Η τεχνητή νοημοσύνη σε ρόλο ερευνητή: Μία πρωτοποριακή προσέγγιση από το Πανεπιστήμιο Στάνφορντ ανοίγει νέους δρόμους στην ανάπτυξη εμβολίων.
Από τη Ρούλα Σκουρογιάννη
Μια νέα μελέτη που δημοσιεύθηκε στο Nature παρουσιάζει ένα φιλόδοξο και εντυπωσιακό πείραμα του Πανεπιστημίου Στάνφορντ: μια ομάδα από εικονικούς επιστήμονες, που λειτουργούν μέσα σε ένα εικονικό εργαστήριο, κατόρθωσαν να προτείνουν μια καινοτόμο προσέγγιση για τη δημιουργία ενός βελτιωμένου εμβολίου κατά του ιού SARS-CoV-2, υπεύθυνου για την COVID-19.
Το εργαστήριο τεχνητής νοημοσύνης με ανθρώπινη «συμπεριφορά»
Το εικονικό εργαστήριο έχει σχεδιαστεί ώστε να αναπαριστά πλήρως μια πραγματική ερευνητική ομάδα της Ιατρικής Σχολής του Στάνφορντ, με επικεφαλής, έμπειρους ερευνητές και οργανωμένες διαδικασίες. Οι εικονικοί επιστήμονες —μονάδες τεχνητής νοημοσύνης— συμμετέχουν σε τακτικές ομαδικές συναντήσεις, ανταλλάσσουν ιδέες, συζητούν εναλλακτικές προσεγγίσεις και ακόμα πραγματοποιούν ατομικές συνεδρίες με τον εικονικό επικεφαλής ερευνητή.
Σε αντίθεση με τα ανθρώπινα εργαστήρια, ωστόσο, οι συναντήσεις αυτές διαρκούν λίγα δευτερόλεπτα ή λεπτά, χάρη στην ταχύτητα των υπολογιστικών διεργασιών.
Αντί για αντισώματα, νανοσώματα
Όταν ζητήθηκε από την εικονική ομάδα να σχεδιάσει ένα βελτιωμένο εμβόλιο κατά του ιού SARS-CoV-2, οι «ερευνητές» εξοπλίστηκαν με προηγμένα εργαλεία και λογισμικά, ώστε να ενισχυθεί η δημιουργικότητά τους. Οι ίδιοι διατύπωσαν ακόμη και λίστα επιθυμιών για τις λειτουργίες που θα ήθελαν να διαθέτουν. «Ζητούσαν πρόσβαση σε συγκεκριμένα εργαλεία και εμείς τα ενσωματώναμε στο μοντέλο, ώστε να τα χρησιμοποιήσουν», δήλωσε ο επικεφαλής της μελέτης, James Zou.
Από την αρχή των συζητήσεών τους, οι εικονικοί επιστήμονες αποφάσισαν να μην επιλέξουν την παραδοσιακή προσέγγιση που βασίζεται σε αντισώματα. Αντίθετα, πρότειναν τη χρήση νανοσωμάτων —απλούστερων και μικρότερων θραυσμάτων αντισωμάτων— ως βάση για την κατασκευή του εμβολίου.
«Τα νανοσώματα είναι σημαντικά μικρότερα από τα αντισώματα, κάτι που διευκολύνει σημαντικά τη δουλειά των επιστημόνων μηχανικής μάθησης», εξηγεί ο Zou. «Όταν προσομοιώνεις πρωτεΐνες με υπολογιστικά μοντέλα, τα μικρότερα μόρια παρέχουν μεγαλύτερη ακρίβεια στον σχεδιασμό και την πρόβλεψη».
Το εικονικό γίνεται πραγματικό: εργαστηριακή επιβεβαίωση
Οι ερευνητές κατασκεύασαν το νανοσωματικό μόριο που πρότεινε η τεχνητή νοημοσύνη και το δοκίμασαν σε πραγματικό εργαστήριο. Το αποτέλεσμα; Το νανόσωμα διαπιστώθηκε ότι είναι σταθερό και παρουσιάζει ισχυρότερη σύνδεση με μια παραλλαγή του ιού SARS-CoV-2 σε σχέση με υπάρχοντα αντισώματα, ένα χαρακτηριστικό που είναι κρίσιμο για την αποτελεσματικότητα ενός εμβολίου.
Ελάχιστες ανθρώπινες παρεμβάσεις, μέγιστη καινοτομία
Η παρέμβαση των ανθρώπινων επιστημόνων κατά τη διάρκεια της διαδικασίας ήταν ελάχιστη: λιγότερο από 1% του χρόνου, σύμφωνα με τον Zou. Το μοναδικό σταθερό πλαίσιο που δόθηκε στους εικονικούς ερευνητές ήταν οι οικονομικοί περιορισμοί. «Δεν θέλω να καθοδηγώ την τεχνητή νοημοσύνη ως προς το πώς ακριβώς να κάνει τη δουλειά της. Αυτό περιορίζει τη δημιουργικότητα. Θέλω να ανακαλύπτουν λύσεις και ιδέες που εγώ δεν θα σκεφτόμουν ποτέ», σχολίασε.
Ένα νέο κεφάλαιο για την έρευνα: η τεχνητή νοημοσύνη ως συνεργάτης
Το παράδειγμα του Στάνφορντ δείχνει πως η τεχνητή νοημοσύνη μπορεί, πλέον, να μην είναι απλώς εργαλείο, αλλά ενεργός συνεργάτης στην επιστημονική διαδικασία. Η δημιουργία ενός εργαστηρίου που «σκέφτεται» και «συνεργάζεται» ψηφιακά, ανοίγει τον δρόμο για επαναστατικές εξελίξεις στη φαρμακευτική έρευνα, τον σχεδιασμό εμβολίων και πέρα από αυτά.
Το μέλλον της ιατρικής έρευνας, ίσως, να μην βρίσκεται μόνο στα χέρια των επιστημόνων, αλλά και στον κώδικα που σκέφτεται μαζί τους.