Google DeepMind ได้เปิดตัว SynthID Bio ซึ่งเป็นวิธีการใส่ลายน้ำตระกูลใหม่ที่ฝังลายเซ็นที่ตรวจจับได้และมองไม่เห็นลงในโปรตีนที่ออกแบบโดย AI โดยตรง ประกาศเมื่อวันที่ 30 กันยายน ระบบจะขยายเทคโนโลยีลายน้ำ SynthID ของบริษัท ซึ่งใช้ในการติดป้ายกำกับข้อความ รูปภาพ เสียง และวิดีโอที่สร้างโดย AI ไปสู่ชีววิทยาสังเคราะห์ ซึ่งเดิมพันรวมถึงความปลอดภัยทางชีวภาพและความสมบูรณ์ของฐานข้อมูลทางวิทยาศาสตร์สาธารณะ
ลายน้ำชีวภาพต่างจากลายน้ำดิจิทัลตรงที่ต้องผ่านการทดสอบที่รุนแรงกว่ามาก โดยจะต้องยังคงตรวจจับได้ไม่เฉพาะในผลลัพธ์ของโมเดลซอฟต์แวร์เท่านั้น แต่ในโปรตีนทางกายภาพที่สังเคราะห์ขึ้นเองด้วย จากข้อมูลของ DeepMind นั้น SynthID Bio จะล้างแถบนั้น ในการทดลองในห้องปฏิบัติการ การออกแบบโปรตีนที่มีลายน้ำยังคงการทำงานทางชีวภาพไว้ในขณะที่สามารถตรวจสอบได้ ทำให้เกิดสิ่งที่บริษัทอธิบายว่าเป็นสารยึดเกาะโปรตีนที่มีลายน้ำและทำงานได้ทางชีวภาพเป็นครั้งแรก งานนี้มีรายละเอียดอยู่ในรายงานของ Nature ที่มีชื่อว่า "ฟังก์ชั่นการรักษาลายน้ำของโปรตีนที่สร้างโดย AI" For more context on this story, see our ongoing more AI stories.
ทำไมต้องลายน้ำชีววิทยา?
Generative AI ได้กลายเป็นเครื่องมือการวิจัยทางชีววิทยาอย่างแท้จริง DeepMind ชี้ให้เห็นถึงผลงานของบริษัท: AlphaFold สำหรับการคาดการณ์โครงสร้างโปรตีน, AlphaProteo และ ProteinMPNN สำหรับการออกแบบโปรตีนใหม่ทั้งหมด และล่าสุดคือ ระบบ AI ที่ใช้ในการพัฒนาแบคทีริโอฟาจใหม่ ซึ่งก็คือไวรัสที่ติดเชื้อแบคทีเรีย อย่างไรก็ตาม เครื่องมือเดียวกันนี้ก่อให้เกิดความเสี่ยงใหม่ๆ
ตามประกาศ ลำดับใหม่ที่ออกแบบโดย AI สามารถเลี่ยงการคัดกรองการสังเคราะห์ DNA แบบดั้งเดิมได้ เนื่องจากผู้คัดกรองไม่สามารถสรุปได้ว่าลำดับที่ไม่คุ้นเคยเป็นของสิ่งมีชีวิตตามธรรมชาติที่ยังไม่ถูกค้นพบ โครงสร้าง 3 มิติสังเคราะห์ที่มีป้ายกำกับไม่ถูกต้องซึ่งแยกออกจากกันอาจเสี่ยงต่อการสร้างมลพิษให้กับฐานข้อมูลสาธารณะและการวิจัยขั้นปลายน้ำที่ทำให้เข้าใจผิด ปัญหาทั้งสองมีสาเหตุร่วมกัน: ขณะนี้ไม่มีใครสามารถพิสูจน์ได้ว่าการออกแบบทางชีววิทยานั้นมาจากไหน
สองวิธีใส่ลายน้ำ หนึ่งเป้าหมาย
SynthID Bio ปรับเทคนิคให้เข้ากับประเภทของข้อมูล สำหรับลำดับโปรตีน จะแนะนำการเลือกกรดอะมิโนอย่างละเอียดในขณะที่ลำดับถูกสร้างขึ้น โดยฝังสัญญาณทางสถิติที่เครื่องมือตรวจจับสามารถรับได้ สำหรับโครงสร้าง 3 มิติที่คาดการณ์ไว้ จะมีการปรับเปลี่ยนพิกัดอะตอมที่มีลายเซ็นที่ตรวจจับได้เล็กน้อย
