Използвайки A.I. за създаване на изкуствен човешки генетичен код

Най-малко от 1950 г., когато известният „ на Алън ТюрингКомпютърни машини и интелект” Статията е публикувана за първи път в списанието Ум, компютърните учени, интересуващи се от изкуствения интелект, са били очаровани от идеята за кодиране на ума. Умът, както гласи теорията, е независим от субстрата, което означава, че неговата способност за обработка не е необходимо по необходимост да бъде прикрепена към мокрия софтуер на мозъка. Можем да качваме умове на компютри или, вероятно, да изграждаме изцяло нови изцяло в света на софтуера.

Всичко това са познати неща. Въпреки че все още трябва да изградим или пресъздадем ум в софтуера, извън абстракциите с най-ниска разделителна способност, които са модерни невронни мрежи, няма недостиг на компютърни учени, които работят върху това усилие точно това момент.

Това, което е съвсем по-малко познато, е работата, извършвана от изследователи от естонския университет в Тарту и френския университет Париж-Сакле.

Вместо просто да се опитват да пресъздадат приближение на ума в софтуера, те са се обърнали към различен проблем: Можете ли да използвате алгоритъм за генериране на генетичен код за хора, които никога не са съществувал? Бихте ли могли да приложите същата технология за генеративна състезателна мрежа (GAN), която позволява ИИ модели като BigSleep да изплюете завладяващо реалистични генерирани изображения и да ги използвате вместо това, за да създадете фалшива ДНК, която в духа на работата на Тюринг е неразличима от тази на човек от плът и кръв?

Изкуствени генетични данни

„Създаването на изкуствени генетични данни, които са достатъчно реалистични, без директно копиране на последователностите, е много труден проблем,“ Флора Джей, изследовател, специализиращ в машинното обучение и популационната генетика в Университета на Париж-Сакле, каза пред Digital Trends. „Генетичните данни са с голямо измерение и не можете просто да гледате кое е важно или не. Затова се обърнахме към авангардни техники [които] се прилагат към компютърното зрение, текста, музиката или света на протеините. Тези генеративни мрежи - GAN и [ограничени машини на Болцман] - са проектирани така, че да могат постепенно и автоматично да се научат как да създават изкуствени генетични последователности.

GAN, клас рамка за машинно обучение, измислен от изследователя (и настоящ служител на Apple) Иън Гудфелоу, използва борбен, дърпащ въже подход, за да подобри своите генеративни резултати. Състои се от две невронни мрежи: „генератор“ и „дискриминатор“, които предават изходи един на друг.

Работата на генератора е да създаде нещо, било то ИИ. картина или част от код, представящ изкуствен геном под формата на единици и нули. Дискриминаторът, като бот версия на J.K. Перфекционистичният музикален инструктор на Симънс във филма Камшичен удар, след това критикува усилията си и го изпраща обратно на генератора. Генераторът се учи от тази обратна връзка, докато дискриминаторът по подобен начин става все по-добър в отгатването какво е създадено от генератора и коя е оригиналната статия. В крайна сметка генераторът е толкова добър в създаването на фалшиви версии на каквото и да се опитва, че дискриминаторът може да бъде заблуден. Вече не може да разграничи истинското от фалшивото.

„Един от основните проблеми тук е оценката на качеството на изкуствените геноми,“ Бурак Йелмен, докторска степен студент в Института по геномика на университета в Тарту, каза пред Digital Trends. „Можете да погледнете изображение и да решите дали изглежда реално, но това не е възможно за геномите. [По-голямата част] от анализите, които направихме в нашето проучване, беше да видим дали изкуствените части от генома, които генерирахме, наистина изглеждат като истинските.

Не се притеснявайте обаче. Въпреки нарастващата маса от статии за силно съмнителни манипулации на гени, предназначени да пренапишат човешкия код, тази работа не се опитва да „напише“ нови хора без родители, които биха могли да бъдат създадени с помощта на суперкомпютри.

„За да бъдем ясни, целта на нашата работа е да разберем по-добре и кодираме съществуващата генетика многообразие на хиляди или милиони хора по света, а не за създаване на изкуствени клетки“, Джей казах. „Невронните мрежи се обучават върху това съществуващо разнообразие, така че генерираните геномни региони не носят допълнителни нови мутации, които могат лесно да нарушат функционалността на последователност - и те включват, недокоснати, сегментите, които са запазени в човешкия популации.”

Джей отбеляза, че в мащаба на целия геном е „трудно да се каже“ дали конкретна комбинация от милиони генерирани нуклеотиди наистина може да бъде „функционален“. С други думи, не очаквайте да компилирате и стартирате този код, очаквайки напълно оформен човек (или неговите чертежи) да се появи при другия край. Вместо това целта е нещо съвсем по-малко зловещо и потенциално по-полезно.

Всичко за поверителността на данните

„В биобанките има огромно количество данни и те продължават да се увеличават всеки ден“, каза Йелмен. „Геномните данни обаче са чувствителни данни и достъпът до тези биобанки може да бъде труден за изследователите поради етични съображения. Основната цел на нашата работа е да създадем висококачествени сурогати на съществуващи геномни банки и да предоставим решение на тази бариера за достъпност в рамките на безопасна етична рамка. Важно е да се отбележи, че нашето проучване беше първа стъпка: има още работа за вършене.“

Джей добави: „Идеята зад нашето проучване е да започнем да проучваме дали освобождаването на изкуствени геноми вместо истинските те биха могли да запазят поверителността на донорите на генома, като същевременно предоставят полезна информация на популационната генетика общност. [Възможните] приложения на изкуствени геноми могат да варират от по-добро разбиране на нашето еволюционно минало до предоставяне на прозрения в медицинската генетика, включително по-широк диапазон от разнообразие.

В някои отношения работата напомня тенденцията, наблюдавана преди няколко години, в който GAN бяха използвани за създаване на изображения на въображаеми хора, животни и други, олицетворени от генеративния уебсайт ThisPersonDoesNotExist.com. Само че този път, разбира се, това включва действителен генетичен код, а не прости снимки.

Документ, описващ проекта, озаглавен „Създаване на изкуствени човешки геноми с помощта на генеративни невронни мрежи“, беше наскоро публикуван в списание PLOS Genetics.

Препоръки на редакторите

• Оптичните илюзии могат да ни помогнат да изградим следващото поколение AI
• Аналогов AI? Звучи налудничаво, но това може да е бъдещето
• Прочетете зловещо красивото „синтетично писание“ на A.I. който мисли, че е Бог
• Алгоритмична архитектура: Трябва ли да оставим A.I. проектират сгради за нас?
• Тази технология беше научна фантастика преди 20 години. Сега това е реалност