Mit K.I. um einen künstlichen menschlichen genetischen Code zu erstellen

Mindestens seit 1950, als Alan Turings berühmtes „Computermaschinen und IntelligenzDer Artikel wurde erstmals in der Zeitschrift veröffentlicht Geist, Informatiker, die sich für künstliche Intelligenz interessieren, waren von der Idee fasziniert, den Geist zu kodieren. Der Geist, so die Theorie, ist substratunabhängig, was bedeutet, dass seine Verarbeitungsfähigkeit nicht unbedingt an die Wetware des Gehirns gebunden sein muss. Wir könnten Köpfe auf Computer hochladen oder, denkbar, völlig neue Köpfe völlig in der Welt der Software erschaffen.

Das ist alles vertrautes Zeug. Wir müssen zwar noch einen Geist in Software aufbauen oder neu erschaffen, außerhalb der Abstraktionen mit der niedrigsten Auflösung Da es sich um moderne neuronale Netze handelt, mangelt es nicht an Informatikern, die gerade an diesem Projekt arbeiten Moment.

Weitaus weniger bekannt ist die Arbeit von Forschern der estnischen Universität Tartu und der französischen Universität Paris-Saclay.

Anstatt nur zu versuchen, eine Annäherung an den Geist in Software wiederherzustellen, haben sie sich einer Lösung zugewandt anderes Problem: Können Sie einen Algorithmus verwenden, um genetischen Code für Menschen zu generieren, die dies noch nie getan haben? existierte? Könnten Sie die gleiche GAN-Technologie (Generative Adversarial Network) anwenden, die dies ermöglicht? K.I. Modelle wie BigSleep überzeugend realistisch erzeugte Bilder auszuspucken und sie stattdessen zu verwenden, um gefälschte DNA zu erstellen, die, ganz im Sinne von Turings Werk, nicht von der einer Person aus Fleisch und Blut zu unterscheiden ist?

Künstliche genetische Daten

„Es ist ein sehr schwieriges Problem, künstliche genetische Daten zu erstellen, die realistisch genug sind, ohne die Sequenzen direkt zu kopieren.“ Flora Jay, ein auf maschinelles Lernen und Populationsgenetik spezialisierter Forscher an der Universität Paris-Saclay, sagte gegenüber Digital Trends. „Genetische Daten sind von großer Bedeutung, und man kann nicht einfach nur darauf achten, was wichtig ist und was nicht. Wir haben uns daher modernsten Techniken zugewandt, die auf die Computer-Vision-, Text-, Musik- oder Proteinwelt angewendet werden. Diese generativen Netzwerke – GANs und [eingeschränkte Boltzmann-Maschinen] – sind so konzipiert, dass sie schrittweise und automatisch lernen können, wie man künstliche genetische Sequenzen erstellt.“

Ein GAN, eine Klasse von Frameworks für maschinelles Lernen, die vom Forscher (und aktuellen Apple-Mitarbeiter) Ian Goodfellow geprägt wurde, nutzt einen kämpferischen Tauziehen-Ansatz, um seine generativen Ergebnisse zu verbessern. Es besteht aus zwei neuronalen Netzen: einem „Generator“ und einem „Diskriminator“, die Ausgänge untereinander weitergeben.

Die Aufgabe des Generators besteht darin, etwas zu erschaffen, sei es eine KI. Gemälde oder ein Codestück, das ein künstliches Genom in Form von Einsen und Nullen darstellt. Der Diskriminator, wie eine Bot-Version von J.K. Simmons’ perfektionistischer Musiklehrer im Film Schleudertrauma, kritisiert dann seine Bemühungen und sendet diese zurück an den Generator. Der Generator lernt aus diesem Feedback, während der Diskriminator immer besser darin wird, zu erraten, was vom Generator erstellt wurde und was der Originalartikel ist. Letztendlich ist der Generator so gut darin, gefälschte Versionen dessen zu erstellen, was er versucht, dass der Diskriminator getäuscht werden kann. Es ist nicht mehr möglich, Echtes von Fälschung zu unterscheiden.