หลักฐานที่ชัดเจนที่สุดมาจากการตรวจสอบในห้องทดลองแบบเปียก ด้วยการทำงานร่วมกับ ProteinMPNN เวอร์ชัน SynthID Bio ควบคู่ไปกับวิธีการออกแบบสารยึดเกาะ AlphaProteo ของ DeepMind นักวิจัยได้ใส่ลายน้ำการออกแบบโดยกำหนดเป้าหมายไปที่โปรตีน 3 ชนิด ได้แก่ VEGF-A, โดเมนจับตัวรับโปรตีนสไปค์ SARS-CoV-2 และ PD-L1 การออกแบบที่มีลายน้ำตรงกับอัตราการเข้าชม ความสัมพันธ์ที่มีผลผูกพันที่วัดเป็น KD และความหลากหลายของลำดับตามธรรมชาติ กล่าวอีกนัยหนึ่ง ลายน้ำไม่ได้ทำให้ความสามารถของโมเลกุลในการทำงานลดลง
สำหรับการพับโปรตีน DeepMind ใช้เส้นทางอื่น: ทีมงานได้ปรับแต่งส่วนหนึ่งของเครือข่ายการแพร่กระจายของ AlphaFold 3 เพื่อให้สามารถใส่ลายน้ำลงในน้ำหนักของแบบจำลองได้โดยตรง นั่นหมายความว่าทุกโครงสร้างที่คาดการณ์ไว้จะมีลายเซ็นที่ตรวจจับได้ ไม่ว่าใครจะเป็นผู้ควบคุมโมเดลก็ตาม ในขณะที่บริษัทรายงานว่าแนวทางดังกล่าวยังคงรักษาความแม่นยำในการคาดการณ์ของ AlphaFold 3 ให้การตรวจจับที่เกือบจะสมบูรณ์แบบ และทนทานต่อสัญญาณรบกวนทางดิจิทัลหรือการเปลี่ยนแปลงพิกัดเล็กน้อย
ชั้นใหม่ในการป้องกัน 'สวิสชีส' ของการรักษาความปลอดภัยทางชีวภาพ
DeepMind วางกรอบ SynthID Bio ไว้เป็นชั้นเดียวในโมเดลความปลอดภัยทางชีวภาพแบบหลายชั้น ซึ่งก็คือแนวทาง "สวิสชีส" ซึ่งแต่ละระบบป้องกันที่เป็นอิสระหลายระบบจะปกปิดจุดบอดของผู้อื่น การคัดกรองการสังเคราะห์ DNA เป็นแนวหน้า: การเปลี่ยนการออกแบบโปรตีนดิจิทัลให้เป็นโมเลกุลทางกายภาพนั้นจำเป็นต้องสั่งซื้อ DNA จากผู้ให้บริการการสังเคราะห์ซึ่งจะคัดกรองคำขอกับฐานข้อมูลของภัยคุกคามที่ทราบ การยืนยันคำสั่งซื้อที่ไม่คุ้นเคยในปัจจุบันอาจต้องมีการตรวจสอบโดยเจ้าหน้าที่อย่างละเอียดถี่ถ้วน ซึ่งจะทำให้การวิจัยที่ถูกต้องต้องหยุดชะงักลง ลายน้ำที่ฝังไว้ช่วยให้ผู้ให้บริการได้รับสัญญาณอัตโนมัติว่าคำสั่งซื้อนั้นมาจากโมเดลที่เชื่อถือได้พร้อมระบบป้องกันในตัว
ผู้เชี่ยวชาญอิสระที่ DeepMind เสนอราคาก็สะท้อนกรอบดังกล่าว “SynthID Bio เป็นส่วนสำคัญของปริศนาในการติดตามที่มาของการออกแบบทางชีววิทยา” Sarah Carter ผู้เชี่ยวชาญด้านนโยบายความปลอดภัยทางชีวภาพและอาจารย์ใหญ่ของ Science Policy Consulting กล่าว พร้อมเสริมว่าลายน้ำช่วยให้นักพัฒนาเป็นผู้นำในเรื่องความปลอดภัย