Ξεχάστε τον θόρυβο — η πραγματική επανάσταση της Τεχνητής Νοημοσύνης συμβαίνει σε ένα εργαστήριο γεμάτο μαγιά

Ενώ το κοινό επικεντρώνεται στα chatbots Τεχνητής Νοημοσύνης (AI) που μπορούν να γράφουν ποιήματα ή να δημιουργούν ψεύτικα βίντεο, μια πολύ πιο ανατρεπτική αλλαγή συντελείται σε ένα εργαστήριο στο Τεχνολογικό Πανεπιστήμιο Chalmers στη Σουηδία. Για δεκαετίες, η εικόνα της επιστημονικής ανακάλυψης περιλάμβανε έναν άνθρωπο ερευνητή σκυμμένο πάνω από ένα μικροσκόπιο, περιμένοντας μια στιγμή έμπνευσης. Αυτή η εικόνα είναι πλέον ξεπερασμένη. Οι ερευνητές ανέπτυξαν έναν επιστήμονα AI με το όνομα Eve, ο οποίος δεν βοηθά απλώς τους ανθρώπους στην εργασία τους. Η Eve δημιουργεί τις δικές της υποθέσεις, σχεδιάζει τα δικά της πειράματα και ερμηνεύει τα αποτελέσματα χωρίς να χρειάζεται διάλειμμα για καφέ.

Αυτό δεν είναι μια προσομοίωση. Είναι ένα εργαστήριο κλειστού βρόχου (closed-loop) όπου το λογισμικό και το υλικό συνεργάζονται για να διερευνήσουν τα μυστήρια της βιολογίας. Συγκεκριμένα, το σύστημα μελετά το Saccharomyces cerevisiae, ευρύτερα γνωστό ως μαγιά της μπύρας. Παρόλο που η μαγιά μπορεί να φαίνεται απλό αντικείμενο για μια τόσο προηγμένη τεχνολογία, αποτελεί έναν θεμελιώδη οργανισμό στη βιολογική έρευνα. Η ικανότητα μιας μηχανής να πλοηγείται αυτόνομα στις πολυπλοκότητες ενός ζωντανού γονιδιώματος σηματοδοτεί μια συστημική αλλαγή στον τρόπο με τον οποίο αναπτύσσουμε νέα φάρμακα και κατανοούμε την ίδια τη ζωή.

Ο ακούραστος ασκούμενος που δεν κοιμάται ποτέ

Για να καταλάβετε γιατί αυτό έχει σημασία, δείτε την τυπική ροή εργασίας ενός ανθρώπου επιστήμονα. Ένας ερευνητής διαβάζει εκατοντάδες εργασίες, σχηματίζει μια θεωρία, στήνει χειροκίνητα ένα τρυβλίο Petri, περιμένει μια αντίδραση και στη συνέχεια περνά μέρες αναλύοντας τα δεδομένα. Είναι μια αργή, κυκλική διαδικασία επιρρεπής σε ανθρώπινα λάθη και κόπωση. Η Eve λειτουργεί σαν ένας ακούραστος ασκούμενος με τέλεια μνήμη. Οι ερευνητές αναβάθμισαν αυτόν τον ρομποτικό επιστήμονα με μεγάλα γλωσσικά μοντέλα και αυτοματοποιημένη συλλογιστική, επιτρέποντάς του να αφομοιώνει τεράστιες ποσότητες επιστημονικής βιβλιογραφίας που κανένας άνθρωπος δεν θα μπορούσε ποτέ να διαβάσει σε μια ολόκληρη ζωή.

Στο εσωτερικό της, η Eve συνδυάζει τη δύναμη σκέψης της σύγχρονης AI με τη φυσική ικανότητα του εργαστηριακού αυτοματισμού. Έχει πρόσβαση σε ολόκληρο το γονιδίωμα και τον μεταβολισμό της μαγιάς. Όταν η Eve εντοπίζει ένα βιολογικό ερώτημα που θέλει να απαντήσει, δεν περιμένει άδεια. Προτείνει ένα πείραμα, το εκτελεί χρησιμοποιώντας ρομποτικούς βραχίονες και στη συνέχεια αξιολογεί το αποτέλεσμα. Εάν το αποτέλεσμα δεν είναι αυτό που αναμενόταν, βελτιώνει την κατανόησή της και ξεκινά αμέσως τον επόμενο κύκλο.

