Google DeepMind သည် AI-ဒီဇိုင်းထုတ်ထားသော ပရိုတင်းများထဲသို့ တိုက်ရိုက်ထောက်လှမ်းနိုင်သော၊ မမြင်နိုင်သော အမှတ်အသားကို ထည့်သွင်းသည့် ရေအမှတ်အသားလုပ်နည်းမိသားစုအသစ်ဖြစ်သော SynthID Bio ကို မိတ်ဆက်ပေးခဲ့သည်။ စက်တင်ဘာ 30 တွင် ကြေငြာထားသော စနစ်သည် ကုမ္ပဏီ၏ SynthID ရေစာအမှတ်အသားနည်းပညာကို AI မှထုတ်လုပ်ထားသော စာသား၊ ရုပ်ပုံများ၊ အသံနှင့် ဗီဒီယိုများ — တံဆိပ်ကပ်ရန်အတွက် အသုံးပြုထားပြီးဖြစ်သည့် — အစုရှယ်ယာများတွင် ဇီဝလုံခြုံရေးနှင့် အများသူငှာ သိပ္ပံနည်းကျဒေတာဘေ့စ်များ၏ ခိုင်မာမှုတို့ပါဝင်သည့် ပေါင်းစပ်ဇီဝဗေဒတွင် အသုံးပြုထားသည်။
ဒစ်ဂျစ်တယ်ရေစာအမှတ်အသားနှင့်မတူဘဲ၊ ဇီဝရေစာအမှတ်အသားသည် ပိုမိုပြင်းထန်သောစမ်းသပ်မှုတစ်ခုအဖြစ် ဆက်လက်ရှင်သန်ရန် လိုအပ်သည်- ၎င်းသည် ဆော့ဖ်ဝဲမော်ဒယ်၏အထွက်တွင်သာမက ပေါင်းစပ်ဖွဲ့စည်းထားသော ရုပ်ပိုင်းဆိုင်ရာပရိုတိန်းတွင်ပါ ရှိနေရမည်ဖြစ်ပါသည်။ DeepMind ၏အဆိုအရ SynthID Bio သည် ထိုဘားကိုရှင်းလင်းသည်။ ဓာတ်ခွဲခန်းစမ်းသပ်မှုများတွင် ရေအမှတ်အသားပြုထားသော ပရိုတိန်းဒီဇိုင်းများသည် ကုမ္ပဏီမှဖော်ပြသည့် ပထမဆုံးသော ရေစာအမှတ်အသားနှင့် ဇီဝဗေဒဆိုင်ရာလုပ်ဆောင်နိုင်သော ပရိုတိန်းထုပ်များအဖြစ် ကုမ္ပဏီမှဖော်ပြသည့်အရာများကို ထုတ်ပေးနေချိန်တွင် ၎င်းတို့၏ ဇီဝဗေဒလုပ်ဆောင်ချက်ကို ဆက်လက်ထိန်းသိမ်းထားသည်။ အဆိုပါလုပ်ငန်းကို "AI-ထုတ်လုပ်ထားသော ပရိုတင်းများ၏လုပ်ဆောင်ချက်-ထိန်းသိမ်းထားသော ရေစာအမှတ်အသားပြုလုပ်ခြင်း" ခေါင်းစဉ်ဖြင့် သဘာဝတရားစာတမ်းတွင် အသေးစိတ်ဖော်ပြထားသည်။ For more context on this story, see our ongoing latest AI developments.
ဘာကြောင့် ရေစာ ဇီဝဗေဒ ?
