convertirse en una de las primeras empresas emergentes en llevar al mercado un fármaco totalmente impulsado por IA a través de ensayos clínicos. Uno de los principales esfuerzos de la startup es un fármaco para combatir la fibrosis pulmonar idiopática, una enfermedad en la que se forma tejido cicatricial en los pulmones y dificulta la respiración. La startup dijo que pudo llevar su medicamento a ensayos clínicos en sólo 18 meses, más de cuatro años menos que el promedio de las empresas de biotecnología más tradicionales. El fármaco completó los ensayos clínicos de fase II el año pasado y los investigadores concluyeron que los resultados justifican «una mayor investigación en ensayos clínicos a mayor escala y a más largo plazo».
Insilico también se centra en otras enfermedades, como la enfermedad inflamatoria intestinal, además de investigar nuevos medicamentos contra el cáncer y el GLP-1.
En diciembre, Insilico recaudó 2.300 millones de dólares de Hong Kong (295 millones de dólares) en una oferta pública inicial en la ciudad china de 2025, el mayor debut biotecnológico hasta el momento. La IPO atrajo a personas como Eli Lilly, Tencent y Oaktree como inversores fundamentales.
Las acciones de la startup se han disparado desde su debut comercial en la Bolsa de Valores de Hong Kong el 30 de diciembre. A 54,75 dólares de Hong Kong (7,02 dólares) al 16 de enero, las acciones de Insilico ahora son más del doble de su precio de oferta pública inicial de 24,05 dólares de Hong Kong (3,0 dólares).
El índice Hang Seng Biotech, que sigue a las 30 mayores empresas de biotecnología que cotizan en Hong Kong, ha aumentado un 100% en los últimos 12 meses, muy por delante del aumento del 37% registrado por el índice Hang Seng.
Insilico no es la única startup de IA cuyas acciones que cotizan en Hong Kong han aumentado en las últimas semanas. Las acciones de Minimax, una startup china de inteligencia artificial para el consumidor, han subido un 160% desde su cotización el 9 de enero. El diseñador de chips Biren también subió más del 90% con respecto al precio de su oferta pública inicial.
Aun así, los inversores tanto en Estados Unidos como en China se preguntan si el auge de la IA durará. Si bien Javoronkov desconfía de la posibilidad de una burbuja de IA en el mercado de valores, espera que el descubrimiento de un fármaco de IA sea más seguro que el estallido de una burbuja en otras industrias. «La gente puede vivir sin asistentes de voz o películas generadas por IA. Pero no pueden vivir sin drogas».