และช่วยให้ผู้ให้บริการการสังเคราะห์ปรับปรุงการคัดกรองให้มีประสิทธิภาพยิ่งขึ้น James Diggans รองประธานฝ่ายนโยบายและความปลอดภัยทางชีวภาพของ Twist Bioscience ซึ่งให้ข้อเสนอแนะในช่วงต้นเกี่ยวกับบทความนี้ เรียกว่าการใส่ลายน้ำ "ส่วนเสริมใหม่ที่น่ามีแนวโน้มในกล่องเครื่องมือความปลอดภัยทางชีวภาพ" ซึ่งสามารถมุ่งเน้นการตรวจสอบลำดับที่รับประกันการตรวจสอบอย่างใกล้ชิด
สัญญาณแหล่งที่มาเดียวกันสามารถปกป้องพื้นที่เก็บข้อมูลทางวิทยาศาสตร์แบบเปิด เช่น Protein Data Bank, UniProt และ GenBank ซึ่งยอมรับการส่งสาธารณะ ในขณะที่ชีววิทยาที่ AI สร้างขึ้นสะสม SynthID Bio สามารถตั้งค่าสถานะหรือตรวจสอบรายการสังเคราะห์ก่อนที่จะปนเปื้อนบันทึกที่นักวิจัยคนอื่น ๆ — และการตัดสินใจด้านความปลอดภัยทางชีวภาพ — พึ่งพา
ขีดจำกัดและสิ่งที่จะตามมา
DeepMind พูดตรงไปตรงมาว่าระบบไม่ป้องกันการงัดแงะ การทำให้ลายน้ำมีความทนทานต่อการลบฝ่ายตรงข้ามโดยเจตนาถือเป็นความท้าทายแบบเปิดที่สำคัญ และบริษัทแนะนำให้จับคู่ SynthID Bio กับมาตรฐานเมตาดาต้าแหล่งที่มาที่คล้ายกับ C2PA ซึ่งเป็นโครงร่างข้อมูลรับรองเนื้อหาที่ใช้สำหรับสื่อดิจิทัล หรือกับที่เก็บข้อมูลส่วนกลางของข้อมูลทางชีววิทยาที่สร้างโดย AI
ขอบเขตยังขยายไปไกลกว่าโปรตีนด้วย ในการทำงานอย่างต่อเนื่องกับห้องปฏิบัติการ Hie ที่มหาวิทยาลัยสแตนฟอร์ดและสถาบัน Arc นั้น DeepMind ได้ผสานรวม SynthID Bio เข้ากับ Evo 2 ซึ่งเป็นแบบจำลองจีโนมขั้นสูง และใช้แบบจำลองดังกล่าวเพื่อใส่ลายน้ำจีโนมของแบคเทอริโอฟาจที่ออกแบบโดย Evo 2 การทดสอบในห้องปฏิบัติการในช่วงต้นของการเพาะเลี้ยงแบคทีเรียยืนยันว่าฟาจที่มีลายน้ำยังคงใช้งานได้ และบริษัทกล่าวว่าจะมีต้นฉบับทางเทคนิคเร็วๆ นี้
สำหรับสาขาที่ AI เริ่มเขียนรหัสทางชีววิทยาที่ไม่เคยมีอยู่ในธรรมชาติ โดยสามารถตอบได้ว่า "ใครเป็นคนสร้างสิ่งนี้ และด้วยโมเดลใด" กำลังกลายเป็นโครงสร้างพื้นฐานอย่างเงียบๆ SynthID Bio เป็นก้าวแรกที่จงใจระมัดระวังไปในทิศทางนั้น ซึ่งเป็นขั้นตอนที่ผู้สร้างยืนยันว่าเป็นส่วนเสริม ไม่ใช่ทดแทนส่วนที่เหลือของความปลอดภัยทางชีวภาพ หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับการพัฒนาของการวิจัย AI โปรดติดตามการพัฒนา AI ล่าสุดเนื่องจากห้องปฏิบัติการต่างๆ ผลักดันแบบจำลองกำเนิดให้ลึกลงไปในวิทยาศาสตร์ธรรมชาติมากขึ้น
ก้าวนำหน้า AI
ติดตามเรื่องราวทั้งหมดและอื่นๆ อีกมากมายได้ที่หน้าแรกของเรา: อ่านข่าว AI เพิ่มเติม →