Generative AI သည် ဇီဝဗေဒဆိုင်ရာ သုတေသန၏ စစ်မှန်သော ကိရိယာတစ်ခုဖြစ်လာသည်။ DeepMind သည် ၎င်း၏ကိုယ်ပိုင်အစုစုကို ညွှန်ပြသည်- ပရိုတိန်းဖွဲ့စည်းပုံများကို ခန့်မှန်းရန်အတွက် AlphaFold၊ ပရိုတိန်းအသစ်များကို ဒီဇိုင်းထုတ်ရန်အတွက် AlphaProteo နှင့် ProteinMPNN နှင့် မကြာသေးမီက၊ AI စနစ်များသည် ဘက်တီးရီးယားကူးစက်သည့်ဗိုင်းရပ်စ်များ—ဘက်တီးရီးယားကူးစက်သည့်ဗိုင်းရပ်စ်များကို တီထွင်ရန်အတွက် အသုံးပြုခဲ့သည်။ တူညီသောကိရိယာများသည် အန္တရာယ်အသစ်များကို ဖန်တီးသည်။
ကြေငြာချက်အရ AI-ဒီဇိုင်းထုတ်ထားသော ဆန်းသစ်သော sequences များသည် သမားရိုးကျ DNA ပေါင်းစပ်စစ်ဆေးမှုကို ကျော်ဖြတ်နိုင်သည်၊ အကြောင်းမှာ screeners များသည် မရင်းနှီးသောအစီအစဥ်သည် ရှာဖွေတွေ့ရှိခြင်းမရှိသော သဘာဝသက်ရှိအချို့နှင့်သက်ဆိုင်သည်ဟု မယူဆနိုင်သောကြောင့်ဖြစ်သည်။ သီးခြားစီ၊ တံဆိပ်မှားတပ်ထားသော ဓာတု 3D ဖွဲ့စည်းပုံများသည် အများသူငှာ ဒေတာဘေ့စ်များကို ညစ်ညမ်းစေပြီး ရေစုန်အောက်ပိုင်း သုတေသနကို အထင်မှားစေမည့် အန္တရာယ်ရှိသည်။ ပြဿနာနှစ်ခုလုံးသည် မူလဇစ်မြစ်ကို မျှဝေပါသည်- ပေးထားသော ဇီဝပုံစံဒီဇိုင်းသည် မည်သည့်နေရာကမှ သက်သေမပြနိုင်ပါ။
ရေစာရေးနည်းနှစ်ခု၊ ပန်းတိုင်တစ်ခု
SynthID Bio သည် ၎င်း၏နည်းပညာကို ဒေတာအမျိုးအစားနှင့် လိုက်လျောညီထွေဖြစ်စေသည်။ ပရိုတိန်းအစီအစဥ်များအတွက်၊ ၎င်းသည် အစီအစဥ်ကိုထုတ်ပေးသောကြောင့် အမိုင်နိုအက်ဆစ်ရွေးချယ်မှုကို သိမ်မွေ့စွာလမ်းညွှန်ပေးကာ ထောက်လှမ်းနိုင်သည့်ကိရိယာများယူနိုင်သည့် ကိန်းဂဏန်းအချက်ပြအချက်ပြတစ်ခုကို ထည့်သွင်းထားသည်။ ခန့်မှန်းထားသော 3D ဖွဲ့စည်းပုံများအတွက်၊ ၎င်းသည် ထောက်လှမ်းနိုင်သော လက်မှတ်ပါရှိသော အနုမြူ သြဒီနိတ်များကို အသေးစား ချိန်ညှိမှုများ ပြုလုပ်ပေးပါသည်။
အခိုင်မာဆုံးအထောက်အထားသည် စိုစွတ်သောဓာတ်ခွဲခန်းမှ အတည်ပြုခြင်းမှလာသည်။ DeepMind ၏ AlphaProteo binder-design method နှင့်အတူ SynthID Bio-enabled ဗားရှင်းဖြင့် သုတေသီများသည် ပရိုတိန်းသုံးမျိုးဖြစ်သည့် VEGF-A၊ SARS-CoV-2 spike protein receptor-binding domain နှင့် PD-L1 တို့ကို ပစ်မှတ်ထားသည့် ဒီဇိုင်းများကို သုတေသနပြုခဲ့သည်။ ရေစာအမှတ်အသား ဒီဇိုင်းများသည် ရိုက်ခတ်နှုန်းပေါ်တွင် ၎င်းတို့၏ ရေအမှတ်အသားမပါသော တွဲဖက်များ၊ KD အဖြစ် တိုင်းတာသော ဆက်စပ်မှု နှင့် သဘာဝ အမျိုးအနွယ် ကွဲပြားမှုတို့နှင့် ကိုက်ညီပါသည်။ တစ်နည်းဆိုရသော် ရေစာသည် မော်လီကျူးများ၏ လုပ်ဆောင်နိုင်စွမ်းကို ကျဆင်းစေခြင်းမရှိပေ။
