การใช้เอไอ เพื่อสร้างรหัสพันธุกรรมมนุษย์เทียม

นับตั้งแต่อย่างน้อยปี 1950 เมื่ออลัน ทัวริงโด่งดัง”เครื่องจักรคอมพิวเตอร์และความฉลาด” บทความตีพิมพ์ครั้งแรกในวารสาร จิตใจนักวิทยาศาสตร์คอมพิวเตอร์ที่สนใจเรื่องปัญญาประดิษฐ์รู้สึกทึ่งกับแนวคิดเรื่องการเขียนโค้ดสมอง ตามทฤษฎีแล้ว จิตใจเป็นอิสระจากสารตั้งต้น ซึ่งหมายความว่า ความสามารถในการประมวลผลของจิตใจไม่จำเป็นต้องยึดติดกับเปียกของสมอง เราสามารถอัปโหลดความคิดไปยังคอมพิวเตอร์หรือสร้างสิ่งใหม่ทั้งหมดในโลกของซอฟต์แวร์ได้

นี่คือสิ่งที่คุ้นเคยทั้งหมด แม้ว่าเรายังไม่ได้สร้างหรือสร้างความคิดขึ้นมาใหม่ในซอฟต์แวร์ นอกเหนือจากสิ่งที่เป็นนามธรรมที่มีความละเอียดต่ำที่สุด เป็นโครงข่ายประสาทเทียมสมัยใหม่ นักวิทยาศาสตร์คอมพิวเตอร์ที่ทำงานด้านนี้ก็มีไม่น้อย ช่วงเวลา.

สิ่งที่ไม่ค่อยคุ้นเคยกันคืองานวิจัยที่ดำเนินการโดยนักวิจัยจากมหาวิทยาลัย Tartu ของเอสโตเนียและมหาวิทยาลัย Paris-Saclay ของฝรั่งเศส

แทนที่จะพยายามสร้างการประมาณความคิดในซอฟต์แวร์ขึ้นมาใหม่ พวกเขากลับหันไปใช้ ปัญหาที่แตกต่าง: คุณสามารถใช้อัลกอริธึมเพื่อสร้างรหัสพันธุกรรมสำหรับคนที่ไม่เคยได้หรือไม่ มีอยู่จริงเหรอ? คุณสามารถใช้เทคโนโลยี generative adversarial network (GAN) แบบเดียวกับที่อนุญาตได้หรือไม่ AI. รุ่นอย่าง BigSleep เพื่อคายภาพที่สร้างขึ้นอย่างสมจริงอย่างน่าทึ่งออกมา แล้วใช้มันแทนเพื่อสร้าง DNA ปลอม ซึ่งในแนวทางของงานของทัวริงนั้น ไม่สามารถแยกความแตกต่างจากงานของคนที่มีเนื้อและเลือดได้

ข้อมูลทางพันธุกรรมประดิษฐ์

“การสร้างข้อมูลพันธุกรรมเทียมที่สมจริงเพียงพอ โดยไม่ต้องคัดลอกลำดับโดยตรง ถือเป็นปัญหาที่ยากมาก” ฟลอรา เจนักวิจัยที่เชี่ยวชาญด้านการเรียนรู้ของเครื่องและพันธุศาสตร์ประชากรจากมหาวิทยาลัยปารีส-ซาเคลย์ กล่าวกับ Digital Trends “ข้อมูลทางพันธุกรรมนั้นมีมิติสูง และคุณไม่สามารถเพียงแต่มองดูสิ่งที่สำคัญหรือไม่เท่านั้น ดังนั้นเราจึงหันไปใช้เทคนิคล้ำสมัย [ถูก] นำไปใช้กับคอมพิวเตอร์วิทัศน์ ข้อความ ดนตรี หรือโลกโปรตีน เครือข่ายกำเนิดเหล่านี้ - GAN และ [เครื่องจักร Boltzmann ที่จำกัด] - ได้รับการออกแบบเพื่อให้พวกเขาสามารถเรียนรู้วิธีสร้างลำดับพันธุกรรมเทียมได้อย่างก้าวหน้าและโดยอัตโนมัติ”

