Naudojant A.I. sukurti dirbtinį žmogaus genetinį kodą

Mažiausiai nuo 1950 m., kai Alano Turingo garsioji „Skaičiavimo mašinos ir intelektas“ straipsnis pirmą kartą buvo paskelbtas žurnale Protas, kompiuterių mokslininkai, besidomintys dirbtiniu intelektu, susižavėjo proto kodavimo sąvoka. Protas, kaip teigiama teorijoje, yra nepriklausomas nuo substrato, o tai reiškia, kad jo apdorojimo gebėjimas nebūtinai turi būti prijungtas prie smegenų drėgnųjų įrenginių. Galėtume įkelti mintis į kompiuterius arba, galbūt, sukurti visiškai naujus, visiškai programinės įrangos pasaulyje.

Visa tai yra pažįstami dalykai. Nors dar turime sukurti ar iš naujo sukurti protą programinėje įrangoje, neskaitant mažiausios skiriamosios gebos abstrakcijų, kurios yra šiuolaikiniai neuroniniai tinklai, šiuo metu netrūksta kompiuterių mokslininkų, dirbančių ties šia veikla momentas.

Visiškai mažiau žinomas yra Estijos Tartu universiteto ir Prancūzijos Paryžiaus-Saclay universiteto mokslininkų darbas.

Užuot tiesiog bandę iš naujo sukurti proto apytikslę programinę įrangą, jie kreipėsi į a Kita problema: ar galite naudoti algoritmą genetiniam kodui generuoti žmonėms, kurie niekada to nedarė egzistavo? Ar galėtumėte taikyti tą pačią generuojamojo priešiško tinklo (GAN) technologiją, kuri leidžia A.I. modeliai kaip BigSleep išspjauti įtikinamai tikroviškus sukurtus vaizdus ir panaudoti juos, kad būtų sukurta netikra DNR, kuri pagal Turingo kūrybą nesiskiria nuo kūno ir kraujo žmogaus DNR?

Dirbtiniai genetiniai duomenys

„Sukurti pakankamai tikroviškus dirbtinius genetinius duomenis, tiesiogiai nekopijuojant sekų, yra labai sudėtinga problema. Flora Jay, Paryžiaus universiteto Saclay universiteto tyrėjas, besispecializuojantis mašininio mokymosi ir populiacijos genetikos srityse, pasakojo „Digital Trends“. „Genetiniai duomenys yra didelės apimties, ir jūs negalite tiesiog suprasti, kas svarbu ar ne. Taigi mes kreipiamės į pažangiausius metodus, taikomus kompiuteriniam regėjimui, tekstui, muzikai ar baltymų pasauliui. Šie generaciniai tinklai – GAN ir [ribotos Boltzmann mašinos] – sukurti taip, kad jie galėtų palaipsniui ir automatiškai išmokti kurti dirbtines genetines sekas.

GAN, mašininio mokymosi sistemos klasė, kurią sukūrė mokslininkas (ir dabartinis „Apple“ darbuotojas) Ianas Goodfellow, naudoja kovinį, virvės traukimo metodą, kad pagerintų savo generuojamus rezultatus. Jį sudaro du neuroniniai tinklai: „generatorius“ ir „diskriminatorius“, kurie perduoda išėjimus vienas kitam.

Generatoriaus darbas yra ką nors sukurti, ar tai būtų A.I. paveikslas arba kodo gabalas, vaizduojantis dirbtinį genomą vienetų ir nulių pavidalu. Diskriminatorius, kaip roboto versija J.K. Simmonso perfekcionistinis muzikos instruktorius filme Plakti, tada kritikuoja savo pastangas ir grąžina tai generatoriui. Generatorius mokosi iš šio atsiliepimo, o diskriminatorius taip pat vis geriau atspėja, kas buvo sukurta generatoriaus ir kas yra tikras gaminys. Galų gale generatorius taip gerai sugeba sukurti netikras versijas, kad ir ką jis bandytų, kad diskriminatorius gali būti apgautas. Nebegalima atskirti tikro nuo netikro.

