Pomocí A.I. vytvořit umělý lidský genetický kód

Přinejmenším od roku 1950, kdy slavný film Alana TuringaVýpočetní technika a inteligence“ článek byl poprvé publikován v časopise MyslPočítačoví vědci, kteří se zajímají o umělou inteligenci, byli fascinováni pojmem kódování mysli. Mysl, jak říká teorie, je nezávislá na substrátu, což znamená, že její schopnost zpracování nemusí být nutně připojena k mokrému softwaru mozku. Mohli bychom nahrát mysl do počítačů nebo případně postavit úplně nové ve světě softwaru.

Tohle všechno jsou známé věci. I když ještě musíme vybudovat nebo znovu vytvořit mysl v softwaru, mimo abstrakce s nejnižším rozlišením jsou moderní neuronové sítě, není nedostatek počítačových vědců pracujících na tomto úsilí moment.

Zcela méně známá je práce, kterou provádějí vědci z estonské univerzity v Tartu a francouzské univerzity Paris-Saclay.

Spíše než jen se snažit znovu vytvořit aproximaci mysli v softwaru, obrátili se na a jiný problém: Můžete použít algoritmus ke generování genetického kódu pro lidi, kteří to nikdy neměli existoval? Mohli byste použít stejnou technologii generativních adversariálních sítí (GAN), která umožňuje A.I. modely jako BigSleep chrlit přesvědčivě realistické generované obrázky a místo toho je použít k vytvoření falešné DNA, která je v duchu Turingovy práce k nerozeznání od té osoby z masa a kostí?

Umělá genetická data

"Vytvoření umělých genetických dat, která jsou dostatečně realistická, bez přímého kopírování sekvencí, je velmi těžký problém," Flora Jay, výzkumník specializující se na strojové učení a populační genetiku z University of Paris-Saclay University, řekl pro Digital Trends. „Genetická data mají velký rozměr a nemůžete jen tak koukat na to, co je nebo není důležité. Obrátili jsme se tak na špičkové techniky [které jsou aplikovány] na svět počítačového vidění, textu, hudby nebo proteinů. Tyto generativní sítě – GAN a [omezené Boltzmannovy stroje] – jsou navrženy tak, aby se mohly postupně a automaticky učit, jak vytvářet umělé genetické sekvence.“

GAN, třída rámce strojového učení vytvořená výzkumníkem (a současným zaměstnancem společnosti Apple) Ianem Goodfellowem, využívá ke zlepšení svých generativních výsledků bojový přístup přetahování lanem. Skládá se ze dvou neuronových sítí: „generátor“ a „diskriminátor“, které si mezi sebou předávají výstupy.

Úkolem generátoru je něco vytvořit, ať už je to A.I. malba nebo kus kódu představující umělý genom ve formě jedniček a nul. Diskriminátor, jako bot verze J.K. Simmonsův perfekcionistický hudební instruktor ve filmu Whiplash, poté své úsilí kritizuje a odešle zpět do generátoru. Generátor se z této zpětné vazby učí, zatímco diskriminátor se podobně stále lépe zdokonaluje v odhadování toho, co vytvořil generátor a co je skutečným předmětem. Nakonec je generátor tak dobrý ve vytváření falešných verzí čehokoli, o co se pokouší, že může být diskriminátor oklamán. Už není schopen rozlišit skutečné od falešného.

"Jedním z hlavních problémů je hodnocení kvality umělých genomů," Burak Yelmen, Ph. D. student Institutu genomiky na univerzitě v Tartu, řekl Digital Trends. "Můžete se podívat na obrázek a rozhodnout, zda vypadá jako skutečný, ale u genomů to není možné." [Většina analýz, které jsme v naší studii provedli, měla za cíl zjistit, zda umělé části genomu, které jsme vytvořili, skutečně vypadaly jako ty skutečné."

Nebojte se však. Navzdory rostoucímu množství článků o vysoce pochybných genových manipulacích určených k přepsání lidského kódu, tato práce není o pokusu „psát“ nové lidi bez rodičů, kteří by mohli být vytvořeni s pomocí superpočítače.

„Aby bylo jasno, cílem naší práce je lépe porozumět a zakódovat existující genetiku rozmanitosti tisíců nebo milionů lidí po celém světě, ne vytvářet umělé buňky,“ Jay řekl. „Nervové sítě jsou trénovány na této existující rozmanitosti, takže generované genomové oblasti nenesou další nové mutace, které by mohly snadno narušit funkčnost sekvence – a mezi ně patří, nedotčené, segmenty, které jsou zachovány napříč lidskými populace.”

Jay poznamenal, že v měřítku celého genomu je „těžké říci“, zda by skutečně mohla být specifická kombinace milionů generovaných nukleotidů "funkční." Jinými slovy, neočekávejte, že tento kód zkompilujete a spustíte, očekávejte, že se na druhém místě objeví plně formovaná osoba (nebo její plány). konec. Místo toho je účelem něco méně zlověstného a potenciálně užitečnějšího.

Vše o ochraně osobních údajů

"V biobankách je obrovské množství dat a každým dnem se zvyšuje," řekl Yelmen. „Genomická data jsou však citlivá data a přístup k těmto biobankám může být pro výzkumníky obtížný kvůli etickým obavám. Hlavním cílem naší práce je vytvořit kvalitní náhražky existujících genomových bank a poskytnout řešení této bariéry dostupnosti v bezpečném etickém rámci. Je důležité poznamenat, že naše studie byla prvním krokem: stále je na čem pracovat.“

Jay dodal: „Myšlenkou naší studie je začít zkoumat, zda uvolnění umělých genomů namísto skutečných ty by mohly zachovat soukromí dárců genomu a zároveň poskytnout užitečné informace populační genetice společenství. [Možné] aplikace umělých genomů by se mohly pohybovat od lepšího porozumění naší evoluční minulosti až po poskytování poznatků v lékařské genetice, včetně širšího spektra diverzity.

V některých ohledech dílo připomíná trend, viděno před pár lety, ve kterém byly GAN použity k vytvoření obrázků imaginárních lidí, zvířat a dalších, jak je ztělesňuje generativní web ThisPersonNetExist.com. Pouze tentokrát to samozřejmě zahrnuje skutečný genetický kód, spíše než jednoduché obrázky.

Byl to dokument popisující projekt s názvem „Vytváření umělých lidských genomů pomocí generativních neuronových sítí“. nedávno publikované v časopise PLOS Genetics.

Doporučení redakce

• Optické iluze by nám mohly pomoci vybudovat další generaci AI
• Analogové A.I.? Zní to šíleně, ale může to být budoucnost
• Přečtěte si děsivě krásné ‚syntetické písmo‘ A.I. který si myslí, že je to Bůh
• Algoritmická architektura: Měli bychom nechat A.I. navrhovat budovy pro nás?
• Tato technologie byla před 20 lety sci-fi. Nyní je to realita