Μετά τη γλώσσα και την εικόνα, η Big Tech θέλει να μάθει στην AI τη γλώσσα των κυττάρων

Πώς θα αντιδράσει ένα ανθρώπινο κύτταρο σε ένα νέο φάρμακο; Θα καταστραφεί, θα ανακάμψει ή θα αλλάξει η συμπεριφορά του; Σήμερα, για να απαντήσουν σε τέτοια ερωτήματα, οι επιστήμονες χρειάζονται χρονοβόρα εργαστηριακά πειράματα. Η Google, η Meta και η αμερικανική κυβέρνηση χρηματοδοτούν τώρα ένα από τα πιο φιλόδοξα εγχειρήματα στην έρευνα της τεχνητής νοημοσύνης: τη δημιουργία ενός «εικονικού κυττάρου», που θα μπορούσε να επιτρέπει στους ερευνητές να δοκιμάζουν πρώτα τις υποθέσεις τους στον υπολογιστή. Το πρόγραμμα, συνολικού ύψους 1,8 δισεκατομμυρίων δολαρίων, ανακοινώθηκε στις 7 Οκτωβρίου από τη Biohub, τη μη κερδοσκοπική ερευνητική οργάνωση που ίδρυσαν ο Μαρκ Ζούκερμπεργκ και η σύζυγός του, γιατρός Πρισίλα Τσαν. Στην πρωτοβουλία συμμετέχουν η Google DeepMind, η Isomorphic Labs, η Meta, το αμερικανικό υπουργείο Ενέργειας και τα Εθνικά Ινστιτούτα Υγείας των ΗΠΑ. Στόχος τους είναι να συγκεντρώσουν πρωτοφανείς ποσότητες βιολογικών δεδομένων, καταγράφοντας πώς συμπεριφέρονται τα κύτταρα σε διαφορετικές συνθήκες, πώς ανταποκρίνονται σε φάρμακα και πώς επηρεάζονται από αλλαγές στο περιβάλλον τους. Τα δεδομένα θα χρησιμοποιηθούν για την εκπαίδευση συστημάτων τεχνητής νοημοσύνης που θα μπορούν να κάνουν προβλέψεις για τη συμπεριφορά των ζωντανών κυττάρων. Οι σημερινές βάσεις δεδομένων περιλαμβάνουν πληροφορίες από εκατοντάδες εκατομμύρια κύτταρα. Για να δημιουργηθεί όμως ένα αξιόπιστο μοντέλο, οι ερευνητές εκτιμούν ότι θα χρειαστούν δεδομένα από δισεκατομμύρια και, τελικά, τρισεκατομμύρια κύτταρα. Το ζητούμενο δεν είναι απλώς να γνωρίζουν πώς μοιάζει ένα κύτταρο, αλλά να μπορούν να προβλέπουν τι θα συμβεί όταν κάτι αλλάξει μέσα του ή στο περιβάλλον του. «Πρέπει να καταγράψουμε τη γλώσσα της βιολογίας, τη γλώσσα του κυττάρου», εξήγησε ο επιστημονικός διευθυντής της Biohub, Άλεξ Ράιβς. Αυτή η γνώση δεν έχει ακόμη συγκεντρωθεί με τρόπο που να επιτρέπει την εκπαίδευση τόσο σύνθετων μοντέλων. Η χρηματοδότηση συνδυάζει δημόσιους και ιδιωτικούς πόρους. Η Biohub είχε ήδη δεσμεύσει 500 εκατομμύρια δολάρια τον Απρίλιο, ενώ η Google DeepMind, η Isomorphic Labs και η Meta συνεισφέρουν από κοινού άλλα 300 εκατομμύρια. Το αμερικανικό υπουργείο Ενέργειας θα διαθέσει περισσότερα από 500 εκατομμύρια σε ορίζοντα πενταετίας. Τα Εθνικά Ινστιτούτα Υγείας θα συνεισφέρουν επίσης υπάρχοντα επιστημονικά δεδομένα και υποδομές που έχουν δημιουργηθεί με προηγούμενες ομοσπονδιακές επενδύσεις άνω των 500 εκατομμυρίων δολαρίων. Επομένως, το συνολικό ποσό δεν αφορά αποκλειστικά νέα χρηματοδότηση. Η συνεργασία παρουσιάζεται ως πρωτοβουλία ανοιχτής επιστήμης, καθώς τα δεδομένα θα γίνουν σταδιακά διαθέσιμα στη διεθνή ερευνητική κοινότητα. Υπάρχει, ωστόσο, μια σημαντική εξαίρεση: οι ιδιωτικές εταιρείες που χρηματοδοτούν την παραγωγή τους θα έχουν για ένα διάστημα προνομιακή πρόσβαση, πριν από τη δημόσια διάθεσή τους. Σύμφωνα με τη Biohub, τα δεδομένα που θα προκύψουν από την κρατικά χρηματοδοτούμενη έρευνα δεν θα υπόκεινται σε αυτόν τον περιορισμό. Η ανάπτυξη τέτοιων μοντέλων θεωρείται ιδιαίτερα σημαντική για τη μελέτη ασθενειών και την ανακάλυψη νέων θεραπειών. Αν οι επιστήμονες καταφέρουν να προβλέπουν με ακρίβεια πώς αντιδρούν διαφορετικά κύτταρα σε μια ουσία, θα μπορούν να εντοπίζουν πολύ νωρίτερα ποια πειράματα αξίζει να πραγματοποιηθούν στο εργαστήριο. Αυτό θα μπορούσε να περιορίσει σημαντικά τον χρόνο και το κόστος της φαρμακευτικής έρευνας. Προς το παρόν, όμως, το «εικονικό κύτταρο» παραμένει στόχος και όχι ολοκληρωμένη τεχνολογία. Η Biohub υπολογίζει ότι το πρώτο μεγάλο σύνολο δεδομένων θα είναι έτοιμο σε περίπου έναν χρόνο, ενώ η ανάπτυξη αξιόπιστων μοντέλων πρόβλεψης τοποθετείται σε ορίζοντα πενταετίας. Η προσπάθεια δεν περιορίζεται στους συγκεκριμένους εταίρους. Η OpenAI έχει επίσης ανακοινώσει χρηματοδότηση για τη δημιουργία βιολογικών και ιατρικών δεδομένων, ενώ η Anthropic επενδύει σε εργαστηριακές υποδομές για τη σύνδεση της τεχνητής νοημοσύνης με την πειραματική βιολογία. Έπειτα από τα γλωσσικά μοντέλα και τα συστήματα που δημιουργούν εικόνες και βίντεο, οι μεγαλύτερες εταιρείες τεχνητής νοημοσύνης στρέφονται όλο και περισσότερο στη βιολογία. Το επόμενο μεγάλο στοίχημα δεν είναι μόνο να μάθουν οι μηχανές να κατανοούν τον ανθρώπινο λόγο, αλλά να προβλέπουν με ακρίβεια τις διεργασίες της ίδιας της ζωής. Με στοιχεία από Reuters