Η τεχνητή νοημοσύνη περνά από την πρόβλεψη βιολογικών χαρακτηριστικών στον σχεδιασμό νέων οργανισμών. Ερευνητική ομάδα με επικεφαλής το Stanford χρησιμοποίησε generative AI για να σχεδιάσει συνθετικούς ιούς που μπορούν να προσβάλουν το βακτήριο E. coli, ανοίγοντας μια νέα συζήτηση για την ιατρική και τα όρια της βιοασφάλειας.
Από την ανάλυση στον σχεδιασμό
Η μελέτη, όπως αναφέρει το Axios, περιγράφει τη χρήση ενός μοντέλου τεχνητής νοημοσύνης για τον σχεδιασμό ιών που δεν έχουν παρατηρηθεί στη φύση και μπορούν να μολύνουν και να καταστρέψουν το E. coli. Το εύρημα έχει ιδιαίτερη σημασία επειδή η AI δεν χρησιμοποιήθηκε μόνο για να αναγνωρίσει μοτίβα σε υπάρχοντα βιολογικά δεδομένα, αλλά για να προτείνει νέες αλληλουχίες προς εργαστηριακό έλεγχο.
Η διατύπωση χρειάζεται προσοχή. Η έρευνα δεν σημαίνει ότι ένα μοντέλο δημιούργησε αυτόνομα ένα έτοιμο ανθρώπινο παθογόνο ούτε ότι η διαδικασία μπορεί να γίνει χωρίς εξειδικευμένο εργαστήριο. Απαιτούνται σύνθεση, βιολογικές δοκιμές και ανθρώπινη αξιολόγηση. Το γεγονός όμως ότι η AI μπορεί να επιταχύνει τον σχεδιασμό οργανισμών αλλάζει το σημείο στο οποίο πρέπει να αρχίζει ο έλεγχος.
Γιατί το E. coli είναι σημαντικό μοντέλο
Οι ιοί που προσβάλλουν βακτήρια, γνωστοί ως βακτηριοφάγοι, μελετώνται εδώ και δεκαετίες και έχουν προταθεί ως εργαλεία απέναντι σε βακτηριακές λοιμώξεις. Το E. coli αποτελεί συχνό οργανισμό-μοντέλο στη βιολογία, επειδή είναι καλά μελετημένο και μπορεί να καλλιεργηθεί σε ελεγχόμενες συνθήκες.
Η δυνατότητα σχεδιασμού νέων βακτηριοφάγων μπορεί να οδηγήσει σε πιο στοχευμένες θεραπείες, ειδικά σε περιπτώσεις όπου τα αντιβιοτικά δεν είναι αποτελεσματικά. Θα μπορούσε επίσης να βοηθήσει στην κατανόηση του τρόπου με τον οποίο οι ιοί αναγνωρίζουν τους ξενιστές τους. Αυτές οι πιθανές εφαρμογές βρίσκονται, ωστόσο, στην πλευρά της έρευνας και δεν αποτελούν διαθέσιμη θεραπεία.
Το δίλημμα της βιοασφάλειας
Η ίδια τεχνολογία που μπορεί να επιταχύνει την ανάπτυξη μιας θεραπείας μπορεί να μειώσει τον χρόνο και το κόστος για πειράματα που απαιτούν αυστηρή εποπτεία. Το Axios σημειώνει ότι ειδικοί στη βιοασφάλεια επαίνεσαν τις προφυλάξεις της ομάδας, αλλά προειδοποίησαν πως τα σημερινά φίλτρα για τη generative genomics δεν επαρκούν για όλες τις νέες δυνατότητες.
Το πρόβλημα δεν είναι μόνο αν ένα σύστημα μπορεί να παράγει μια βιολογικά ενδιαφέρουσα πρόταση. Είναι και το αν οι πλατφόρμες που παρέχουν μοντέλα, δεδομένα ή υπηρεσίες σύνθεσης μπορούν να αναγνωρίζουν επικίνδυνα αιτήματα, να κρατούν ίχνη των χρήσεων και να εμποδίζουν την παράκαμψη των ελέγχων. Η εποπτεία πρέπει να καλύπτει ολόκληρη την αλυσίδα, από τα δεδομένα και το μοντέλο έως το εργαστήριο.
Ρύθμιση που ακολουθεί την τεχνολογία
Η βιοτεχνολογία ήδη ρυθμίζεται από ένα μωσαϊκό νόμων, υπηρεσιών και κανόνων εργαστηριακής ασφάλειας. Η ταχύτητα των μοντέλων AI, όμως, δημιουργεί ένα νέο κενό: οι δυνατότητες σχεδιασμού μπορούν να εξελίσσονται γρηγορότερα από τις διαδικασίες αξιολόγησης.
Μια αποτελεσματική προσέγγιση θα χρειαστεί ανεξάρτητες δοκιμές ασφαλείας, αυστηρούς ελέγχους πρόσβασης σε ευαίσθητα δεδομένα και συνεργασία με τις εταιρείες βιολογικής σύνθεσης. Χρειάζεται επίσης διαφάνεια για το τι ελέγχθηκε και τι όχι, χωρίς να δημοσιοποιούνται λεπτομέρειες που θα μπορούσαν να διευκολύνουν κακόβουλη χρήση.
Η πρόοδος χρειάζεται όρια
Η εργασία της ομάδας του Stanford δείχνει ότι τα genome language models μπορούν να μετακινηθούν από την περιγραφή της βιολογίας στον σχεδιασμό νέων βιολογικών υποψηφίων. Αυτό είναι σημαντικό επιστημονικό βήμα, όχι απόδειξη ότι η AI έχει αποκτήσει ανεξάρτητη ικανότητα δημιουργίας επικίνδυνων παθογόνων.
Το επόμενο τεστ θα είναι θεσμικό. Η έρευνα πρέπει να συνεχιστεί εκεί όπου μπορεί να προσφέρει καλύτερες θεραπείες και άμυνες, αλλά με κανόνες που θα προσαρμόζονται πριν από την ευρεία διάδοση των δυνατοτήτων. Στη βιολογία, η ταχύτητα της καινοτομίας έχει αξία μόνο όταν συμβαδίζει με την ικανότητα να προβλέπουμε και να περιορίζουμε τις συνέπειές της.