هوش مصنوعی ویروسهای جدید ساخت
پژوهشگران با استفاده از مدلهای هوش مصنوعی مولدِ آموزشدیده بر توالیهای ژنتیکی موفق به طراحی ویروسهای جدیدی شدهاند که میتوانند باکتریها را آلوده کرده و درون آنها تکثیر شوند. این دستاورد از یک سو میتواند مسیرهای تازهای برای ژندرمانی و زیستفناوری باز کند و از سوی دیگر، نگرانیهایی جدی درباره سوءاستفاده از هوش مصنوعی در طراحی عوامل زیستی خطرناک ایجاد کرده است.
به گزارش گروه ترجمه خبرگزاری برنا به نقل از انگجت، نتایج این پژوهش که در نشریه Science منتشر و گزارشهایی درباره آن در The New York Times نیز منتشر شده است نشان میدهد مدلهای هوش مصنوعی میتوانند فراتر از تحلیل یا پیشبینی توالیهای ژنتیکی توالیهایی را طراحی کنند که در دنیای واقعی عملکرد زیستی داشته باشند.
این پژوهش توسط دانشمندانی از Arc Institute در پالو آلتو و دانشگاه استنفورد انجام شده است. محققان برای طراحی ویروسهای جدید از مدلهای زبانی ژنومی Evo ۱ و Evo ۲ استفاده کردند؛ مدلهایی که از نظر نحوه پردازش دادهها شباهتهایی به مدلهای زبانی بزرگی مانند ChatGPT دارند، اما به جای متنهای انسانی، بر حجم بسیار بزرگی از اطلاعات ژنتیکی آموزش دیدهاند.
یادگیری زبان DNA توسط هوش مصنوعی
مدلهای Evo با بررسی توالیهای ژنتیکی الگوهای موجود در ساختار DNA و نحوه قرار گرفتن واحدهای سازنده آن را یاد میگیرند. این واحدها که نوکلئوتید نام دارند، همان اجزای پایهای هستند که اطلاعات ژنتیکی موجودات زنده و ویروسها را شکل میدهند.
پژوهشگران در مرحله آموزش این مدلها از مجموعهای شامل تریلیونها نوکلئوتید استفاده کردند تا هوش مصنوعی بتواند الگوها و قواعد موجود در توالیهای ژنتیکی را شناسایی کند، رویکردی که میتوان آن را مشابه یادگیری دستور زبان در مدلهای زبانی دانست با این تفاوت که زبان مورد مطالعه در اینجا زبان ژنتیکی است.
در مرحله بعد مدلها به طور اختصاصی با حدود ۱۵ هزار ویروس از خانواده ویروس Phi X-۱۷۴ آموزش داده شدند. Phi X-۱۷۴ ویروسی بسیار کوچک است که تنها باکتری E. coli را آلوده میکند و برای انسان، حیوانات، گیاهان و قارچها عامل بیماریزا محسوب نمیشود.
طراحی حدود ۷۰۰ هزار ویروس فرضی
محققان برای کاهش خطرات آزمایش دامنه پروژه را به گونهای محدود کردند که مدل هوش مصنوعی نتواند ویروسهایی را با قابلیت آلودهکردن انسان، سایر حیوانات، گیاهان یا قارچها طراحی کند.
با وجود این محدودیتها مدلهای Evo توانستند حدود ۷۰۰ هزار توالی ویروسی بالقوه جدید تولید کنند. از میان این حجم عظیم از طراحیهای محاسباتی پژوهشگران ۲۸۵ گزینه را که از نظر ویژگیهای موردنظر امیدوارکنندهتر بودند برای بررسی آزمایشگاهی انتخاب کردند.
در ادامه DNA مربوط به این طراحیها ساخته شد و در اختیار باکتریها قرار گرفت تا مشخص شود آیا توالیهای تولیدشده توسط هوش مصنوعی میتوانند در شرایط واقعی یک ویروس فعال ایجاد کنند یا خیر.
نتایج نشان داد ۱۶ مورد از طراحیهای تولیدشده توسط Evo توانستند ویروسهای فعال ایجاد کنند، ویروسهایی که قادر بودند باکتریها را آلوده کنند و درون آنها تکثیر شوند.
بر اساس نتایج گزارششده این ویروسهای جدید دستکم از نظر قابلیت زندهماندن و تکثیر عملکردی در حد ویروس Phi X-۱۷۴ داشتند و برخی از آنها حتی توانستند با سرعت بیشتری تکثیر شوند.
چرا این دستاورد مهم است؟
اهمیت این پژوهش تنها در تولید چند ویروس جدید خلاصه نمیشود. نکته مهمتر آن است که هوش مصنوعی توانسته از الگوهای موجود در دادههای ژنتیکی، ساختارهایی جدید ایجاد کند که پس از ساخت در آزمایشگاه عملکرد زیستی واقعی داشتهاند.
این موضوع میتواند کاربردهای بالقوه متعددی در زیستفناوری داشته باشد. برای مثال ویروسهای مهندسیشده میتوانند در آینده برای انتقال مواد ژنتیکی به سلولها، توسعه روشهای جدید ژندرمانی، مطالعه عملکرد ژنها و همچنین مقابله با باکتریهای بیماریزا مورد استفاده قرار گیرند.
مدلهای هوش مصنوعی همچنین میتوانند فرایند طراحی مولکولها و ساختارهای زیستی را که پیشتر نیازمند آزمون و خطای طولانی توسط پژوهشگران بود سرعت ببخشند.