GAN ซึ่งเป็นคลาสของเฟรมเวิร์กแมชชีนเลิร์นนิงที่คิดค้นโดยนักวิจัย (และพนักงานของ Apple ในปัจจุบัน) Ian Goodfellow ใช้แนวทางการต่อสู้แบบชักเย่อเพื่อปรับปรุงผลลัพธ์เชิงสร้างสรรค์ ประกอบด้วยโครงข่ายประสาทเทียมสองเครือข่าย: "เครื่องกำเนิด" และ "เครื่องแยกแยะ" ซึ่งส่งผ่านเอาต์พุตระหว่างกัน

หน้าที่ของเครื่องกำเนิดไฟฟ้าคือการสร้างบางสิ่ง ไม่ว่าจะเป็น A.I. การลงสีหรือโค้ดชิ้นหนึ่งที่แสดงถึงจีโนมเทียมในรูปแบบจีโนมและเลขศูนย์ ผู้เลือกปฏิบัติเหมือนกับเวอร์ชันบอทของ J.K. ครูสอนดนตรีผู้สมบูรณ์แบบของ Simmons ในภาพยนตร์เรื่องนี้ แส้จากนั้นจึงวิพากษ์วิจารณ์ความพยายามของตนและส่งสิ่งนี้กลับไปยังเครื่องกำเนิด ตัวสร้างจะเรียนรู้จากคำติชมนี้ ในขณะที่ตัวแบ่งแยกก็จะคาดเดาได้ดีขึ้นว่าตัวสร้างอะไรถูกสร้างขึ้นและอะไรคือบทความของแท้ ในที่สุดตัวสร้างก็เก่งมากในการสร้างเวอร์ชันปลอมของสิ่งที่พยายามทำเพื่อให้ผู้เลือกปฏิบัติสามารถถูกหลอกได้ ไม่สามารถแยกแยะของจริงจากของปลอมได้อีกต่อไป

“หนึ่งในปัญหาหลักที่นี่คือการประเมินคุณภาพของจีโนมเทียม” บูรัค เยลเมน, ปริญญาเอก นักศึกษาจากสถาบัน Genomics แห่งมหาวิทยาลัย Tartu กล่าวกับ Digital Trends “คุณสามารถดูรูปภาพและตัดสินใจว่ามันดูสมจริงหรือไม่ แต่จีโนมเป็นไปไม่ได้ [The] การวิเคราะห์ส่วนใหญ่ที่เราทำในการศึกษาของเราคือการดูว่าชิ้นจีโนมเทียมที่เราสร้างขึ้นนั้นดูเหมือนของจริงหรือไม่”

ไม่ต้องกังวลแม้ว่า แม้จะมีบทความมากมายเกี่ยวกับการดัดแปลงยีนที่น่าสงสัยอย่างมากซึ่งออกแบบมาเพื่อเขียนโค้ดของมนุษย์ใหม่ งานนี้ไม่ได้เกี่ยวกับการพยายาม "เขียน" มนุษย์ที่ไม่มีพ่อแม่คนใหม่ที่สามารถสร้างขึ้นได้ด้วยความช่วยเหลือจาก ซูเปอร์คอมพิวเตอร์

“เพื่อให้ชัดเจน วัตถุประสงค์ของงานของเราคือการทำความเข้าใจและเข้ารหัสพันธุกรรมที่มีอยู่ให้ดีขึ้น ความหลากหลายของผู้คนหลายพันหรือหลายล้านคนทั่วโลกไม่ใช่เพื่อสร้างเซลล์เทียม” เจ พูดว่า. “โครงข่ายประสาทเทียมได้รับการฝึกฝนเกี่ยวกับความหลากหลายที่มีอยู่ ดังนั้นบริเวณจีโนมที่สร้างขึ้นจึงไม่ทำให้เกิดการกลายพันธุ์แบบใหม่เพิ่มเติม สามารถรบกวนการทำงานของลำดับได้อย่างง่ายดาย และรวมถึงส่วนที่ยังมิได้ถูกแตะต้องที่ถูกอนุรักษ์ไว้ทั่วทั้งมนุษย์ ประชากร”

