Εμπνευσμένοι από εργαλεία όπως το DALL-E, βιολόγοι χτίζουν AI που μπορεί να καταπολεμήσει ασθένειες δημιουργώντας νέες ανθρώπινες πρωτεΐνες.
Την περασμένη άνοιξη, ένα εργαστήριο τεχνητής νοημοσύνης, γνωστό ως OpenAI, παρουσίασε το DALL-E που σας επιτρέπει να δημιουργείτε ψηφιακές εικόνες απλά περιγράφοντας τα επιθυμητά οπτικά στοιχεία. Αυτό έδωσε το έναυσμα για πολυάριθμες παρόμοιες τεχνολογίες, όπως το Midjourney και το Stable Diffusion.
Πρόσφατα, σοκαριστικές εικόνες που δημιουργήθηκαν από το DALL-E και άλλα εργαλεία έχουν κατακλύσει τα μέσα κοινωνικής δικτύωσης. Ωστόσο, ορισμένοι επιστήμονες βλέπουν αυτή την τεχνολογία ως κάτι που μπορεί να χρησιμοποιηθεί για την ανάπτυξη θεραπειών που θα αλλάξουν τη ζωή, όπως θεραπείες για τον καρκίνο, εμβόλια κατά της γρίπης και χάπια πέψης της γλουτένης.
Χρησιμοποιώντας παρόμοιες προσεγγίσεις με αυτές που τροφοδοτούν το DALL-E, οι ειδικοί αυτοί δημιουργούν σχέδια για νέες πρωτεΐνες – μικροσκοπικούς βιολογικούς μηχανισμούς που μπορούν να φέρουν επανάσταση στον τρόπο λειτουργίας του σώματός μας.
Το ανθρώπινο σώμα παράγει φυσιολογικά περίπου 20.000 πρωτεΐνες που είναι υπεύθυνες για ένα ευρύ φάσμα δραστηριοτήτων. Οι επιστήμονες προσπαθούν τώρα να παράγουν μη φυσικές πρωτεΐνες προκειμένου να αναβαθμίσουν την ικανότητά μας να καταπολεμούμε ασθένειες και να κάνουμε πράγματα πέρα από αυτά που μπορεί να καταφέρει μόνο του το σώμα μας.
Τις τελευταίες τρεις δεκαετίες, ο David Baker, διευθυντής του Ινστιτούτου Σχεδιασμού Πρωτεϊνών στο University of Washington, εργάζεται για τη δημιουργία προσαρμοσμένων πρωτεϊνών. Και μόλις πριν από δύο χρόνια η ομάδα του απέδειξε τελικά ότι αυτό είναι εφικτό. Ωστόσο, δεν περίμεναν ποτέ πώς το AI θα επιταχύνει ραγδαία την πρόοδό τους – συρρικνώνοντας τον χρόνο που απαιτείται για τη δημιουργία νέων πρωτεϊνών σε λίγες μόνο εβδομάδες!
Το 2020, ο Baker και οι συνεργάτες του δημοσίευσαν δύο άρθρα στο περιοδικό Science, περιγράφοντας πώς η τεχνολογία AI θα μπορούσε να επιταχύνει τον σχεδιασμό πρωτεϊνών. Η έρευνα αυτή αντικαταστάθηκε πρόσφατα από μια ακόμη μελέτη, η οποία εφαρμόζει τεχνικές AI όπως αυτές που χρησιμοποιούνται στο DALL-E για τη δημιουργία πρωτεϊνών από το μηδέν με αστραπιαία ταχύτητα!
Σύμφωνα με τον Nate Bennett, ερευνητή στο Πανεπιστήμιο της Ουάσινγκτον, η τεχνολογία αυτή είναι απίστευτα ισχυρή. Διευκρινίζει ότι η ικανότητά της να παίρνει στοιχεία και να δημιουργεί σχέδια παραμένει απαράμιλλη!
Μέσα από μια εντυπωσιακή διαδικασία, οι ερευνητές κατασκεύασαν ένα νευρωνικό δίκτυο με την ονομασία DALL-E που ανέλυσε εκατομμύρια ψηφιακές εικόνες και τις αντίστοιχες λεζάντες. Το ίδιο σύστημα προσδιόρισε τις συνδέσεις μεταξύ φωτογραφιών και κειμένου, γεγονός που του επέτρεψε να κατανοήσει το νόημα τόσο των οπτικών όσο και των γραπτών στοιχείων.
Δείτε επίσης: Δείτε την πρώτη εκτόξευση του Falcon 9 της SpaceX για το 2023!
