مدل هوش مصنوعی جدید هاگینگ فیس امکان گفت‌وگو با دی‌ان‌ای را روی لپ‌تاپ فراهم می‌کند

پلتفرم هوش مصنوعی هاگینگ فیس (Hugging Face) مدل باز جدیدی را برای تحلیل و درک دی‌ان‌ای منتشر کرده است که قابلیت اجرا به‌صورت محلی روی لپ‌تاپ را دارد.

این مدل با همکاری محققان آکادمی ژونگ‌گوان‌کون در چین و دانشگاه ناپل فدریکو دوم در ایتالیا توسعه یافته و بر پایه‌ی توالی‌های ژنومی و زبان طبیعی آموزش دیده است؛ به این ترتیب کاربران می‌توانند سؤالات خود را درباره تأثیر تغییرات DNA بر فعالیت ژن‌ها و سلامت مطرح کنند و پاسخ‌هایی روان در قالب گفت‌وگو تحویل بگیرند.

لوئیس تانستال، دانشمند ارشد پژوهشی در هاگینگ فیس، می‌گوید این ابزار با هدف کمک به محققان در طراحی داروهای جدید و روش‌های ژن‌درمانی توسعه یافته است و در آینده می‌تواند به بیماران در تفسیر ژنوم اختصاصی خودشان کمک کند.

تانستال درباره این مدل جدید که Carbon-X نام دارد، توضیح می‌دهد: «ما قابلیت تازه‌ای را در مدل‌های زبانی فعال کرده‌ایم که اساساً امکان گفت‌وگو با دی‌ان‌ای را فراهم می‌کند.» بهره‌گیری از زبان طبیعی به این معناست که حتی کاربران غیرمتخصص نیز می‌توانند درباره DNA سؤالاتی بپرسند که پیش از این با هیچ ابزار دیگری در دسترس نبود.

هاگینگ فیس که در دنیای فناوری به «گیت‌هاب مدل‌های هوش مصنوعی» شهرت دارد، کتابخانه‌ای گسترده از ابزارهای آماده و پلتفرمی برای اجرای برنامه‌های متن‌باز و وزن‌باز ارائه می‌دهد تا توسعه‌دهندگان، پژوهشگران و کسب‌وکارها بتوانند بدون نیاز به ساخت همه‌چیز از صفر، با هوش مصنوعی کار کنند. شرکت انویدیا در ماه سپتامبر برای تصاحب این پلتفرم با مبلغی نزدیک به ۱۳ میلیارد دلار به توافق رسید. (هاگینگ فیس اوایل سال جاری میلادی نیز در کانون یک نفوذ امنیتی بزرگ قرار گرفته بود).

ساختار دی‌ان‌ای بیش از آنکه شبیه زبان طبیعی انسان باشد، به کدهای کامپیوتری شباهت دارد؛ با این تفاوت که به‌جای صفر و یک‌ها، اطلاعات را با استفاده از چهار حرف A ،C ،G و T کدگذاری می‌کند. ژنوم انسان شامل ۶ میلیارد حرف از این پایه‌هاست. با وجود اینکه تمام توالی ژنوم انسان از ابتدا تا انتها رمزگشایی و نقشه‌برداری شده، دانشمندان هنوز نمی‌دانند بخش عمده آن چگونه کار می‌کند.

امروزه مدل‌های هوش مصنوعی به کمک پژوهشگران آمده‌اند تا بخشی از این معماها را رمزگشایی کنند. سال گذشته، تیم گوگل دیپ‌مایند مدل AlphaGenome را معرفی کرد که می‌تواند اثرات توالی‌های DNA و جهش‌های ژنتیکی را پیش‌بینی کند، اما خروجی‌های آن صرفاً به‌صورت داده‌های عددی است و به توان پردازشی بسیار بیشتری نیاز دارد. از سوی دیگر، مدل Evo 2 که توسط مؤسسه Arc و انویدیا با همکاری شرکای دانشگاهی توسعه یافته، زبان DNA را متوجه می‌شود و قادر است ژنوم‌های کاملی را از پایه تولید کند.

مدل Carbon-X زبان دی‌ان‌ای و زبان طبیعی انسان را در یک محیط کاربری گفت‌وگومحور با یکدیگر ترکیب کرده است؛ چیزی شبیه به یک ChatGPT اختصاصی برای دنیای DNA.

تیم پژوهشگران کار را با یکی از مدل‌های زبانی موجود آغاز کردند و دایره واژگان آن را گسترش دادند تا بتواند کدهای DNA را در دسته‌های شش‌حرفی بخواند. سپس فرآیند آموزش را با ۳۰۰ میلیارد توکن متشکل از توالی‌های ژنتیکی، متون انگلیسی و نمونه‌هایی از ارتباط DNA با توضیحات بیولوژیکی ادامه دادند. این توالی‌های ژنتیکی از پستانداران (از جمله انسان)، سایر مهره‌داران، بی‌مهرگان، گیاهان، قارچ‌ها و تک‌یاخته‌ها جمع‌آوری شده بودند. به گفته تانستال، این تیم عمداً مدل را با ژنوم ویروس‌ها آموزش نداده است تا مانع از هرگونه سوءاستفاده احتمالی برای کاربردهای خطرناک بیولوژیکی شود.

البته کاربران نمی‌توانند کل ژنوم یک انسان را به‌صورت یکجا در مدل بارگذاری کنند. این هوش مصنوعی طوری آموزش داده شده است که توالی‌های DNA با طول تقریبی ۵۰ هزار جفت‌باز را پردازش کند؛ بنابراین کاربران در هر بار تعامل، تنها امکان بررسی بخش‌های کوچکی از ژنوم را خواهند داشت.

یکی از کاربردهای مهم Carbon-X برای دانشمندان، تشخیص خوش‌خیم یا بیماری‌زا بودن جهش‌های ژنتیکی است؛ گامی حیاتی در توسعه داروهای هدفمند و ژن‌درمانی. اگر یک مداخله درمانی جهش ژنتیکی اشتباهی را هدف قرار دهد، ممکن است کاملاً بی‌اثر باشد یا حتی بدتر از آن، آسیب‌های ناخواسته‌ای به بیمار وارد کند.

پژوهشگران هنگام بارگذاری داده‌های حساس و قابل شناسایی بیماران در مدل‌های پیشرفته هوش مصنوعی با محدودیت‌های قانونی شدیدی روبه‌رو هستند. به همین دلیل، تانستال می‌گوید تیمش این مدل را عمداً با ۱۴ میلیارد پارامتر طراحی کرده است تا بتواند به‌جای اتکا به سرورهای ابری، به‌صورت محلی روی سخت‌افزار خود کاربر اجرا شود. او تأکید می‌کند که با این روش، هیچ داده‌ای به هاگینگ فیس یا هیچ شرکت دیگری ارسال نخواهد شد.

با این حال، توسعه‌دهندگان Carbon-X هشدار می‌دهند که هنوز عملکرد این مدل را در آزمایش‌های تجربی درون آزمایشگاه‌های زیستی ارزیابی نکرده‌اند؛ بنابراین هنوز نمی‌توان با قطعیت درباره میزان دقت پیش‌بینی‌های آن اظهار نظر کرد.