آپریس با محاسبات فدرال، گلوگاه داده‌های هوش مصنوعی در علوم زندگی را بازنگری می‌کند
## هوش مصنوعی و چالش‌های داده‌های سلامت
هوش مصنوعی به شدت به داده‌ها وابسته است، اما بیشتر داده‌های سلامت به دلایل قابل فهمی – مثل حریم خصوصی بیماران و قوانین – بلااستفاده می‌مانند. این موضوع به گفته رابین رهم، کارآفرین آلمانی، بزرگ‌ترین چالش در ساخت راه‌حل‌های هوش مصنوعی در علوم زندگی و داروسازی است.
### راه‌حل Apheris
استارتاپ Apheris به رهبری رهم با رویکرد پردازش فدرال به دنبال حل این مشکل است. این رویکرد به این معناست که داده‌ها در همان مکانی که هستند، پردازش می‌شوند و فقط خروجی‌ها (مثل پارامترهای مدل) به‌صورت مرکزی جمع‌آوری می‌شوند. مشتریان این استارتاپ شامل شرکت‌ها و بیمارستان‌های بزرگی مثل Roche هستند.
### همکاری با فناوری‌های دیگر
رهم بر این باور است که Apheris می‌تواند بخشی اصلی از شبکه‌های داده فدرال باشد که به سرعت در حال ظهور هستند. این شرکت همچنین به طور مؤثری با فناوری‌های تقویت کننده حریم خصوصی مانند رمزگذاری همومورفیک و داده‌های مصنوعی سازگار است.
### تغییر رویکرد و رشد
Apheris در سال 2019 تأسیس شد و در ابتدا هدف آن ساخت چارچوب یادگیری فدرال بود. اما پس از جمع‌آوری سرمایه قابل توجهی در سال 2022، رویکرد خود را در سال 2023 تغییر داد و تمرکز خود را بر طرفداران داده قرار داد. این تغییر باعث شد که درآمد این استارتاپ چهار برابر شود و سرمایه‌گذاری آن به 20.8 میلیون دلار برسد.
### نمونه‌های کاربردی
نرم‌افزار Apheris Compute Gateway اکنون توسط کنسرسیوم بیولوژی ساختاری هوش مصنوعی (AISB) مورد استفاده قرار می‌گیرد. این کنسرسیوم شامل شرکت‌های بزرگی مانند AbbVie و Johnson & Johnson است که به همکاری در زمینه کشف داروهای هوشمند می‌پردازد.
### نتیجه‌گیری
رهم گفت که بدون رفع نگرانی‌های صاحبان داده در ارائه داده‌ها به هوش مصنوعی، تأثیر واقعی AI قابل دسترس نخواهد بود و این هدف اصلی آن‌هاست.
منبع: [techcrunch.com](https://techcrunch.com/2025/01/02/apheris-rethinks-the-ai-data-bottleneck-in-life-science-with-federated-computing/)