Παρέχοντας μια περιγραφή στο DALL-E, αυτό θα δημιουργήσει βασικά χαρακτηριστικά που μπορεί να έχει η εικόνα. Με αυτά τα χαρακτηριστικά, ένα άλλο νευρωνικό δίκτυο, γνωστό ως diffusion model, μπορεί στη συνέχεια να δημιουργήσει pixels που αποδίδουν τα ίδια αυτά στοιχεία.
Στο Πανεπιστήμιο της Washington, οι επιστήμονες χρησιμοποιούν παρόμοιες μεθόδους για τη δημιουργία νέων πρωτεϊνών. Η διαδικασία ξεκινά με την συναρμολόγηση χημικών ουσιών που στρεβλώνονται σε μια τρισδιάστατη δομή που καθορίζει τον τρόπο λειτουργίας τους. Τα τελευταία χρόνια, εργαστήρια AI όπως το DeepMind έχουν επιδείξει αξιοσημείωτα επιτεύγματα: Τα νευρωνικά δίκτυα μπορούν να προσδιορίσουν με ακρίβεια το τρισδιάστατο σχήμα οποιασδήποτε πρωτεΐνης αναλύοντας μόνο τα επιμέρους συστατικά της!
Ο Baker και άλλοι ερευνητές προσπαθούν τώρα να δημιουργήσουν σχέδια για πρωτεΐνες που δεν υπάρχουν στη φύση. Αυτές οι νέες πρωτεΐνες μπορούν να εκτελούν εξειδικευμένες λειτουργίες, όπως η καταπολέμηση του ιού Covid-19, μεταξύ άλλων.
Όπως το DALL-E είναι σε θέση να κάνει συσχετισμούς μεταξύ των λεζάντων και των φωτογραφιών, παρόμοια συστήματα μπορούν επίσης να ανιχνεύσουν σχέσεις μεταξύ της περιγραφής μιας πρωτεΐνης και της φυσικής της μορφής. Οι επιστήμονες μπορούν να παρέχουν ένα πλαίσιο της επιθυμητής δομής και στη συνέχεια να χρησιμοποιούν diffusion models για να δημιουργήσουν ένα 3D σχήμα γι’ αυτήν.
Δείτε επίσης: Ανθρωπότητα και τεχνητή νοημοσύνη: Τι νέο θα φέρει το 2023
Σε αντίθεση με τις εικόνες DALL-E, όπου το ανθρώπινο μάτι μπορεί εύκολα να αξιολογήσει την ακρίβεια και την πιστότητά τους, η δόμηση των πρωτεϊνών απαιτεί περισσότερο χρόνο για να επαληθευτεί. Αφού οι τεχνολογίες AI δημιουργήσουν αυτά τα πρωτεϊνικά σχέδια, οι επιστήμονες πρέπει να τα μεταφέρουν σε εργαστηριακό περιβάλλον χρησιμοποιώντας πραγματικές χημικές ενώσεις για περαιτέρω πειραματισμό πριν επιβεβαιώσουν ότι λειτουργούν όπως προβλέπεται.
Κατά συνέπεια, ορισμένοι εμπειρογνώμονες συνιστούν προσοχή κατά τη χρήση των πιο πρόσφατων και πρωτοποριακών τεχνολογιών τεχνητής νοημοσύνης. “Η πραγματική δοκιμασία δεν είναι το ποιες δομές μπορούν να δημιουργηθούν”, δήλωσε η Frances Arnold, η οποία είναι ειδικός στην πρωτεϊνική μηχανική στο Ινστιτούτο Τεχνολογίας της Καλιφόρνιας. “Αλλά μάλλον το ποιές πρακτικές εφαρμογές έχουν αυτές οι δομές”
Για πολλούς ερευνητές, αυτές οι μέθοδοι δεν επιταχύνουν απλώς την κατασκευή νέων πρωτεϊνικών σχεδίων για πρακτικές δοκιμές. Προσφέρουν έναν μοναδικό τρόπο να διερευνήσουν πιθανές τροποποιήσεις που δεν μπορούσαν να διερευνήσουν μόνοι τους στο παρελθόν.
Οι μηχανές τεχνητής νοημοσύνης συχνά σχεδιάζονται για να εκτελούν εργασίες που ο άνθρωπος μπορεί να κάνει με ευκολία, όπως η κατασκευή εικόνων, η συγγραφή κειμένων και η αναπαραγωγή επιτραπέζιων παιχνιδιών. Ωστόσο, ο Dr. Wang σημείωσε μια ακόμη πιο ανησυχητική ιδέα: “Τι είναι αυτό που οι μηχανές τεχνητής νοημοσύνης θα μπορούσαν να καταφέρουν και οι άνθρωποι απλά δεν μπορούν;”. Με την ανάπτυξη των ρομπότ που σχεδιάζουν πρωτεΐνες, η ιδέα αυτή φαίνεται πιο βιώσιμη από ποτέ.
Πηγή: nytimes.com
