Leash Bio använder kemiska biblioteksdata för att träna AI-agenter att tänka som kemister
Biotech-företaget Leash Bio har jobbat med DEL:er (DNA-kodade kemiska bibliotek – en metod för att testa miljontals molekyler samtidigt) och använt den datan för att avslöja AI-modeller som 'fuskar' snarare än lär sig riktig kemi. Samma dataset visar sig också vara idealiskt för att träna AI-agenter som ska resonera kemiskt – inte bara förutsäga, utan förstå.
Djupdykning
DEL-screening – DNA-encoded libraries – är en av de mest dataintensiva metoderna inom läkemedelsutveckling, där man bokstavligen kopplar kemiska föreningar till DNA-streckkoder och testar miljontals molekyler samtidigt mot ett protein. Problemet är att metoden är känd för att generera massor av falska positiver och svårtolkad brusig data, vilket gjort den till en klassiker inom "assays som får kemister att gråta". Det Leash Bio verkar ha gjort är att inte bara städa upp i datan, utan använda den städade versionen som en sorts facit för att avslöja när AI-modeller fuskar – det vill säga när de hittar statistiska genvägar i träningsdatan istället för att faktiskt lära sig kemi. Det de flesta missar här är att "cheating models" inte handlar om AI som medvetet manipulerar något, utan om ett strukturellt problem: om din träningsdata har dolda mönster (exempelvis att vissa kemiska skelett är överrepresenterade i positiva resultat av tekniska snarare än biologiska skäl), lär sig modellen de mönstren istället för den underliggande kemin. DEL-data är perfekt för att exponera detta just för att den är så stökig och komplex att genvägar syns tydligare. Implikationen är att vägen mot AI-agenter som faktiskt "tänker som kemister" kräver att labbet och algoritmen körs i en kontinuerlig feedback-loop snarare än att man tränar en modell en gång och sedan deployar den – och det är en mycket mer operationellt krävande verksamhet än vad de flesta AI-i-drug-discovery-presentationer låter påskina.