Το αυτοκινούμενο όχημα του εργαστηρίου

Η Ievgeniia Tiukova, ερευνήτρια στο Πανεπιστήμιο Chalmers, συγκρίνει αυτή την εξέλιξη με τα αυτοκινούμενα αυτοκίνητα. Σε ένα αυτοκινούμενο όχημα, η AI πρέπει να επεξεργαστεί οπτικά δεδομένα, να βγάλει συμπεράσματα για την κυκλοφορία και να αναλάβει φυσική δράση στρίβοντας ή φρενάροντας. Ο επιστήμονας AI κάνει το ίδιο πράγμα με τα βιολογικά δεδομένα. Επεξεργάζεται πληροφορίες από προηγούμενες μελέτες, βγάζει συμπεράσματα για το πώς μπορεί να αλληλεπιδρούν τα γονίδια και αναλαμβάνει δράση στο φυσικό εργαστήριο.

Ιστορικά, η AI στην επιστήμη ήταν ένα παθητικό εργαλείο. Της τροφοδοτούσατε δεδομένα και σας έδινε ένα διάγραμμα. Τώρα, η AI βρίσκεται στη θέση του οδηγού. Αυτή η μετατόπιση είναι διαφανής και λογική αν αναλογιστεί κανείς τον τεράστιο όγκο δεδομένων που εμπλέκονται στη σύγχρονη γενετική. Οι ανθρώπινοι εγκέφαλοι δεν έχουν εξελιχθεί για να παρακολουθούν χιλιάδες ταυτόχρονες χημικές αντιδράσεις σε ένα μεταβολικό δίκτυο. Η AI μπορεί.

Γιατί η μαγιά είναι το ψηφιακό αργό πετρέλαιο της βιολογίας

Είναι εύκολο να αναρωτηθεί κανείς γιατί τόση δύναμη πυρός υψηλής τεχνολογίας στρέφεται στη μαγιά της μπύρας. Για τον μέσο χρήστη, η μαγιά είναι κάτι που χρησιμοποιείται για το ψωμί ή την μπύρα. Ωστόσο, στον κόσμο της βιοτεχνολογίας, η μαγιά είναι ένα ζωντανό εργοστάσιο. Επειδή τα κύτταρα της μαγιάς μοιράζονται πολλές βασικές λειτουργίες με τα ανθρώπινα κύτταρα, χρησιμεύουν ως πρακτικό μοντέλο για την ανακάλυψη φαρμάκων. Αν μπορείτε να καταλάβετε πώς να χειριστείτε ένα κύτταρο μαγιάς για να παράγει μια συγκεκριμένη χημική ουσία ή να αντιδράσει σε μια συγκεκριμένη ένωση, μπορείτε συχνά να εφαρμόσετε αυτά τα διδάγματα στην ανθρώπινη ιατρική.

Ο Ross King, καθηγητής στο Chalmers και επικεφαλής συγγραφέας της μελέτης, σημειώνει ότι τα αυτόνομα εργαστήρια θα ερευνούν τα βιολογικά συστήματα πολύ ταχύτερα από ό,τι είναι δυνατό σήμερα. Αυτή η ταχύτητα είναι ο πρωταρχικός στόχος. Χρησιμοποιώντας την AI για την αυτοματοποίηση των ρουτινών κύκλων δοκιμών, μπορούμε να βρούμε νέες θεραπείες για ασθένειες σε μήνες αντί για δεκαετίες. Το συμπέρασμα είναι ότι η ταχύτητα της ανακάλυψης δεν περιορίζεται πλέον από τον αριθμό των εξειδικευμένων ανθρώπων στην αίθουσα.