„Eines der Hauptprobleme hierbei ist die Beurteilung der Qualität künstlicher Genome.“ Burak Yelmen, ein Ph. D. Student am Institut für Genomik der Universität Tartu, sagte gegenüber Digital Trends. „Man kann sich ein Bild ansehen und entscheiden, ob es echt aussieht, aber das ist bei Genomen nicht möglich.“ [Der] Großteil der Analysen, die wir in unserer Studie durchgeführt haben, bestand darin, herauszufinden, ob die von uns erzeugten künstlichen Genomstücke wirklich wie die echten aussahen.“

Machen Sie sich aber keine Sorgen. Trotz einer wachsenden Zahl von Artikeln über höchst zweifelhafte Genmanipulationen, die darauf abzielen, den menschlichen Code neu zu schreiben, Bei dieser Arbeit geht es nicht um den Versuch, neue elternlose Menschen zu „schreiben“, die mit deren Hilfe erschaffen werden könnten Supercomputer.

„Um es klar auszudrücken: Das Ziel unserer Arbeit besteht darin, die vorhandene Genetik besser zu verstehen und zu kodieren „Wir wollen die Vielfalt von Tausenden oder Millionen Menschen auf der ganzen Welt erreichen, nicht um künstliche Zellen zu erschaffen“, sagt Jay sagte. „Die neuronalen Netze werden auf diese vorhandene Vielfalt trainiert, sodass die generierten Genomregionen keine zusätzlichen neuen Mutationen tragen könnten leicht die Funktionalität einer Sequenz stören – und sie umfassen, unberührt, die Segmente, die beim Menschen konserviert sind Populationen.“

Jay bemerkte, dass es auf der gesamten Genomebene „schwer zu sagen“ sei, ob es sich tatsächlich um eine bestimmte Kombination von Millionen erzeugter Nukleotide handeln könne „funktionell.“ Mit anderen Worten: Erwarten Sie nicht, diesen Code zu kompilieren und auszuführen, und erwarten Sie nicht, dass am anderen Ende eine voll ausgebildete Person (oder ihre Blaupausen) auftaucht Ende. Stattdessen ist der Zweck etwas völlig weniger Unheilvolles und möglicherweise Nützlicheres.

Alles zum Thema Datenschutz

„In Biobanken gibt es eine immense Menge an Daten, und es werden jeden Tag mehr“, sagte Yelmen. „Genomdaten sind jedoch sensible Daten und der Zugriff auf diese Biobanken kann für Forscher aus ethischen Gründen schwierig sein. Das Hauptziel unserer Arbeit besteht darin, hochwertige Ersatzprodukte bestehender Genombanken zu schaffen und innerhalb eines sicheren ethischen Rahmens eine Lösung für diese Zugänglichkeitsbarriere bereitzustellen. Es ist wichtig anzumerken, dass unsere Studie ein erster Schritt war: Es gibt noch viel zu tun.“

Jay fügte hinzu: „Die Idee hinter unserer Studie besteht darin, zu untersuchen, ob künstliche statt echte Genome freigesetzt werden Diese könnten die Privatsphäre von Genomspendern wahren und gleichzeitig nützliche Informationen für die Populationsgenetik liefern Gemeinschaft. [Mögliche] Anwendungen künstlicher Genome könnten von einem besseren Verständnis unserer evolutionären Vergangenheit bis hin zur Bereitstellung von Erkenntnissen in der medizinischen Genetik, einschließlich eines größeren Spektrums an Diversität, reichen.“

In gewisser Weise erinnert die Arbeit an den Trend, gesehen vor ein paar Jahren, in dem GANs verwendet wurden, um Bilder von imaginären Menschen, Tieren und mehr zu erstellen, wie sie durch die generative Website verkörpert werden ThisPersonDoesNotExist.com. Nur handelt es sich dieses Mal natürlich um echten genetischen Code und nicht um einfache Bilder.

Ein Artikel mit dem Titel „Erstellung künstlicher menschlicher Genome mithilfe generativer neuronaler Netze“ beschreibt das Projekt kürzlich in der Zeitschrift PLOS Genetics veröffentlicht.

Empfehlungen der Redaktion

• Optische Täuschungen könnten uns beim Aufbau der nächsten Generation der KI helfen
• Analoge KI? Es klingt verrückt, aber es könnte die Zukunft sein
• Lesen Sie die unheimlich schöne „synthetische Schrift“ einer KI. das denkt, es sei Gott
• Algorithmische Architektur: Sollten wir K.I. Entwerfen Sie Gebäude für uns?
• Diese Technologie war vor 20 Jahren Science-Fiction. Jetzt ist es Realität