„Viena iš pagrindinių problemų yra dirbtinių genomų kokybės įvertinimas. Burakas Jelmenas, daktaro laipsnis. Tartu universiteto Genomikos instituto studentas, pasakojo „Digital Trends“. „Galite pažvelgti į vaizdą ir nuspręsti, ar jis atrodo tikras, bet tai neįmanoma genomams. [Dauguma] analizių, kurias atlikome savo tyrime, buvo siekiama išsiaiškinti, ar mūsų sukurti dirbtiniai genomo gabalai tikrai atrodė kaip tikri.

Vis dėlto nesijaudinkite. Nepaisant vis daugėjančių straipsnių apie labai abejotiną genų klastojimą, skirtą žmogaus kodui perrašyti, šis darbas nėra apie bandymą „parašyti“ naujus žmones be tėvų, kuriuos būtų galima sukurti padedant superkompiuteriai.

„Kad būtų aišku, mūsų darbo tikslas yra geriau suprasti ir užkoduoti esamą genetiką tūkstančių ar milijonų žmonių visame pasaulyje įvairovę, o ne sukurti dirbtines ląsteles“, – Jay sakė. "Neuroniniai tinklai yra apmokyti pagal šią esamą įvairovę, todėl sukurti genomo regionai neturi papildomų naujų mutacijų, kurios gali lengvai sutrikdyti sekos funkcionalumą – ir jie apima nepaliestus segmentus, kurie yra išsaugoti visame pasaulyje. populiacijos“.

Jay pažymėjo, kad visoje genomo skalėje „sunku pasakyti“, ar iš tikrųjų gali būti konkretus milijonų generuotų nukleotidų derinys. "funkcinis". Kitaip tariant, nesitikėkite kompiliuoti ir paleisti šį kodą, tikėdamiesi, kad kitame atsiras visiškai suformuotas asmuo (arba jo planai). galas. Vietoj to, tikslas yra kažkas mažiau grėsmingo ir galbūt naudingesnio.

Viskas apie duomenų privatumą

„Biobankuose yra didžiulis duomenų kiekis ir jų kasdien daugėja“, – sakė Yelmenas. „Tačiau genominiai duomenys yra jautrūs duomenys, todėl tyrėjams gali būti sunku pasiekti šiuos biobankus dėl etinių problemų. Pagrindinis mūsų darbo tikslas – sukurti aukštos kokybės esamų genomo bankų pakaitalus ir saugiai etinėje sistemoje pateikti šios prieinamumo kliūties sprendimą. Svarbu pažymėti, kad mūsų tyrimas buvo pirmasis žingsnis: dar yra ką nuveikti.

Jay pridūrė: „Mūsų tyrimo idėja yra pradėti tirti, ar išlaisvinti dirbtinius genomus, o ne tikrus galėtų išsaugoti genomo donorų privatumą ir kartu teikti naudingos informacijos populiacijos genetikai bendruomenė. [Galimas] dirbtinių genomų pritaikymas gali svyruoti nuo geresnio mūsų evoliucinės praeities supratimo iki medicininės genetikos įžvalgų, įskaitant platesnę įvairovę.

Kai kuriais atžvilgiais darbas primena tendenciją, matyti prieš porą metų, kuriame GAN buvo naudojami siekiant sukurti įsivaizduojamų žmonių, gyvūnų ir kitų vaizdų, kaip įkūnyta generatyvinėje svetainėje. ThisPersonDoesNotExist.com. Tik šį kartą, žinoma, tai susiję su tikru genetiniu kodu, o ne paprastomis nuotraukomis.

Projektą aprašantis dokumentas „Dirbtinių žmogaus genomų kūrimas naudojant generatyvinius neuroninius tinklus“ buvo paskelbtas. neseniai paskelbtas žurnale PLOS Genetics.

Redaktorių rekomendacijos

• Optinės iliuzijos gali padėti mums sukurti naujos kartos AI
• Analoginis A.I.? Skamba beprotiškai, bet tai gali būti ateitis
• Perskaitykite siaubingai gražų A.I. „sintetinį raštą“. kad mano, kad tai Dievas
• Algoritminė architektūra: ar turėtume leisti A.I. projektuoti pastatus mums?
• Ši technologija buvo mokslinė fantastika prieš 20 metų. Dabar tai realybė