SAS und NC State gründen KI-Forschungspartnerschaft

SAS und die North Carolina State University (NC State) haben eine neue Forschungspartnerschaft namens SAS Think & Do Tank ins Leben gerufen. Ziel ist es, vertrauenswürdige Daten und künstliche Intelligenz (KI) zur Lösung komplexer Probleme in den Bereichen menschliche Gesundheit, Ernährung und ökologische Widerstandsfähigkeit einzusetzen.

Die Initiative bündelt die Expertise von SAS in Daten und KI mit den interdisziplinären Forschungsfähigkeiten der NC State. Ein Schwerpunkt liegt auf der Beschleunigung des Entwicklungsprozesses neuer Behandlungsmethoden. Die Partnerschaft zielt darauf ab, vielversprechende Entdeckungen in die Praxis umzusetzen und gleichzeitig verantwortungsvolle KI-Praktiken von Beginn an in die Forschung zu integrieren.

SAS CEO Jim Goodnight betonte: "Die nächste Generation von Innovatoren wird mehr als nur leistungsstarke Technologie benötigen. Sie werden das Urteilsvermögen benötigen, um sie verantwortungsvoll einzusetzen." NC States Kanzler Kevin Howell fügte hinzu, dass die Zusammenarbeit eine jahrzehntelange Beziehung fortsetzt und den Ansatz der Universität "Think and Do" zur Umsetzung von Wissen in greifbare Ergebnisse widerspiegelt.

Einer der ersten Forschungsbereiche konzentriert sich auf die translationale prädiktive Biologie. Hierbei werden fortschrittliche biologische Modelle, Daten und KI eingesetzt, um das Verhalten von Krankheiten und potenziellen Behandlungen beim Menschen besser vorherzusagen. Die Arbeit befasst sich mit der Analyse komplexer biologischer Datensätze und zielt darauf ab, KI-Modelle zu entwickeln, die zuverlässige Muster erkennen und transparente Einblicke liefern.

Der SAS Think & Do Tank ist als skalierbares Zweijahresprojekt konzipiert und soll ein Modell für zukünftige Kooperationen schaffen. Diese Partnerschaft markiert auch eine Rückkehr zu den Ursprüngen von SAS, da das Unternehmen vor 50 Jahren als landwirtschaftliches Forschungsprojekt an der NC State begann. Das Projekt soll dazu beitragen, vielversprechende Behandlungen früher zu identifizieren, die Ergebnisse von Interventionen zu verstehen und die Zeit und Kosten für die Überführung neuer Therapien in die klinische Anwendung zu reduzieren.