هدیه واقعی هوش مصنوعی به علم

داریو آمودی، مدیر اجرایی Anthropic، اغلب گفته است که هوش مصنوعی اکثر بیماری ها را در 10 سال آینده درمان می کند. اواخر ماه گذشته، او ادعا کرد که شرکت او اولین گام را به سوی آینده برداشته است: کلود در کمتر از 24 ساعت یک "سیستم آنزیمی" جدید را کشف کرد که به گفته شرکت شبیه CRISPR است، یک ابزار ویرایش ژن که در حال حاضر افراد را از بیماری ها درمان می کند. آنتروپیک ضمن اعلام این کشف اشاره کرد که این نوع یافته‌ای است که پزشکی را متحول می‌کند و به نقل از یکی از پیشگامان ویرایش ژن که آن را "واقعا جذاب" نامید.

این شرکت در مورد اینکه نمی دانست دقیقا چه چیزی را کشف کرده بود یا اینکه آیا این یافته -اولین موردی که از یک آزمایشگاه زیست شناسی که این شرکت در بهار امسال تاسیس کرد- منتشر شد- واقعا تا این حد قابل توجه بود. با این حال، بسیاری از دانشگاهیان، همراه با مدیر عامل Eli Lilly، خاطرنشان کردند که این شرکت یک یافته بسیار افزایشی را به عنوان یک کشف بزرگ در نظر گرفته است. فئودور اورنوف، دانشمندی که اصطلاح ویرایش ژنوم را ابداع کرده و در حال کار بر روی یک پروژه CRISPR با Anthropic است، به من گفت که «هیئت منصفه در مورد اینکه آیا آنچه کلود پیدا کرده اصلا یک آنزیم است یا خیر؟» به من گفت.

چندین محقق به نیویورک تایمز گفتند که در واقع سال‌ها از سیستم آنزیمی ظاهرا جدید آگاه بودند، از جمله تیمی در دانشگاه کپنهاگ که ادعا می‌کردند نتایج جدید آنتروپیک ممکن است از تعاملات آزمایشگاهی آنها با کلود به سرقت رفته باشد. این شرکت در پاسخ گفت که کلود با استفاده از رونوشت های کاربر آموزش ندیده است. (Anthropic به درخواست نظر برای این مقاله پاسخ نداد.)

به عبارت دیگر، آنتروپیک در مورد یافته‌ای که -اگرچه به روشی بدیع و تحت رهبری کلود به دست آمده است- به پیشرفت‌های زیست‌پزشکی منجر نمی‌شود و این شرکت می‌دانست که ممکن است به هیچ پیشرفت زیست‌پزشکی منجر نشود، معامله بزرگی کرد. از قضا، در بیان چنین اظهارات باشکوهی، این شرکت و سایر تقویت‌کنندگان هوش مصنوعی آنچه را که کلود به‌نظر می‌رسد مبهم می‌سازد: این داده‌ها از طریق مجموعه‌ای از داده‌های بیولوژیکی که تجزیه و تحلیل آن‌ها، اگر اصلا می‌توانستند، برای دانشمندان زمان زیادی طول می‌کشید، مرتب کرد.

این ظرفیت ممکن است معجزه نباشد، اما برای دانشمندانی که با کوه‌هایی از داده‌ها روبرو هستند که از ظرفیت آن‌ها برای تجزیه و تحلیل فراتر رفته است، هنوز معنادار است.

در اواخر قرن بیست و یکم، محققان برای اولین بار تمام 3 میلیارد حرف تشکیل دهنده DNA انسان را توالی یابی کردند. این تلاش که پروژه ژنوم انسانی نام دارد، 13 سال طول کشید و 2.7 میلیارد دلار هزینه داشت. امروزه تعیین توالی ژنوم کامل یک فرد بیش از یک روز طول می کشد و هزینه ای کمتر از 200 دلار دارد. بر این اساس، مقدار کل داده های ژنومی در دسترس عموم به حدی بزرگ شده است که غیرقابل مدیریت است. در زمینه‌های دیگر، مانند علم پروتئین، پیشرفت‌های فناوری منجر به رونق مشابهی در حجم انبوه داده‌های جمع‌آوری شده شده است.

تلاش برای استخراج هر چیزی مفید از همه آن داده ها به پروژه بلندمدت خود تبدیل شده است. در سال 2012، کمیته‌ای متشکل از کارشناسان بیوانفورماتیک دریافتند که «گلوگاه در بهره‌وری علمی» از تولید داده‌ها به تجزیه و تحلیل داده‌ها منتقل شده است، اما تلاش‌های اولیه در مؤسسه ملی بهداشت برای مقابله با این تنگنا به سرعت از بین رفت. اگر محققان بتوانند تمام اطلاعاتی را که تولید می‌کنند ذخیره، ارسال و بررسی کنند، احتمالا می‌توانند داروهای جدیدی را با شناسایی ژن‌ها یا بخش‌های سلولی بهتر برای هدف‌گیری توسعه دهند.

اما برای حمله همه جانبه آن‌ها خیلی عظیم است.

