دانشمندان از یک برنامه هوش مصنوعی به نام Evo برای طراحی ژنوم های ویروسی جدید استفاده کرده اند که با هر ویروس طبیعی شناخته شده متفاوت است - و 16 مورد از آنها زمانی که در آزمایشگاه ساخته و آزمایش شدند مشخص شد که ویروس های زنده و زنده هستند.

این مطالعه که روز پنجشنبه در مجله Science منتشر شد و جزئیات آن در گزارش CNN منتشر شد، به عنوان نقطه عطفی برای زیست شناسی مولد مورد استقبال قرار گرفت. اما هشدارهای فوری در مورد امنیت زیستی نیز دارد، زیرا نشان می‌دهد که همان تکنیک‌هایی که ربات‌های چت را نیرو می‌دهند، اکنون می‌توانند پاتوژن‌های کاربردی و جدید بسازند. For more context on this story, see our ongoing AI news.

چگونه Evo آموزش داده شد

طبق گزارش CNN، توالی‌های ژنتیکی که از میلیون‌ها منبع - «از همه حوزه‌های زندگی» گرفته شده‌اند، به‌عنوان کتابخانه زبان برای Evo عمل می‌کنند، دقیقاً مانند روشی که ChatGPT و دیگر مدل‌های زبان بزرگ روی مجموعه‌های عظیمی از متن آموزش می‌دهند. با مطالعه آن کتابخانه، این مدل توانست «محدودیت‌های تکاملی» را که بر ژنوم‌های طبیعی حاکم است بیاموزد - قوانین نانوشته‌ای که ترتیبات ژنتیکی واقعاً در موجودات زنده کار می‌کنند.

سپس دانشمندان دانشگاه استنفورد و موسسه Arc به Evo دستور دادند تا هزاران ترکیب ژنومی را در یک چارچوب خاص تولید کند - در این مورد، ژنوم هایی که می توانند توسط E میزبانی شوند. coli سلول باکتری. از هزاران طرحی که این مدل تولید کرد، تیم تقریباً 300 طرح را در آزمایشگاه ساخت و آزمایش کرد. 16 مورد از آنها ویروس های زنده بودند.

باکتریوفاژها، نه پاتوژن های انسانی

یک هشدار مهم هشدار را خنثی می کند: ویروس های جدید باکتریوفاژ هستند که باکتری ها را آلوده می کنند اما نمی توانند انسان را آلوده کنند. بنابراین کار بر روی جنبه امیدوارکننده پتانسیل فناوری قرار می گیرد. محققان گزارش دادند که یکی از ویروس‌های جدید دارای جنبه‌ای بود که "از لحاظ تکاملی دور" بود، که نشان می‌دهد Evo تغییرات ژنتیکی را برانگیخته است که می‌توانست میلیون‌ها سال تکامل طبیعی به طول انجامد - فشرده‌سازی زمان عمیق تکاملی در یک مرحله مولد.

بارزترین نتیجه عملی از مخلوط کردن فاژهای طراحی شده با هوش مصنوعی با یکدیگر حاصل شد. آزمایش‌ها نشان داد که این مخلوط می‌تواند بر مقاومت آنتی‌باکتریایی در برخی از E. غلبه کند. سویه‌های coli* - کاری که یک «مخلوط قابل مقایسه از فاژها با منبع طبیعی» نمی‌توانست انجام دهد. این ادعای کمی نیست. مقاومت آنتی بیوتیکی یکی از جدی ترین تهدیدات خزنده در سلامت جهانی است و فاژ درمانی - با استفاده از ویروس ها برای از بین بردن باکتری های مضر - مدت هاست که به عنوان یک پاسخ احتمالی برای داروهایی که دیگر کار نمی کنند دنبال می شود.

نویسندگان نوشتند که این رویکرد "مسیری را برای تولید فاژ درمانی‌های سازگار و انعطاف‌پذیر در برابر پاتوژن‌های به‌سرعت در حال تکامل ایجاد می‌کند و Evo را به عنوان یک موتور طراحی برای داروهایی که می‌تواند با باکتری‌هایی که قرار است آنها را از بین ببرند همگام شود، ایجاد می‌کند.

