Користећи А.И. да створи вештачки људски генетски код

Најмање од 1950. године, када је чувени „Алан Туринг“Рачунарска машина и интелигенција” рад је први пут објављен у часопису Ум, компјутерски научници заинтересовани за вештачку интелигенцију били су фасцинирани појмом кодирања ума. Ум је, према теорији, независан од супстрата, што значи да његова способност обраде не мора нужно бити везана за влажну опрему мозга. Могли бисмо да пренесемо умове на рачунаре или, могуће, да направимо потпуно нове у потпуности у свету софтвера.

Ово су све познате ствари. Док тек треба да изградимо или поново створимо ум у софтверу, ван апстракција најниже резолуције које су модерне неуронске мреже, не недостаје компјутерских научника који раде на овом напору момент.

Оно што је мање познато је рад који обављају истраживачи са естонског Универзитета у Тартуу и француског Универзитета Парис-Сацлаи.

Уместо да само покушавају да поново створе апроксимацију ума у ​​софтверу, они су се окренули другачији проблем: Можете ли користити алгоритам за генерисање генетског кода за људе који никада нису постојао? Можете ли применити исту технологију генеративне адверсаријске мреже (ГАН) која дозвољава А.И. модели као што је БигСлееп да испљуне убедљиво реалистичне генерисане слике и користи је уместо тога за стварање лажне ДНК која се, у духу Тјуринговог рада, не разликује од ДНК особе од крви и меса?

Вештачки генетски подаци

„Стварање вештачких генетских података који су довољно реалистични, без директног копирања секвенци, веома је тежак проблем,“ Флора Јаи, истраживач специјализован за машинско учење и популациону генетику на Универзитету Парис-Сацлаи, рекао је за Дигитал Трендс. „Генетски подаци су велике димензије и не можете само да посматрате шта је важно или не. Стога смо се окренули најсавременијим техникама [које се] примењују на компјутерски вид, текст, музику или свет протеина. Ове генеративне мреже - ГАН и [ограничене Болтзманнове машине] - дизајниране су тако да могу прогресивно и аутоматски да науче како да створе вештачке генетске секвенце."

ГАН, класа оквира за машинско учење коју је сковао истраживач (и тренутни запосленик компаније Аппле) Иан Гоодфеллов, користи борбени приступ натезању конопа да побољша своје генеративне резултате. Састоји се од две неуронске мреже: „генератора“ и „дискриминатора“ који међусобно преносе излазе.

Посао генератора је да створи нешто, било да је то АИ. слика или део кода који представља вештачки геном у облику јединица и нула. Дискриминатор, као бот верзија Ј.К. Симмонсов перфекционистички музички инструктор у филму Вхипласх, затим критикује његове напоре и шаље ово назад генератору. Генератор учи из ових повратних информација, док дискриминатор на сличан начин постаје све бољи у погађању шта је створио генератор, а шта је оригиналан чланак. На крају, генератор је толико добар у стварању лажних верзија свега што покушава да се дискриминатор може преварити. Више није у стању да разликује право од лажног.

"Један од главних проблема овде је процена квалитета вештачких генома", Бурак Јелмен, доктор наука студент Института за геномику Универзитета у Тартуу, рекао је за Дигитал Трендс. „Можете погледати слику и одлучити да ли изгледа стварно, али то није могуће за геноме. [Већина анализа које смо извршили у нашој студији била је да видимо да ли вештачки комади генома које смо генерисали заиста изгледају као прави."

Не брините, ипак. Упркос растућој маси чланака о веома сумњивом манипулисању гена дизајнираним да се препише људски код, овај рад није о покушају да се „напишу“ нови људи без родитеља који би могли бити створени уз помоћ суперкомпјутери.

„Да будемо јасни, циљ нашег рада је боље разумевање и кодирање постојеће генетике разноликост хиљада или милиона људи широм света, а не да стварају вештачке ћелије“, Џеј рекао. „Неуронске мреже су обучене за ову постојећу разноликост, тако да генерисани геномски региони не носе додатне нове мутације које могу лако да поремете функционалност секвенце - и укључују, нетакнуте, сегменте који су сачувани код људи популације“.

Џеј је приметио да је, на нивоу читавог генома, „тешко рећи“ да ли би одређена комбинација милиона генерисаних нуклеотида заиста могла бити „функционално.” Другим речима, немојте очекивати да ћете компајлирати и покренути овај код, очекујући да се потпуно формирана особа (или њени нацрти) појави на другом крај. Уместо тога, сврха је нешто мање злокобно и, потенцијално, корисније.

Све о приватности података

„Постоји огромна количина података у биобанкама и сваким даном се повећава“, рекао је Јелмен. „Међутим, геномски подаци су осетљиви подаци и приступ овим биобанкама може бити тежак за истраживаче због етичких разлога. Главни циљ нашег рада је да створимо висококвалитетне сурогате постојећих банака генома и обезбедимо решење за ову баријеру приступачности у оквиру безбедног етичког оквира. Важно је напоменути да је наша студија била први корак: има још посла.”

Џеј је додао: „Идеја иза наше студије је да почнемо да истражујемо да ли се ослобађају вештачки геноми уместо правих оне би могле да очувају приватност донатора генома, а истовремено пружају корисне информације генетици популације заједница. [Могуће] примене вештачких генома могле би да се крећу од бољег разумевања наше еволуционе прошлости до пружања увида у медицинску генетику, укључујући шири спектар разноликости.

На неки начин, рад подсећа на тренд, виђен Пре неколико година, у којој су ГАН-ови коришћени за креирање слика замишљених људи, животиња и још много тога што је оличење генеративног веб-сајта ТхисПерсонДоесНотЕкист.цом. Само овај пут, наравно, укључује стварни генетски код, а не једноставне слике.

Рад који описује пројекат под називом „Стварање вештачких људских генома коришћењем генеративних неуронских мрежа“ је био недавно објављен у часопису ПЛОС Генетицс.

Препоруке уредника

• Оптичке илузије би нам могле помоћи да изградимо следећу генерацију вештачке интелигенције
• Аналогни А.И.? Звучи лудо, али то би могла бити будућност
• Прочитајте сабласно лепе „синтетичке списе“ АИ. који мисли да је то Бог
• Алгоритамска архитектура: треба ли дозволити А.И. дизајнирати зграде за нас?
• Ова технологија је била научна фантастика пре 20 година. Сада је то стварност