Πίσω από την ορολογία των συστημάτων κλειστού βρόχου

Με απλά λόγια, ένα σύστημα κλειστού βρόχου σημαίνει ότι η AI είναι υπεύθυνη για ολόκληρο τον κύκλο της έρευνας. Οι περισσότερες εφαρμογές AI σήμερα είναι ανοιχτού βρόχου — ένας άνθρωπος δίνει μια προτροπή (prompt), η AI δίνει μια απάντηση και η διαδικασία τελειώνει εκεί. Στο εργαστήριο της Eve, τα πειραματικά αποτελέσματα της ίδιας της AI γίνονται η προτροπή για την επόμενη ενέργειά της. Αυτό δημιουργεί έναν επιταχυνόμενο βρόχο ανάδρασης.

Αυτή η τεχνολογία είναι ανθεκτική επειδή δεν βαριέται από επαναλαμβανόμενες εργασίες. Μεγάλο μέρος της βιολογικής έρευνας είναι απίστευτα κουραστικό. Περιλαμβάνει τη μεταφορά μικροσκοπικών ποσοτήτων υγρού από τον έναν σωλήνα στον άλλο χιλιάδες φορές. Όταν οι άνθρωποι το κάνουν αυτό, κάνουν λάθη. Όταν το κάνει ένα ρομπότ, τα αποτελέσματα είναι συνεπή. Αυτή η συνέπεια είναι θεμελιώδης για την επιστημονική εγκυρότητα. Διασφαλίζει ότι όταν γίνεται μια ανακάλυψη, αυτή οφείλεται στη βιολογία και όχι επειδή ένας ερευνητής είχε τρεμάμενο χέρι στις 4:00 μ.μ. μια Παρασκευή.

Τι σημαίνει αυτό για το ντουλάπι των φαρμάκων σας

Από την πλευρά του καταναλωτή, ο αντίκτυπος των αυτόνομων επιστημόνων AI θα εμφανιστεί τελικά στην τιμή και τη διαθεσιμότητα της υγειονομικής περίθαλψης. Η διαδικασία ανακάλυψης φαρμάκων είναι σήμερα ένας από τους πιο ακριβούς και ασταθείς κλάδους στον κόσμο. Χρειάζονται δισεκατομμύρια δολάρια για να βγει ένα μόνο νέο φάρμακο στην αγορά, κυρίως επειδή τα περισσότερα πειράματα αποτυγχάνουν.

Χρησιμοποιώντας επιστήμονες AI για τη βελτιστοποίηση των εργαστηριακών πόρων, οι εταιρείες βιοτεχνολογίας μπορούν να αποτυγχάνουν ταχύτερα και φθηνότερα. Αυτό δεν σημαίνει ότι οι άνθρωποι μένουν χωρίς δουλειά. Αντίθετα, ο ρόλος του ανθρώπου επιστήμονα μετατοπίζεται. Ο Ross King τονίζει ότι οι άνθρωποι παραμένουν απαραίτητοι για τον καθορισμό των ερευνητικών προτεραιοτήτων και τη διασφάλιση της ηθικής εποπτείας. Η AI αναλαμβάνει το «πώς», ενώ ο άνθρωπος επικεντρώνεται στο «γιατί». Κινούμαστε προς ένα μοντέλο συνεργασίας όπου η AI διαχειρίζεται το βαρύ φορτίο των δεδομένων και του πειραματισμού, αφήνοντας την υψηλού επιπέδου στρατηγική σε εμάς.

Η μεταβαλλόμενη πραγματικότητα της παγκόσμιας ερευνητικής αγοράς

Κοιτάζοντας τη μεγάλη εικόνα, αυτή η εξέλιξη αποτελεί μέρος μιας ευρύτερης τάσης προς την αποκέντρωση της εμπειρογνωμοσύνης. Καθώς αυτά τα αυτόνομα συστήματα γίνονται πιο κλιμακώσιμα, μικρότερα εργαστήρια θα μπορούν να διεξάγουν έρευνα που προηγουμένως απαιτούσε μια τεράστια εταιρική υποδομή. Η ενσωμάτωση μεγάλων γλωσσικών μοντέλων σημαίνει ότι μια AI μπορεί τώρα να γεφυρώσει το χάσμα μεταξύ της ανάγνωσης ενός εγχειριδίου και της εκτέλεσης μιας φυσικής εργασίας.

