南韓生物科技公司蓋勒斯（Galux）公布比較研究結果，顯示其人工智能驅動的蛋白質療法設計平台蓋勒斯設計（GaluxDesign），在九個從近期從頭抗體設計預印本中選取的公開可比較目標中，實現了最廣泛的目標覆蓋範圍。
研究中，蓋勒斯設計為九個目標各生成了50種抗體設計，這些目標曾於公開的人工智能抗體設計研究中被探索。平台經實驗評估了全長免疫球蛋白G（IgG）形式的候選物，並為其中八個目標識別出經實驗驗證的結合劑。基於生物層干涉技術（BLI）的動力學分析證實，七個目標的結合親和力達到低至中納摩爾級。
蓋勒斯設計在公開可比較的從頭抗體設計研究中，實現了最廣泛的目標覆蓋範圍，在九個共享目標中識別出八個經實驗驗證的結合劑，當中包括之前未曾公開報告過經驗證結合劑的目標 (圖片：蓋勒斯) AP圖片
為比較其與公開報告的從頭抗體設計結果，包括納布拉生物（Nabla Bio）的JAM-2及柴發現（Chai Discovery）的Chai-2的表現，這次研究總結了每個共享目標是否至少報告了一個經實驗驗證的結合劑。根據公開的預印本結果，JAM-2及Chai-2分別報告了九個共享目標中五個及四個的驗證結合劑，而蓋勒斯設計則將覆蓋範圍擴展至八個，當中包括在相應預印本研究中未曾報告過驗證結合劑的目標。
蓋勒斯共同創辦人朴泰勇表示，由於每個平台的技術細節通常未完全披露，從頭抗體設計平台之間的直接比較仍然充滿挑戰。他補充指，透過使用同一組公開報告的目標作為共同參考點，旨在提供一個實用的視角，觀察不同平台在各種抗體設計問題上的表現。在此框架下，蓋勒斯設計在共享目標集中展現出強勁且一致的結合劑生成能力。
這次比較研究建基於蓋勒斯早前報告的精簡設計與測試流程，該流程針對另一組具治療相關性的目標表位進行。在該早期研究中，平台實現了31.5%的結合劑命中率，並在八個目標表位中，為其中七個識別出皮摩爾至納摩爾級親和力結合劑。最新研究將此表現擴展至一個獨立的共享目標集，該目標集源自公開報告的從頭抗體設計研究。
朴泰勇又指，從頭抗體設計現正超越早期的概念驗證，邁向評估人工智能平台能否可靠地為各種目標生成具備理想結合特性的抗體。他續稱，雖然經實驗驗證的結合劑不能直接轉化為療法，但快速且一致地生成結合劑的能力，或可大幅加速下游療法優化及藥物開發。隨着人工智能驅動的抗體設計變得日益可靠，它有潛力從根本上減少早期生物製劑發現中的一個主要瓶頸。
關於蓋勒斯
蓋勒斯是一間生物科技公司，致力推進人工智能驅動的蛋白質設計技術，以應用於藥物發現。其專有平台蓋勒斯設計，整合了原子級物理洞察，以實現跨廣泛目標的精準且通用性強的蛋白質設計。蓋勒斯將這項技術應用於內部項目及外部合作，以解決藥物發現中的挑戰性問題。
（美聯社）
Chef Robotics，一間食品行業實體人工智能公司，今日公布開發雙臂實體人工智能系統，用於備餐枱食物組裝。現時Chef的機械人主要處理食品生產輸送帶上的大批量餐點組裝，而這個新的雙臂實體人工智能系統，將專注於處理幽靈廚房、快餐店、航空公司餐飲、學校、醫院、軍隊、監獄、體育館、企業餐飲及酒店等行業中，較低產量但較高複雜度的備餐枱組裝工作。
隨著實體人工智能及模仿學習的出現，Chef的AI團隊正開發一個新的實體人工智能系統，旨在處理備餐枱上的餐點組裝任務，例如後廚的漢堡或墨西哥捲餅組裝。這些任務的產量較低，但複雜度較食品生產輸送帶上的組裝為高，因為單一工人（或機械人）必須組裝整份餐點，而非將流程分解為每個食材的獨立工作站。
Chef的雙臂實體人工智能系統，用於備餐枱食物組裝。 AP圖片
為執行較高複雜度的任務，新系統將採用兩隻機械臂，實現雙臂控制。它將能夠執行與人類手臂及手部相媲美的協調靈活操作。系統的末端執行器將足夠靈活，可拾取不同的食材及餐具。
由Chef的食物基礎模型（FFM）驅動
這個新的實體人工智能系統將由Chef的食物基礎模型（FFM）驅動，該模型比傳統機械人系統學習更快，並能適應更廣泛的應用場景。
現成的視覺語言動作模型（VLA）及實體人工智能模型，不足以應付食物操作。大多數VLA及實體人工智能模型均針對剛體操作進行訓練，但食物操作涉及高度可變形材料（例如濕潤、黏稠、不規則的物品）。這要求Chef的AI模型能夠在廣泛的物理狀態及互動中進行泛化。
FFM無需為拾取及放置食物、偵測托盤、隔間及內襯，以及處理可舀取或獨立食材等任務，分別建立獨立模型，而是透過單一的「基礎」人工智能模型，支援所有這些功能。它亦能更高效地擴展至新任務，並提升表現。
FFM並非透過編程，而是透過示範（模仿學習）來執行特定任務，例如組裝漢堡或製作墨西哥捲餅碗。它亦透過學習可跨硬件實體（例如具有不同運動學、末端執行器及配置的系統）轉移的任務表示，從而在不同機械人硬件平台之間進行泛化。從這個意義上說，Chef正在為食物構建實體人工智能層。
FFM預計將隨著時間推移，解鎖更多功能。例如，它可能支援零樣本或少樣本食材導入，以最少訓練適應新食材。該模型亦將自我改進，並隨著時間自主提升產量及一致性。
其他優點
Chef的新實體人工智能系統將具備：
Chef Robotics創辦人兼行政總裁Rajat Bhageria表示：「我們最初專注於高產量食品製造，但行業大部分仍依賴人手備餐枱組裝。這些環境更複雜、結構性較低，令自動化更困難。透過這個新的實體人工智能系統及我們的食物基礎模型，我們將擴展實體人工智能，以應對這些現實世界條件，並為食品行業解鎖更廣泛的應用。」
關於Chef Robotics
Chef是首間將可擴展人工智能驅動食品機械人解決方案商業化的公司。Chef已在生產中製作超1億份餐點，利用ChefOS這個用於食物操作的人工智能平台，提供機械人即服務解決方案，協助行業領先的食品公司增加產量及滿足需求。Chef總部位於加州三藩市，旨在透過加速智能機器的出現，賦予人類做人類最擅長的事情。
（美聯社）