ပရိုတင်းခေါက်ခြင်းအတွက်၊ DeepMind သည် မတူညီသောလမ်းကြောင်းတစ်ခုကိုယူခဲ့သည်- AlphaFold 3 ၏ပျံ့နှံ့မှုကွန်ရက်၏ အပိုင်းကို အဖွဲ့မှ ကောင်းစွာချိန်ညှိပေးသည့်အတွက် ရေစာအမှတ်အသားပြုနိုင်စွမ်းကို မော်ဒယ်၏အလေးချိန်များတွင် တိုက်ရိုက်တည်ဆောက်ထားသည်။ ဆိုလိုသည်မှာ ကုမ္ပဏီသည် ချဉ်းကပ်မှုအား AlphaFold 3 ၏ ခန့်မှန်းတွက်ချက်မှု တိကျမှုကို ထိန်းသိမ်းထားပြီး၊ ပြီးပြည့်စုံလုနီးပါး သိရှိနိုင်မှုကို ပံ့ပိုးပေးကာ ဒစ်ဂျစ်တယ် ဆူညံသံ သို့မဟုတ် အသေးအဖွဲ ညှိနှိုင်းမှုပြောင်းလဲမှုများကို ဆန့်ကျင်နေချိန်တွင် ကြိုတင်ခန့်မှန်းထားသော ဖွဲ့စည်းပုံတိုင်းတွင် မော်ဒယ်ကိုမည်သူလုပ်ဆောင်သည်ဖြစ်စေ သိရှိနိုင်သော လက်မှတ်ပါရှိသည်။
ဇီဝလုံခြုံရေး၏ 'ဆွဇ်ဒိန်ခဲ' ကာကွယ်ရေးတွင် အလွှာအသစ်
DeepMind သည် SynthID Bio ကို အလွှာလိုက် ဇီဝလုံခြုံရေး မော်ဒယ်တွင် အလွှာတစ်ခုအနေဖြင့် ဘောင်ခတ်ထားသည် —၊ လွတ်လပ်သော အကာအကွယ်များစွာ တစ်ခုစီသည် အခြားသူများ၏ မျက်မမြင်အစက်အပြောက်များကို ဖုံးအုပ်ထားသည့် "Swiss cheese" ချဉ်းကပ်မှုဖြစ်သည်။ DNA ပေါင်းစပ်မှုကို စိစစ်ခြင်းသည် ရှေ့တန်းတွင် တည်ရှိသည်- ဒစ်ဂျစ်တယ် ပရိုတင်း ဒီဇိုင်းကို ရုပ်ပိုင်းဆိုင်ရာ မော်လီကျူးအဖြစ် ပြောင်းလဲရန်၊ သိရှိထားသည့် ခြိမ်းခြောက်မှုများ၏ ဒေတာဘေ့စ်များကို ဆန့်ကျင်တောင်းဆိုသည့် ပေါင်းစပ်ပံ့ပိုးပေးသူများထံမှ DNA မှာယူရန် လိုအပ်သည်။ ယနေ့ မရင်းနှီးသော မှာယူမှုကို အတည်ပြုခြင်းသည် တရားဝင်သော သုတေသနကို ရပ်တန့်စေသည့် ပြည့်စုံသော လက်စွဲပြန်လည်သုံးသပ်မှု လိုအပ်ပါသည်။ ထည့်သွင်းထားသော ရေစာသည် ဝန်ဆောင်မှုပေးသူများကို တပ်ဆင်ထားသော အကာအကွယ်များပါရှိသည့် ယုံကြည်စိတ်ချရသော မော်ဒယ်မှ မှာယူမှုမှ အစပြုသည့် အလိုအလျောက် အချက်ပြမှုကို ပေးသည်။
DeepMind မှ ကိုးကားသော အမှီအခိုကင်းသော ကျွမ်းကျင်သူများက ထိုဘောင်ကို ပဲ့တင်ထပ်ခဲ့သည်။ "SynthID Bio သည် ဇီဝဒီဇိုင်းများ၏ သက်သေပြမှုကို ခြေရာခံရန် အရေးကြီးသော ပဟေဋ္ဌိတစ်ခုဖြစ်သည်" ဟု Science Policy Consulting မှ ဇီဝလုံခြုံရေးမူဝါဒကျွမ်းကျင်သူနှင့် Principal Sarah Carter က ပြောကြားပြီး ရေစာများသည် developer များအား ဘေးကင်းစေရန် ဦးဆောင်နိုင်စေပြီး ပေါင်းစပ်ပံ့ပိုးပေးသူများကို စိစစ်မှုကို ပိုမိုချောမွေ့စေကြောင်း ထည့်သွင်းပြောကြားခဲ့သည်။ Twist Bioscience မှ မူဝါဒနှင့် ဇီဝလုံခြုံရေးဆိုင်ရာ ဒုတိယဥက္ကဌ James Diggans သည် စာရွက်ပေါ်တွင် စောစီးစွာ တုံ့ပြန်ချက်ပေးသည့် ရေစာပုံးကို ပိုမိုနီးကပ်စွာ ပြန်လည်သုံးသပ်နိုင်စေမည့် “အလားအလာရှိသော ဇီဝလုံခြုံရေးကိရိယာပုံး၏ အလားအလာအသစ်တစ်ခု” ဟုခေါ်ဆိုခဲ့သည်။