سوالات "فوری" ایمنی زیستی

این وعده با نگرانی همراه است که خود محققین نیز به آن اذعان دارند. در مقاله مشابهی که در ساینس نیز منتشر شد، پزشکان مرکز امنیت سلامت جان هاپکینز لحن احتیاطی داشتند. آنها نوشتند: «اگرچه این برای کاربردهای علوم زیستی امیدوارکننده است، اما سؤالات فوری ایمنی زیستی و امنیت زیستی را نیز مطرح می کند. اکنون توانایی ساخت ژنوم های ویروسی با استفاده از هوش مصنوعی مولد وجود دارد، اما مدیریت ایمن برای هدایت آن وجود ندارد.

آن‌ها هشدار دادند که چنین ژنوم‌هایی «ممکن است پاتوژن‌های جدیدی را رمزگذاری کنند که می‌توانند انسان‌ها، حیوانات یا گیاهان را به روش‌هایی آلوده کنند که با اقدامات متقابل موجود قابل کنترل نباشد» - یادآور این نکته است که همان روش تولیدی که باکتریوفاژهای بی‌ضرر را هدف قرار می‌دهد E. coli، در اصل، می تواند به اهداف دیگری اشاره شود.

هر متخصصی خطر فوری را شدید نمی داند. جوردی گارسیا اوجالوو، استاد زیست‌شناسی سیستمی در دانشگاه پومپئو فابرا بارسلونا، به مرکز رسانه‌های علمی گفت: «پیش‌رفت به‌دست‌آمده قابل توجه است». CNN به ارزیابی خود اشاره کرد که خطر ایمنی زیستی ناشی از این تحقیق خاص کمتر از برخی ابزارهای هوش مصنوعی دیگر است، عمدتاً به این دلیل که ژنوم ها هنوز باید به صورت جداگانه ساخته و پس از طراحی Evo آنها را در آزمایشگاه آزمایش کنند - یک گلوگاه فیزیکی که برای متن یا تصاویر وجود ندارد.

چرا فراتر از زیست شناسی مهم است

نتیجه Evo واضح‌ترین نشان می‌دهد که هوش مصنوعی مولد از زبان و تصاویر به طراحی موجودات بیولوژیکی عملکردی رسیده است. این تنشی را منعکس می‌کند که اکنون بسیاری از حوزه هوش مصنوعی را تعریف می‌کند: همان قابلیت‌هایی که نویدبخش داروهای جدید و درمان‌های انعطاف‌پذیر هستند، تلاش لازم برای طراحی ارگانیسم‌های بالقوه مضر را نیز کاهش می‌دهند.

مفسران جانز هاپکینز استدلال کردند که جامعه تحقیقاتی باید «به‌طور عمدی‌تر از بسیاری از توسعه‌دهندگان مدل‌های هوش مصنوعی بیولوژیکی قدرتمند» با مسائل مربوط به ایمنی زیستی و امنیت زیستی درگیر شود. این استدلال فراتر از Evo صدق می‌کند – این یک هشدار در مورد یک دسته جدید از سیستم‌های هوش مصنوعی بیولوژیکی است که خروجی‌های آن برخلاف یک پاراگراف یا یک تصویر، می‌تواند به صورت فیزیکی در جهان نمونه‌سازی شود.

بعد چه می آید

تیم موسسه استنفورد و آرک این کار را به عنوان پایه ای برای درمان مبتنی بر فاژ در برابر باکتری های مقاوم به دارو در نظر گرفته است. چالش سخت‌تر و حل‌نشده‌تر، حکمرانی است: نحوه انتشار و نظارت بر ابزارهای هوش مصنوعی بیولوژیکی که طرح‌های آن‌ها می‌توانند در موجودات زنده سنتز شوند. همانطور که مقالات دوقلوی ساینس روشن می کنند، این اکنون به جای یک سوال فرضی، یک سوال زنده است - و شکاف بین توانایی و نظارت دقیقاً همان چیزی است که محتاط ترین صداهای این حوزه اکنون در حال تلاش برای پایان دادن به آن هستند.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →