Usando IA criar código genético humano artificial

Desde pelo menos 1950, quando o famoso “Máquinas de Computação e Inteligência”O artigo foi publicado pela primeira vez na revista Mente, os cientistas da computação interessados ​​em inteligência artificial ficaram fascinados pela noção de codificação da mente. A mente, segundo a teoria, é independente de substrato, o que significa que sua capacidade de processamento não precisa, por necessidade, estar ligada ao wetware do cérebro. Poderíamos transferir mentes para computadores ou, possivelmente, construir mentes inteiramente novas, inteiramente no mundo do software.

Tudo isso é familiar. Embora ainda não tenhamos construído ou recriado uma mente em software, fora das abstrações de mais baixa resolução que são redes neurais modernas, não faltam cientistas da computação trabalhando nesse esforço neste momento momento.

O que é totalmente menos familiar é o trabalho realizado por investigadores da Universidade de Tartu, na Estónia, e da Universidade Paris-Saclay, em França.

Em vez de apenas tentar recriar uma aproximação da mente em software, eles recorreram a uma problema diferente: você pode usar um algoritmo para gerar código genético para pessoas que nunca existia? Você poderia aplicar a mesma tecnologia de rede adversária generativa (GAN) que permite IA modelos como BigSleep cuspir imagens geradas convincentemente realistas e usá-las, em vez disso, para criar DNA falso que, na linha do trabalho de Turing, é indistinguível do de uma pessoa de carne e osso?

Dados genéticos artificiais

“Criar dados genéticos artificiais que sejam suficientemente realistas, sem copiar diretamente as sequências, é um problema muito difícil”, Flor Jay, pesquisador especializado em aprendizado de máquina e genética populacional da Universidade de Paris-Saclay, disse à Digital Trends. “Os dados genéticos são de grande dimensão e não se pode apenas observar o que é importante ou não. Assim, recorremos a técnicas de ponta [sendo] aplicadas ao mundo da visão computacional, do texto, da música ou das proteínas. Essas redes generativas – GANs e [máquinas restritas de Boltzmann] – são projetadas para que possam aprender progressiva e automaticamente como criar sequências genéticas artificiais.”

Um GAN, uma classe de estrutura de aprendizado de máquina criada pelo pesquisador (e atual funcionário da Apple) Ian Goodfellow, usa uma abordagem combativa e de cabo de guerra para melhorar seus resultados geradores. Consiste em duas redes neurais: um “gerador” e um “discriminador” que passam as saídas entre si.

O trabalho do gerador é criar algo, seja uma IA. pintura ou um pedaço de código representando um genoma artificial na forma de uns e zeros. O discriminador, como uma versão bot de J.K. O instrutor musical perfeccionista de Simmons no filme Chicote, então critica seus esforços e envia de volta ao gerador. O gerador aprende com esse feedback, enquanto o discriminador fica cada vez melhor em adivinhar o que foi criado pelo gerador e qual é o artigo genuíno. Eventualmente, o gerador é tão bom em criar versões falsas de tudo o que está tentando que o discriminador pode ser enganado. Não é mais capaz de diferenciar o real do falso.

“Um dos principais problemas aqui é avaliar a qualidade dos genomas artificiais”, Burak Yelmen, um Ph. estudante do Instituto de Genômica da Universidade de Tartu, disse à Digital Trends. “Você pode olhar uma imagem e decidir se ela parece real, mas isso não é possível para os genomas. [A] maioria das análises que realizamos em nosso estudo foi para ver se os pedaços artificiais do genoma que geramos realmente se pareciam com os reais.”

Não se preocupe, no entanto. Apesar de uma massa crescente de artigos sobre adulteração genética altamente duvidosa destinada a reescrever o código humano, este trabalho não se trata de tentar “escrever” novos humanos órfãos que poderiam ser criados com a ajuda de supercomputadores.

“Para ser claro, o objetivo do nosso trabalho é compreender e codificar melhor a genética existente diversidade de milhares ou milhões de pessoas em todo o mundo, não para criar células artificiais”, Jay disse. “As redes neurais são treinadas nesta diversidade existente, de modo que as regiões genômicas geradas não carregam novas mutações adicionais que poderiam facilmente perturbar a funcionalidade de uma sequência – e incluem, intocados, os segmentos que são conservados através do ser humano. populações.”

Jay observou que, em toda a escala do genoma, é “difícil dizer” se uma combinação específica de milhões de nucleotídeos gerados poderia de fato ser "funcional." Em outras palavras, não espere compilar e executar esse código, esperando que uma pessoa totalmente formada (ou seus projetos) surja no outro fim. Em vez disso, o propósito é algo totalmente menos sinistro e, potencialmente, mais útil.

Tudo sobre privacidade de dados

“Há uma quantidade imensa de dados em biobancos e continua aumentando a cada dia”, disse Yelmen. “No entanto, os dados genómicos são dados sensíveis e o acesso a estes biobancos pode ser difícil para os investigadores devido a questões éticas. O principal objetivo do nosso trabalho é criar substitutos de alta qualidade dos bancos de genoma existentes e fornecer uma solução para esta barreira de acessibilidade dentro de um quadro ético seguro. É importante notar que nosso estudo foi um primeiro passo: ainda há trabalho a fazer.”

Jay acrescentou: “A ideia por trás do nosso estudo é começar a investigar se a liberação de genomas artificiais em vez dos reais poderiam preservar a privacidade dos doadores de genoma, ao mesmo tempo que fornecem informações úteis à genética da população comunidade. [Possíveis] aplicações de genomas artificiais poderiam variar desde uma melhor compreensão do nosso passado evolutivo até o fornecimento de insights em genética médica, incluindo uma gama mais ampla de diversidade.”

De certa forma, o trabalho lembra a tendência, vista alguns anos atrás, em que GANs foram usados ​​para criar imagens de pessoas imaginárias, animais e muito mais, conforme sintetizado pelo site generativo ThisPersonDoesNotExist.com. Só que desta vez, é claro, envolve código genético real, em vez de simples imagens.

Um artigo descrevendo o projeto, intitulado “Criando genomas humanos artificiais usando redes neurais generativas”, foi publicado. publicado recentemente na revista PLOS Genetics.

Recomendações dos Editores

• Ilusões de ótica podem nos ajudar a construir a próxima geração de IA
• IA analógica? Parece loucura, mas pode ser o futuro
• Leia a estranhamente bela “escritura sintética” de uma IA. que pensa que é Deus
• Arquitetura algorítmica: devemos deixar a I.A. projetar edifícios para nós?
• Essa tecnologia era ficção científica há 20 anos. Agora é realidade