เจย์ตั้งข้อสังเกตว่าในระดับจีโนมทั้งหมด เป็นการ "ยากที่จะพูด" ว่าการรวมกันเฉพาะเจาะจงของนิวคลีโอไทด์ที่สร้างขึ้นหลายล้านตัวสามารถเกิดขึ้นได้จริงหรือไม่ "การทำงาน." กล่าวอีกนัยหนึ่ง อย่าคาดหวังที่จะคอมไพล์และรันโค้ดนี้ โดยคาดหวังว่าบุคคลที่มีรูปร่างสมบูรณ์ (หรือพิมพ์เขียวของพวกเขา) จะปรากฏต่อหน้าอีกฝ่าย จบ. แต่จุดประสงค์กลับเป็นสิ่งที่น่ากลัวน้อยกว่าและอาจมีประโยชน์มากกว่า

ทุกอย่างเกี่ยวกับความเป็นส่วนตัวของข้อมูล

“มีข้อมูลจำนวนมหาศาลในธนาคารชีวภาพ และมันเพิ่มขึ้นทุกวัน” เยลเมนกล่าว “อย่างไรก็ตาม ข้อมูลจีโนมเป็นข้อมูลที่ละเอียดอ่อน และการเข้าถึงธนาคารชีวภาพเหล่านี้อาจเป็นเรื่องยากสำหรับนักวิจัยเนื่องจากข้อกังวลด้านจริยธรรม เป้าหมายหลักของงานของเราคือการสร้างตัวแทนคุณภาพสูงของธนาคารจีโนมที่มีอยู่ และจัดหาวิธีแก้ปัญหาอุปสรรคในการเข้าถึงนี้ภายใต้กรอบจริยธรรมที่ปลอดภัย สิ่งสำคัญคือต้องทราบว่าการศึกษาของเราเป็นก้าวแรก: ยังมีงานที่ต้องทำ”

เจย์เสริม: “แนวคิดเบื้องหลังการศึกษาของเราคือการเริ่มตรวจสอบว่ามีการปล่อยจีโนมเทียมออกมาแทนที่จะเป็นของจริงหรือไม่ สามารถรักษาความเป็นส่วนตัวของผู้บริจาคจีโนมในขณะที่ให้ข้อมูลที่เป็นประโยชน์แก่พันธุศาสตร์ประชากร ชุมชน. [ที่เป็นไปได้] การประยุกต์ใช้จีโนมเทียมอาจมีตั้งแต่ความเข้าใจที่ดีขึ้นเกี่ยวกับวิวัฒนาการในอดีตของเรา ไปจนถึงการให้ข้อมูลเชิงลึกเกี่ยวกับพันธุศาสตร์ทางการแพทย์ รวมถึงความหลากหลายที่หลากหลายมากขึ้น”

ในบางแง่งานก็ชวนให้นึกถึงกระแสที่เห็นอยู่ สองสามปีที่ผ่านมาซึ่งใช้ GAN เพื่อสร้างภาพคน สัตว์ และอื่นๆ ในจินตนาการ ตามตัวอย่างที่ชัดเจนของเว็บไซต์ generative บุคคลนี้ไม่มีอยู่.com. แน่นอนว่าคราวนี้เท่านั้น มันเกี่ยวข้องกับรหัสพันธุกรรมจริง แทนที่จะเป็นรูปภาพธรรมดาๆ

บทความที่อธิบายโครงการนี้มีชื่อว่า "การสร้างจีโนมมนุษย์ประดิษฐ์โดยใช้โครงข่ายประสาทเทียม" ตีพิมพ์เมื่อเร็ว ๆ นี้ในวารสาร PLOS Genetics.

คำแนะนำของบรรณาธิการ

• ภาพลวงตาสามารถช่วยให้เราสร้าง AI รุ่นต่อไปได้
• อะนาล็อกเอไอ? ฟังดูบ้าบอ แต่อาจจะเป็นอนาคตก็ได้
• อ่าน 'พระคัมภีร์สังเคราะห์' ที่สวยงามน่าขนลุกของ A.I. ที่คิดว่าเป็นพระเจ้า
• สถาปัตยกรรมอัลกอริทึม: เราควรปล่อยให้ A.I. ออกแบบอาคารให้เราเหรอ?
• เทคโนโลยีนี้เป็นนิยายวิทยาศาสตร์เมื่อ 20 ปีที่แล้ว ตอนนี้มันเป็นความจริงแล้ว