Ένα μοντέλο AI «διάβασε» τα μοτίβα του DNA μέσα από 9 τρισεκατομμύρια νουκλεοτίδια και σχεδίασε νέους ιούς που στη συνέχεια κατασκευάστηκαν στο εργαστήριο και αποδείχθηκε ότι μπορούσαν να μολύνουν βακτήρια και να αναπαράγονται.
Η τεχνητή νοημοσύνη φαίνεται πως περνά πλέον από την ανάλυση της ζωής στη σχεδίαση νέων μορφών ζωής. Ερευνητές δημιούργησαν, με τη βοήθεια ενός μοντέλου AI, νέες αλληλουχίες DNA για ιούς που δεν είχαν εμφανιστεί ποτέ στη φύση. Στη συνέχεια, οι αλληλουχίες αυτές συντέθηκαν χημικά στο εργαστήριο και οι επιστήμονες διαπίστωσαν ότι ορισμένες από αυτές μπορούσαν πράγματι να «ζωντανέψουν».
Σύμφωνα με δημοσίευμα των New York Times, από τα 285 γονιδιώματα ιών που δημιουργήθηκαν και δοκιμάστηκαν, τα 16 συναρμολογήθηκαν επιτυχώς σε λειτουργικούς ιούς, οι οποίοι ήταν ικανοί να μολύνουν βακτήρια και να αναπαράγονται.
Η μελέτη, που δημοσιεύθηκε στο επιστημονικό περιοδικό Science, πραγματοποιήθηκε από ερευνητές του Stanford University και του Arc Institute και βασίστηκε σε μοντέλα γονιδιωματικής τεχνητής νοημοσύνης με την ονομασία Evo.
Η ΤΝ έμαθε τη «γλώσσα» του DNA
Για να κατανοήσετε το μέγεθος του εγχειρήματος, αρκεί να σκεφτείτε ότι οι ερευνητές εκπαίδευσαν τα μοντέλα σε περισσότερα από 9 τρισεκατομμύρια νουκλεοτίδια, τα βασικά δομικά στοιχεία του DNA, τα οποία συναντώνται σε κάθε μορφή ζωής.
Τα δεδομένα προέρχονταν από περισσότερες από 128.000 γενετικές αλληλουχίες, οι οποίες αντιστοιχούσαν σε εκατομμύρια οργανισμούς, μεταξύ των οποίων ζώα, φυτά, μικρόβια και ιοί.
Η λογική θυμίζει σε μεγάλο βαθμό τον τρόπο με τον οποίο λειτουργούν τα γλωσσικά μοντέλα τεχνητής νοημοσύνης. Όπως ένα μοντέλο γλώσσας μαθαίνει ποιοι συνδυασμοί λέξεων και χαρακτήρων είναι πιθανότερο να έχουν νόημα, έτσι και το Evo «έμαθε» τα στατιστικά μοτίβα με τα οποία οργανώνονται οι γενετικές αλληλουχίες. Με άλλα λόγια, οι επιστήμονες δεν του έδωσαν απλώς έναν κατάλογο γνωστών γονιδίων. Του επέτρεψαν να αναζητήσει τα ίδια τα μοτίβα που διέπουν την οργάνωση του DNA.
Από τα νουκλεοτίδια σε έναν λειτουργικό οργανισμό
Κάθε οργανισμός διαθέτει ένα γονιδίωμα, δηλαδή ένα σύνολο γενετικών οδηγιών που καθορίζει τον τρόπο με τον οποίο τα βασικά δομικά στοιχεία της ζωής συνδυάζονται μεταξύ τους και οδηγούν στη δημιουργία πρωτεϊνών και, τελικά, ενός λειτουργικού οργανισμού.
Οι άνθρωποι γνωρίζουν εδώ και δεκαετίες πώς να αντιγράφουν και να τροποποιούν υπάρχον γενετικό υλικό. Η σύνθεση ενός ιού, για παράδειγμα, μπορεί να βασιστεί στη γενετική αλληλουχία ενός ιού που ήδη υπάρχει στη φύση.
Το πραγματικά δύσκολο σημείο, όμως, ήταν άλλο: να γνωρίζουμε ποιοι συνδυασμοί νουκλεοτιδίων θα μπορούσαν να λειτουργήσουν χωρίς να έχουν προηγουμένως παρατηρηθεί στη φύση.
Ο αριθμός των πιθανών γενετικών αλληλουχιών είναι τόσο τεράστιος, ώστε οι άνθρωποι δεν θα μπορούσαν πρακτικά να εξετάσουν παρά ένα απειροελάχιστο μέρος τους. Τα δομικά στοιχεία ήταν γνωστά. Αυτό που παρέμενε σε μεγάλο βαθμό άγνωστο ήταν το «συντακτικό» που καθορίζει πώς αυτά πρέπει να τοποθετηθούν ώστε να προκύψει μια λειτουργική γενετική αλληλουχία. Και εδώ ακριβώς επιχειρεί να παρέμβει η τεχνητή νοημοσύνη.
Το πείραμα με τον Phi X-174
Για να ελέγξουν εάν το μοντέλο μπορούσε να περάσει από τη θεωρία στην πράξη, οι ερευνητές επικεντρώθηκαν σε έναν μικρό και εξαιρετικά καλά μελετημένο βακτηριοφάγο, τον Phi X-174.