با این حال، پیکره بیولوژیکی برای عوامل هوش مصنوعی خیلی بزرگ نیست. بو وانگ، استادیار دانشگاه تورنتو و دانشمند ارشد هوش مصنوعی در یک شرکت کشف دارو، اخیرا نوشته است که بزرگترین تأثیر هوش مصنوعی در زیست شناسی از کمک آن به «مقیاس‌سازی توجه علمی» حاصل می‌شود: رها کردن عوامل بر روی مجموعه‌های عظیم داده‌ها می‌تواند نقاط دورافتاده‌ای را که مستلزم بازرسی بیشتر انسان هستند، آشکار کند.

عوامل می‌توانند فرضیه‌هایی را برای اینکه چه چیزی باعث الگوهای غیرعادی می‌شوند پیشنهاد و آزمایش کنند، و مدل‌سازی پیش‌بینی‌کننده می‌تواند به دانشمندان کمک کند تا آزمایش‌هایی را برای انجام روی نیمکت‌های آزمایشگاهی واقعی خود انتخاب کنند. در نهایت، آزمایشگاه‌های خودکار حتی ممکن است آن آزمایش‌های انتخابی را انجام دهند - تعداد کمی از آنها در حال حاضر در ایالات متحده وجود دارند و دولت ترامپ صدها میلیون دلار برای ایجاد آزمایش‌های بیشتر هزینه می‌کند. در همین حال، دانشمندان در مورد اینکه آیا مدل‌های هوش مصنوعی واقعا آنها را به سمت آزمایش‌های بالقوه تغییر پارادایم یا آزمایش‌های ایمن‌تر و کمتر اکتشافی هدایت می‌کنند، اختلاف نظر دارند.

هوش مصنوعی در حال تغییر پزشکی است: مدل‌هایی که از تاریخچه پزشکی افراد برای پیش‌بینی خطرات سلامتی آن‌ها از جمله احتمال ابتلا به انواع خاصی از سرطان استفاده می‌کنند، اکنون در اکثر بیمارستان‌های ایالات متحده استفاده می‌شوند. در عین حال، همه رشته‌های زیست‌شناسی داده‌های کافی برای کارکرد این رویکرد تولید نمی‌کنند. هوش مصنوعی ممکن است در برخی از حوزه‌هایی که به داده‌های میکروسکوپی کمتر متکی هستند، مانند مطالعه نحوه ارتباط سلول‌ها و بافت‌ها، کمتر مفید باشد. استرلینگ چرچمن، استاد ژنتیک در دانشکده پزشکی هاروارد، به من گفت که به دست آوردن چنین داده‌هایی از توالی‌های ژنتیکی دشوارتر است.

زیست شناسی اندامک و علم حمل و نقل سلولی به طور مشابه به آزمایش های پرزحمت و وقت گیر نیاز دارند.

با این حال، چرچمن گفت: "در جایی که داده ها وجود داشته باشد جادو وجود خواهد داشت." او تابستان را در OpenAI گذراند و روی یک مدل آموزش‌دیده ویژه برای محققان علوم زندگی کار کرد. او پیش‌بینی می‌کند که با اجازه دادن به دانشمندانی که قادر به کدنویسی نیستند خودشان داده‌هایشان را بررسی کنند، هوش مصنوعی به محققان این امکان را می‌دهد که داده‌ها را حداقل 10 برابر سریع‌تر تجزیه و تحلیل کنند و ما را آزاد کند تا زمان بیشتری را برای سوالات و آزمایش‌های بیولوژیکی صرف کنیم.

یافته اخیر Anthropic نمونه ای از این است که چگونه هوش مصنوعی می تواند موارد پرت را شناسایی کند که در غیر این صورت ممکن است مورد توجه قرار نگیرند. ابزارهای موجود می‌توانند انبوهی از داده‌های ژنومی را بررسی کنند (و قبلا برای شناسایی سیستم‌های جدید ویرایش ژن به درستی استفاده شده‌اند). کندل کلمنت، که یک آزمایشگاه زیست‌شناسی محاسباتی در دانشگاه یوتا را اداره می‌کند، به من گفت: آنچه هوش مصنوعی می‌تواند انجام دهد این است که این نوع تحلیل‌ها را در مقیاسی بسیار بزرگ‌تر اجرا کند، در حالی که نتایج میانی را نیز ارزیابی می‌کند.

البته، این مقیاس مستلزم ریختن منابع عظیم است: آنتروپیک حدود 950 ربات کلود را هدایت کرد تا به طور همزمان روی پایگاه داده ای که حاوی نزدیک به 2 میلیارد ورودی DNA بود، منفذ کنند.

شرکت‌های هوش مصنوعی همه انگیزه‌ای دارند تا در مورد معجزات پزشکی که می‌گویند مدل‌هایشان قفل آن را باز می‌کنند، بشارت دهند، به‌ویژه وقتی واکنش‌ها علیه آن‌ها افزایش می‌یابد. آمودی ایده ای برای خاموش کردن شکاکان هوش مصنوعی دارد: او اخیرا در X نوشت: «چیزی که کارساز خواهد بود در واقع درمان سرطان است.» این قطعا یک کودتا خواهد بود. اما کمک به دانشمندان برای کار سریع‌تر نیز است، حتی اگر چندان انقلابی به نظر نرسد.