Ved at bruge A.I. at skabe kunstig menneskelig genetisk kode

Siden mindst 1950, hvor Alan Turings berømte "Computermaskiner og intelligens” papir blev først offentliggjort i tidsskriftet Sind, har dataloger interesseret i kunstig intelligens været fascineret af ideen om at kode sindet. Sindet, sådan lyder teorien, er substratuafhængigt, hvilket betyder, at dets bearbejdningsevne ikke nødvendigvis behøver at være knyttet til hjernens vådtøj. Vi kunne uploade sind til computere eller tænkes at bygge helt nye helt i softwareverdenen.

Det her er velkendte ting. Selvom vi endnu ikke har opbygget eller genskabt et sind i software, uden for abstraktionerne med laveste opløsning er moderne neurale netværk, er der ingen mangel på dataloger, der arbejder på denne indsats lige dette øjeblik.

Hvad der er mindre velkendt, er det arbejde, der udføres af forskere ved Estlands universitet i Tartu og Frankrigs Paris-Saclay Universitet.

I stedet for blot at prøve at genskabe en tilnærmelse af sindet i software, har de vendt sig til en andet problem: Kan du bruge en algoritme til at generere genetisk kode for folk, der aldrig har gjort det eksisterede? Kunne du anvende den samme generative adversarial network (GAN) teknologi, som tillader det A.I. modeller som BigSleep at spytte overbevisende realistiske genererede billeder ud og i stedet bruge det til at skabe falsk DNA, der i tråd med Turings arbejde ikke kan skelnes fra en person af kød og blod?

Kunstige genetiske data

"At skabe kunstige genetiske data, der er realistiske nok, uden direkte at kopiere sekvenserne, er et meget svært problem," Flora Jay, en forsker med speciale i maskinlæring og populationsgenetik ved University of Paris-Saclay University, fortalte Digital Trends. "Genetiske data er af høj dimension, og du kan ikke bare se, hvad der er vigtigt eller ej. Vi vendte os således mod banebrydende teknikker [blev] anvendt til computersyn, tekst, musik eller proteinverden. Disse generative netværk - GAN'er og [begrænsede Boltzmann-maskiner] - er designet, så de gradvist og automatisk kan lære at skabe kunstige genetiske sekvenser."

En GAN, en klasse af maskinlæringsrammer, opfundet af forskeren (og den nuværende Apple-medarbejder) Ian Goodfellow, bruger en kamplysten tovtrækningstilgang til at forbedre sine generative resultater. Den består af to neurale netværk: En "generator" og en "diskriminator", som sender output mellem hinanden.

Generatorens opgave er at skabe noget, det være sig en A.I. maleri eller et stykke kode, der repræsenterer et kunstigt genom i form af enere og nuller. Diskriminatoren, som en bot-version af J.K. Simmons' perfektionistiske musikinstruktør i filmen Piskesmæld, så kritiserer dens indsats og sender denne tilbage til generatoren. Generatoren lærer af denne feedback, mens diskriminatoren på samme måde bliver stadig bedre til at gætte, hvad der er blevet skabt af generatoren, og hvad der er den ægte artikel. Til sidst er generatoren så god til at skabe falske versioner af hvad end den forsøger, at diskriminatoren kan narre. Det er ikke længere i stand til at skelne ægte fra falsk.

"Et af hovedproblemerne her er at vurdere kvaliteten af ​​kunstige genomer," Burak Yelmen, en Ph.D. studerende ved University of Tartus Institute of Genomics, fortalte Digital Trends. "Du kan se på et billede og afgøre, om det ser ægte ud, men det er ikke muligt for genomer. [Størstedelen af ​​de analyser, vi udførte i vores undersøgelse, var for at se, om de kunstige genomstykker, vi genererede, virkelig lignede de rigtige."

Bare rolig. På trods af en voksende masse af artikler om yderst tvivlsom genmanipulation designet til at omskrive den menneskelige kode, dette værk handler ikke om at forsøge at "skrive" nye forældreløse mennesker, der kunne skabes ved hjælp af supercomputere.

"For at være klar, er målet med vores arbejde bedre at forstå og kode den eksisterende genetiske mangfoldighed af tusinder eller millioner af mennesker rundt om i verden, ikke for at skabe kunstige celler,” Jay sagde. "De neurale netværk er trænet på denne eksisterende mangfoldighed, så de genererede genomiske regioner bærer ikke yderligere nye mutationer, som kan let forstyrre funktionaliteten af ​​en sekvens - og de inkluderer, uberørt, de segmenter, der er bevaret på tværs af mennesker befolkninger."

Jay bemærkede, at det på hele genomskalaen er "svært at sige", om en specifik kombination af millioner af genererede nukleotider faktisk kunne være "funktionel." Med andre ord, forvent ikke at kompilere og køre denne kode, idet du forventer, at en fuldt dannet person (eller deres tegninger) dukker op ved den anden ende. I stedet er formålet noget mindre uhyggeligt og potentielt mere nyttigt.

Alt om databeskyttelse

"Der er en enorm mængde data i biobanker, og det bliver ved med at stige hver dag," sagde Yelmen. ”Men genomiske data er følsomme data, og det kan være svært for forskere at få adgang til disse biobanker på grund af etiske bekymringer. Hovedmålet med vores arbejde er at skabe højkvalitetssurrogater af eksisterende genombanker og levere en løsning på denne tilgængelighedsbarriere inden for en sikker etisk ramme. Det er vigtigt at bemærke, at vores undersøgelse var et første skridt: Der er stadig arbejde at gøre."

Tilføjede Jay: "Ideen bag vores undersøgelse er at begynde at undersøge, om frigivelse af kunstige genomer i stedet for de rigtige disse kunne bevare privatlivet for genomdonorer og samtidig give nyttig information til populationsgenetik fællesskab. [Mulige] anvendelser af kunstige genomer kan variere fra bedre forståelse af vores evolutionære fortid til at give indsigt i medicinsk genetik, herunder en bredere vifte af mangfoldighed."

På nogle måder minder arbejdet om trenden set for et par år siden, hvor GAN'er blev brugt til at skabe billeder af imaginære mennesker, dyr og mere som indbegrebet af den generative hjemmeside ThisPersonDoesNotExist.com. Kun denne gang involverer det naturligvis faktisk genetisk kode, snarere end simple billeder.

Et papir, der beskriver projektet, med titlen "Skapning af kunstige menneskelige genomer ved hjælp af generative neurale netværk," var for nylig offentliggjort i tidsskriftet PLOS Genetics.

Redaktørens anbefalinger

• Optiske illusioner kan hjælpe os med at bygge den næste generation af kunstig intelligens
• Analog A.I.? Det lyder skørt, men det er måske fremtiden
• Læs det uhyggeligt smukke 'syntetiske skrift' af en A.I. der tror, ​​det er Gud
• Algoritmisk arkitektur: Skal vi lade A.I. designe bygninger for os?
• Denne teknologi var science fiction for 20 år siden. Nu er det virkelighed