Αυτό είναι ένα απτό βήμα προς ένα μέλλον όπου οι επιστημονικές ανακαλύψεις θα είναι μια συνεχής ροή και όχι ένα σπάνιο γεγονός. Βλέπουμε την εμφάνιση μιας νέας βιομηχανικής ραχοκοκαλιάς για την ιατρική. Ακριβώς όπως τα μικροτσίπ έγιναν το ψηφιακό αργό πετρέλαιο του 20ο αιώνα, οι αυτόνομες μηχανές ανακάλυψης γίνονται η μηχανή του 21ου.

Μια ρεαλιστική ματιά στα εμπόδια που έρχονται

Θα πρέπει να διατηρήσουμε κάποιο υγιή σκεπτικισμό. Παρόλο που η Eve είναι εντυπωσιακή, το σύστημα εξακολουθεί να λειτουργεί εντός των στενών ορίων της βιολογίας της μαγιάς. Η μετάβαση από έναν μονοκύτταρο οργανισμό στα τρισεκατομμύρια κύτταρα του ανθρώπινου σώματος είναι ένα τεράστιο άλμα πολυπλοκότητας. Η AI πρέπει επίσης να αντιμετωπίσει την αδιαφανή φύση των βιολογικών συστημάτων, όπου μια αλλαγή μπορεί να έχει απρόβλεπτες αλυσιδωτές αντιδράσεις.

Επιπλέον, το κόστος του υλικού (hardware) για αυτά τα εργαστήρια παραμένει υψηλό. Ενώ το λογισμικό μπορεί να είναι εύκολο να αντιγραφεί, οι ρομποτικοί βραχίονες, οι αισθητήρες και ο εξειδικευμένος εξοπλισμός δεν είναι. Αυτό δημιουργεί ένα προσωρινό εμπόδιο εισόδου. Ωστόσο, καθώς η τεχνολογία ωριμάζει, μπορούμε να περιμένουμε ότι αυτό το κόστος θα μειωθεί, όπως ακριβώς συνέβη με την τιμή των οικιακών υπολογιστών ή των τρισδιάστατων εκτυπωτών τις προηγούμενες δεκαετίες.

Τελικά, η έλευση των αυτόνομων επιστημόνων AI μας προτρέπει να αλλάξουμε τον τρόπο που βλέπουμε την πρόοδο. Δεν κατασκευάζουμε πλέον μόνο εργαλεία που μας βοηθούν να σκεφτόμαστε. Κατασκευάζουμε συστήματα που μπορούν να σκέφτονται και να ενεργούν για λογαριασμό μας. Καθώς συνεχίζετε τη μέρα σας, θυμηθείτε ότι σε ένα εργαστήριο στη Σουηδία, ένα ρομπότ εργάζεται αθόρυβα εξετάζοντας χιλιάδες βιολογικές πιθανότητες, αναζητώντας την επόμενη ανακάλυψη που μπορεί μια μέρα να σώσει τη ζωή σας. Την επόμενη φορά που θα δείτε έναν τίτλο για την AI, θυμηθείτε τη μαγιά. Η πιο σημαντική δουλειά συμβαίνει συχνά στα μικρότερα κύτταρα, καθοδηγούμενη από τα πιο προηγμένα μυαλά που έχουμε κατασκευάσει ποτέ.

Πηγές

• Chalmers University of Technology, Δελτίο Τύπου: "AI scientist autonomously generates and validates new biological discoveries."
• Journal of the Royal Society Interface, Ερευνητική Εργασία: "Autonomous discovery of biological knowledge by a robot scientist."
• Wallenberg AI, Autonomous Systems and Software Program (WASP), Αναφορές Χρηματοδότησης και Έργων.
• University of Cambridge, Τεκμηρίωση Συνεργατικής Έρευνας για την Αυτοματοποιημένη Συλλογιστική.