Google DeepMind واترمارک های نامرئی را برای پروتئین های طراحی شده با هوش مصنوعی توسعه می دهد

ویرایش شده توسط گابی کلارک، بررسی توسط رابرت ایگان

این مقاله با توجه به روند و سیاست‌های ویرایشی Science X بررسی شده است. ویراستاران ضمن اطمینان از اعتبار محتوا، ویژگی های زیر را برجسته کرده اند:

واترمارک‌ها مدت‌هاست که از همه چیز از اسکناس‌ها و هنرهای زیبا گرفته تا عکس‌های دیجیتال و نرم‌افزار محافظت می‌کنند و به اثبات صحت و ردیابی منشأ یک شی کمک می‌کنند. وظیفه اصلی آنها محافظت از کپی رایت و تأیید صحت است.

همین قابلیت ردیابی در زیست شناسی مصنوعی مورد نیاز است، جایی که هوش مصنوعی اکنون یک ابزار تحقیقاتی مفید است. برای رفع این مشکل، Google DeepMind SynthIDBio را معرفی کرده است، روشی برای جاسازی امضاهای نامرئی به طور مستقیم در توالی های بیولوژیکی و ساختارهای سه بعدی بدون تداخل در عملکرد آنها.

هوش مصنوعی به طور فعال در حال طراحی پروتئین های کاربردی جدید و پیش بینی اشکال سه بعدی آنها است. اما همراه با مزایا، مشکلات بالقوه ای نیز به همراه دارد. اینها شامل خطرات امنیت زیستی، مانند سوء استفاده احتمالی از مولکول‌های بیولوژیکی طراحی‌شده با هوش مصنوعی، و انتشار داده‌های علمی جعلی یا گمراه‌کننده است.

این تیم جزئیات مربوط به واترمارک پروتئین خود را در مقاله ای منتشر کرد که در مجله Nature منتشر شد.

دو نوع واترمارک وجود دارد، الگوهای دیجیتالی که مستقیما در داده‌های طراحی پروتئین ساخته شده‌اند. اینکه کدام یک استفاده می شود بستگی به آنچه AI تولید می کند دارد. اگر مدل در حال نوشتن یک توالی پروتئین باشد، واترمارک یک کد مخفی است که در ترتیب اسیدهای آمینه پنهان شده است. اگر مدل ساختار بیومولکولی سه بعدی را پیش بینی کند، واترمارک یک الگوی نامرئی است که در مختصات سه بعدی اتم ها پنهان شده است.

سپس جهش از مدل های کامپیوتری به دنیای واقعی آمد. محققان بایندرهای پروتئینی واترمارک شده را در آزمایشگاه برای هدف قرار دادن سه مولکول خاص ساختند. اینها شامل بخشی از پروتئین اسپایک ویروس کرونا، یک پروتئین انسانی که در رشد رگ های خونی و یک پروتئین انسانی که در تنظیم پاسخ های ایمنی نقش دارد، می شود.

آنها سپس نیاز به کشف دو چیز داشتند. اولین مورد این بود که آیا واترمارک ها نحوه عملکرد پروتئین ها را تغییر می دهند یا خیر، و دوم اینکه آیا یک آشکارساز می تواند آنها را تشخیص دهد یا خیر.

پروتئین های واترمارک شده به هر سه هدف با قدرت قابل مقایسه با نسخه های بدون واترمارک متصل شدند. در همین حال، ابزار تشخیص به درستی تمام توالی های پروتئین واترمارک شده و بیش از 99.8 درصد ساختارهای سه بعدی واترمارک شده را شناسایی کرد. افزودن واترمارک ها تأثیر قابل توجهی بر عملکرد پروتئین ها یا دقت ساختارهای سه بعدی نداشت.

اگرچه موفقیت آمیز است، واترمارک ساختار سه بعدی بدون محدودیت نیست. الگوی دیجیتال می تواند زمانی که یک طرح تحت تغییرات ساختاری استاندارد قرار می گیرد، از بین می رود، فرآیندی که به عنوان آرامش شناخته می شود. محققان نوشتند: "با این حال، استحکام در آرامش وجود ندارد، اما ما انتظار داریم که با در نظر گرفتن صریح آرامش در حین آموزش ساختار SynthIDBio، به این موضوع رسیدگی شود."

با وجود این موانع، این کار می تواند در امنیت زیستی و یکپارچگی علمی کاربرد داشته باشد. "SynthIDBio اثبات فنی این مفهوم را ارائه می دهد که نشان می دهد واترمارک بیولوژیکی حفظ عملکرد و کیفیت امکان پذیر است."

محققانی که می خواهند این فناوری را برای خود امتحان کنند، می توانند کد منبع باز SynthIDBio-sequence را در GitHub بیابند.

توسط نویسنده ما پل آرنولد برای شما نوشته شده است، توسط گابی کلارک ویرایش شده است و توسط رابرت ایگان بررسی و بررسی شده است — این مقاله نتیجه کار دقیق انسانی است. ما برای زنده نگه داشتن روزنامه نگاری علمی مستقل به خوانندگانی مانند شما متکی هستیم. اگر این گزارش برای شما مهم است، لطفا یک کمک مالی (به ویژه ماهانه) در نظر بگیرید. به عنوان تشکر، یک حساب کاربری بدون آگهی دریافت خواهید کرد.

دیوید استوتز و همکاران، واترمارکینگ حفظ عملکرد پروتئین های تولید شده توسط هوش مصنوعی، طبیعت (2026). DOI: 10.1038/s41586-026-10965-y

کارشناسی زیست شناسی از دانشگاه لندن. تهیه کننده مستند بی بی سی با تجربه سفر در جهان. مشاغل آزاد از جنوب اسپانیا. نمایه کامل →

کارشناسی ارشد زبان انگلیسی، ویرایشگر کپی از سال 2021 با تجربه در آموزش عالی و محتوای بهداشتی. تقدیم به اخبار معتبر علمی. نمایه کامل →

لیسانس زیست شناسی ریاضی، کارشناسی ارشد در نوشتن خلاق. خوش سفر با دیدگاه های منحصر به فرد در علم و زبان. نمایه کامل →