တူညီသောသက်သေပြချက်သည် အများသူငှာတင်ပြချက်များကိုလက်ခံသည့်ပရိုတိန်းဒေတာဘဏ်၊ UniProt နှင့် GenBank ကဲ့သို့သော သိပ္ပံနည်းကျသိမ်းဆည်းထားသည့်နေရာများကို ကာကွယ်ပေးနိုင်သည်။ AI မှထုတ်လုပ်သော ဇီဝဗေဒဆိုင်ရာ စုဆောင်းမှုများ များပြားလာသည်နှင့်အမျှ SynthID Bio သည် အခြားသုတေသီများ—နှင့် ဇီဝလုံခြုံရေးဆိုင်ရာ ဆုံးဖြတ်ချက်များ—အပေါ် အားကိုးထားသည့် မှတ်တမ်းကို မညစ်ညမ်းစေမီ ဓာတုဗေဒဆိုင်ရာပစ္စည်းများကို အလံပြခြင်း သို့မဟုတ် စစ်ဆေးအတည်ပြုနိုင်မည်ဖြစ်သည်။
ကန့်သတ်ချက်၊ နောက်ဘာတွေ လာမလဲ။
DeepMind သည် စနစ်သည် အနှောင့်အယှက်မဖြစ်ကြောင်း ပွင့်ပွင့်လင်းလင်း ထုတ်ဖော်ပြောဆိုသည်။ ရည်ရွယ်ချက်ရှိရှိ ဆန့်ကျင်ဘက်ဖြစ်သော ဖယ်ရှားခြင်းကို ဆန့်ကျင်သော ရေစာအား ခိုင်ခံ့အောင်ပြုလုပ်ခြင်းသည် သော့ဖွင့်စိန်ခေါ်မှုတစ်ခုအဖြစ် စာရင်းသွင်းထားပြီး ကုမ္ပဏီသည် C2PA၊ ဒစ်ဂျစ်တယ်မီဒီယာအတွက် အသုံးပြုသည့် အကြောင်းအရာ-အထောက်အထားစနစ်၊ သို့မဟုတ် AI-ထုတ်ပေးသော ဇီဝအချက်အလက်၏ ဗဟိုသိုလှောင်ရာနေရာများနှင့် ချိတ်ဆက်ရန် အကြံပြုထားသည်။
နယ်ပယ်သည် ပရိုတင်းများထက် ကျယ်ပြန့်လာသည်။ Stanford University နှင့် Arc Institute ရှိ Hie ဓာတ်ခွဲခန်းနှင့် ဆက်လက်လုပ်ဆောင်ရာတွင် DeepMind သည် SynthID Bio ကို အဆင့်မြင့် မျိုးဗီဇပုံစံ Evo 2 သို့ ပေါင်းစပ်ကာ Evo 2-ဒီဇိုင်းထုတ်ထားသော bacteriophage ၏ genome ကို ရေမှတ်ရန်အတွက် ၎င်းကို အသုံးပြုခဲ့သည်။ အစောပိုင်း ဓာတ်ခွဲခန်းတွင် ဘက်တီးရီးယား ယဉ်ကျေးမှုများ စမ်းသပ်ခြင်းတွင် ရေအမှတ်အသားပါသည့် အိတ်များသည် အလုပ်လုပ်ကြောင်း အတည်ပြုခဲ့ပြီး နည်းပညာဆိုင်ရာ စာမူတစ်စောင် ထွက်လာတော့မည်ဟု ကုမ္ပဏီက ပြောကြားခဲ့သည်။
AI သည် သဘာဝတွင် မရှိခဲ့ဖူးသော ဇီဝကုဒ်ကို စတင်ရေးသားသည့် နယ်ပယ်တစ်ခုအတွက်၊ "ဒါကို ဘယ်သူလုပ်တယ်၊ ဘယ်ပုံစံနဲ့လဲ" လို့ ဖြေနိုင်မှာပါ။ တိတ်တဆိတ် အခြေခံအဆောက်အအုံတွေ ဖြစ်လာတယ်။ SynthID Bio သည် ထိုဦးတည်ချက်သို့ တမင်တကာ သတိထားရမည့်ခြေလှမ်းဖြစ်သည် — ၎င်း၏ဖန်တီးသူများသည် အစားထိုးရန်မဟုတ်ဘဲ ကျန်ဇီဝလုံခြုံရေးအစုအဝေးအတွက် ဖြည့်စွက်ချက်ဖြစ်ကြောင်း တောင်းဆိုထားသည်။ AI သုတေသနသည် မည်ကဲ့သို့ တိုးတက်ပြောင်းလဲလာသည်ကို ပိုမိုသိရှိရန်၊ ဓာတ်ခွဲခန်းများသည် မျိုးဆက်သစ်မော်ဒယ်များကို သဘာဝသိပ္ပံထဲသို့ ပိုမိုနက်ရှိုင်းစွာ တွန်းအားပေးနေသောကြောင့် နောက်ဆုံးပေါ် AI တိုးတက်မှုများကို လိုက်နာပါ။
AI ၏ရှေ့တွင်နေရန်
ကျွန်ုပ်တို့၏ပင်မစာမျက်နှာတွင် သတင်းအပြည့်အစုံနှင့် အခြားအရာများကို လိုက်နာပါ- AI သတင်းပိုမိုဖတ်ရန် →