روی دیگر ماجرا؛ نگرانی از سوءاستفاده
با این حال توانایی هوش مصنوعی در طراحی توالیهای ژنتیکی جدید نگرانیهای قابلتوجهی را در حوزه امنیت زیستی ایجاد میکند.
تفاوت مهم میان هوش مصنوعی زیستی و بسیاری از کاربردهای معمول مدلهای مولد این است که خروجی یک مدل زیستی میتواند در نهایت به یک موجود یا عامل زیستی واقعی تبدیل شود. به همین دلیل هرچه توانایی مدلها در طراحی توالیهای ژنتیکی پیچیدهتر شود، ضرورت ایجاد سازوکارهای نظارتی و ایمنی نیز افزایش مییابد.
پژوهشگران این مطالعه تلاش کردهاند با محدودکردن دادههای آموزشی و دامنه طراحی احتمال تولید عوامل زیستی خطرناک را کاهش دهند. با این حال، همین آزمایش نشان میدهد که مدلهای هوش مصنوعی در صورت دسترسی به دادههای مناسب و زیرساخت آزمایشگاهی لازم میتوانند از مرحله تحلیل زیستشناسی عبور کرده و به مرحله طراحی زیستی برسند.
این مسئله نگرانیهایی را درباره استفاده احتمالی از نسلهای پیشرفتهتر چنین مدلهایی برای طراحی عوامل بیماریزای خطرناکتر ایجاد کرده است.
فاصله میان پیشرفت فناوری و مقررات
نگرانی اصلی کارشناسان این است که سرعت پیشرفت هوش مصنوعی ممکن است از سرعت توسعه مقررات و استانداردهای ایمنی زیستی بیشتر باشد.
مدلهای هوش مصنوعی در سالهای اخیر توانایی خود را در حوزههایی مانند طراحی پروتئینها، پیشبینی ساختارهای زیستی و تحلیل ژنومها به سرعت افزایش دادهاند. اکنون پژوهشهایی مانند مطالعه حاضر نشان میدهد این مدلها میتوانند در برخی شرایط، توالیهای ژنتیکی جدیدی را نیز طراحی کنند که در محیط آزمایشگاهی عملکرد واقعی دارند.
از این منظر، موضوع تنها به این پرسش محدود نمیشود که آیا هوش مصنوعی میتواند ویروس طراحی کند؟ بلکه پرسش مهمتر این است که چه کسی با چه محدودیتهایی و تحت چه نظارتی میتواند از این توانایی استفاده کند؟
فناوری دوکاربردی؛ هم فرصت و هم تهدید
پژوهشگران تاکید دارند که فناوری به خودی خود خوب یا بد نیست و کاربرد آن به اهداف و چارچوب استفاده بستگی دارد. همان فناوریای که میتواند به توسعه روشهای درمانی جدید کمک کند در صورت نبود کنترلهای مناسب ممکن است مورد سوءاستفاده قرار گیرد.
در این پژوهش طراحیها به ویروسهایی محدود شد که تنها باکتریها را هدف قرار میدهند و پژوهشگران تلاش کردند از ایجاد ویروسهایی که انسان، حیوانات، گیاهان یا قارچها را آلوده میکنند جلوگیری کنند. همین محدودیتها یکی از مهمترین لایههای ایمنی پروژه بوده است.
با این حال نتایج نشان میدهد که توانایی مدلهای ژنومی برای تولید توالیهای جدید دیگر صرفا یک مفهوم نظری نیست و برخی از خروجیهای آنها میتوانند پس از ساخت در سامانههای زیستی واقعی فعال باشند.
یک هشدار برای آینده هوش مصنوعی زیستی
این پژوهش در نهایت تصویری دوگانه از آینده هوش مصنوعی در زیستشناسی ارائه میدهد. از یک سو مدلهایی مانند Evo میتوانند به دانشمندان کمک کنند تا ژنومها را بهتر درک کنند، ابزارهای زیستی جدید بسازند، روشهای ژندرمانی را توسعه دهند و حتی راهکارهای تازهای برای مقابله با باکتریهای مضر پیدا کنند. از سوی دیگر افزایش توانایی مدلها در طراحی عوامل زیستی میتواند خطر سوءاستفاده را افزایش دهد بهویژه اگر نسلهای آینده این فناوری بتوانند با دامنه وسیعتری از موجودات زنده و عوامل بیماریزا کار کنند.
به همین دلیل توسعه همزمان سامانههای کنترل دسترسی، غربالگری توالیهای ژنتیکی، استانداردهای ایمنی آزمایشگاهی، نظارت انسانی و مقررات بینالمللی اهمیت فزایندهای پیدا میکند.
دستاورد پژوهشگران Arc Institute و دانشگاه استنفورد نشان میدهد مرز میان هوش مصنوعی و زیستشناسی در حال تغییر است. هوش مصنوعی دیگر تنها ابزاری برای خواندن و تفسیر اطلاعات ژنتیکی نیست بلکه میتواند در شرایط کنترلشده، اطلاعات ژنتیکی جدیدی تولید کند که قابلیت تبدیلشدن به سامانههای زیستی فعال را دارند.
این پیشرفت میتواند یکی از مهمترین مسیرهای آینده زیستفناوری باشد اما همزمان یک پیام روشن نیز دارد: هرچه توانایی هوش مصنوعی برای طراحی حیات بیشتر شود، ایمنی و نظارت نیز باید با همان سرعت پیشرفت کند.
انتهای پیام/