Ο συγκεκριμένος ιός αποτελείται από μόλις 5.386 νουκλεοτίδια και 11 γονίδια και είναι γνωστός εδώ και περισσότερο από έναν αιώνα. Προσβάλλει αποκλειστικά το βακτήριο E. coli, γεγονός που τον καθιστούσε κατάλληλο για το συγκεκριμένο πείραμα. Το Evo εκπαιδεύτηκε πάνω στο γονιδίωμα του Phi X-174, καθώς και σε περίπου 15.000 γονιδιώματα συγγενικών του ιών.
Στη συνέχεια, το μοντέλο παρήγαγε περίπου 700.000 διαφορετικά υποψήφια γονιδιώματα. Οι ερευνητές περιόρισαν αυτόν τον τεράστιο αριθμό σε 285 υποψήφιες αλληλουχίες, τις οποίες στη συνέχεια συνέθεσαν στο εργαστήριο. Το αποτέλεσμα ήταν εντυπωσιακό: 16 από τις 285 αλληλουχίες δημιούργησαν λειτουργικούς ιούς.
Οι νέοι αυτοί ιοί δεν είχαν προηγουμένως υπάρξει στη φύση. Παρ' όλα αυτά, μπορούσαν να κάνουν αυτό που έκανε και ο φυσικός συγγενής τους: να προσβάλλουν βακτήρια E. coli και να αναπαράγονται.
Νέοι ιοί, αλλά όχι εντελώς «ξένοι»
Υπάρχει, ωστόσο, μια σημαντική λεπτομέρεια.
Οι ιοί που δημιουργήθηκαν δεν ήταν εντελώς άσχετοι με τους φυσικούς ιούς. Οι αλληλουχίες τους ήταν αρκετά κοντά σε εκείνες του Phi X-174 και των συγγενικών του ιών. Τα ίδια βασικά δομικά στοιχεία χρησιμοποιήθηκαν, αλλά με διαφορετικούς συνδυασμούς και μεταλλάξεις.
Η σημασία του πειράματος, επομένως, δεν βρίσκεται στο ότι η ΤΝ δημιούργησε έναν εντελώς άγνωστο οργανισμό από το μηδέν. Βρίσκεται στο ότι κατάφερε να εντοπίσει μοτίβα μέσα στο DNA και να τα χρησιμοποιήσει για να σχεδιάσει νέες γενετικές αλληλουχίες που αποδείχθηκαν λειτουργικές στην πράξη.
Και αυτό ανοίγει μια εντελώς νέα συζήτηση για το τι μπορεί να σημαίνει η τεχνητή νοημοσύνη για τη βιολογία.
Η πιθανή εφαρμογή απέναντι στην αντοχή των βακτηρίων
Οι ερευνητές θέλησαν μάλιστα να εξετάσουν και μια πιθανή πρακτική εφαρμογή. Δημιούργησαν τρία στελέχη E. coli τα οποία είχαν αποκτήσει ανθεκτικότητα στον φυσικό Phi X-174. Στη συνέχεια, εξέθεσαν τα ανθεκτικά βακτήρια σε «κοκτέιλ» που περιείχαν τους νέους, AI-σχεδιασμένους βακτηριοφάγους.
Το εύρημα αυτό έχει ιδιαίτερο ενδιαφέρον σε μια εποχή κατά την οποία η μικροβιακή αντοχή αποτελεί μία από τις σημαντικότερες προκλήσεις για τη σύγχρονη ιατρική. Θεωρητικά, η δυνατότητα σχεδιασμού νέων βακτηριοφάγων με τη βοήθεια AI θα μπορούσε στο μέλλον να συμβάλει στην αντιμετώπιση βακτηρίων που δεν ανταποκρίνονται στις υπάρχουσες θεραπείες.
Οι συγκεκριμένοι ιοί θεωρούνται ακίνδυνοι για τον άνθρωπο. Οι ερευνητές υπογραμμίζουν, μάλιστα, ότι απέφυγαν να εκπαιδεύσουν το μοντέλο χρησιμοποιώντας δεδομένα από οργανισμούς που είναι γνωστό ότι προκαλούν ασθένειες στον άνθρωπο.
Ωστόσο, το ίδιο το πείραμα αποδεικνύει κάτι που προκαλεί προβληματισμό: εάν ένα μοντέλο μπορεί να σχεδιάσει λειτουργικούς ιούς που δεν υπήρχαν προηγουμένως στη φύση, τότε η ίδια τεχνολογία θα μπορούσε θεωρητικά να αποκτήσει πολύ πιο επικίνδυνες εφαρμογές.
Οι ερευνητές τονίζουν ότι η μετάβαση από ακίνδυνους βακτηριοφάγους σε ιούς που προσβάλλουν ανθρώπους θα ήταν ένα εντελώς διαφορετικό και πολύ πιο δύσκολο εγχείρημα. Παρ' όλα αυτά, η δυνατότητα δημιουργίας νέων λειτουργικών γονιδιωμάτων από ένα μοντέλο τεχνητής νοημοσύνης αλλάζει τα δεδομένα.
Το ερώτημα, λοιπόν, δεν είναι πλέον μόνο τι μπορεί να μάθει η AI για τη ζωή, αλλά και τι μπορεί να δημιουργήσει έχοντας μάθει τους κανόνες της.
Και όσο η τεχνητή νοημοσύνη αποκτά μεγαλύτερη ικανότητα να σχεδιάζει και να προβλέπει βιολογικές αλληλουχίες, τόσο πιο επιτακτική γίνεται η ανάγκη να υπάρξουν σαφή επιστημονικά, ηθικά και ρυθμιστικά όρια πριν η τεχνολογία περάσει σε ακόμη πιο σύνθετα βιολογικά συστήματα.
