پروژه ۱.۸ میلیارد دلاری زاکربرگ، گوگل و دولت آمریکا: ساخت «سلول مجازی» با هوش مصنوعی کلید خورد!

مؤسسه بایوهابِ مارک زاکربرگ در پروژه‌ای بلندپروازانه، با گوگل و دولت فدرال آمریکا هم‌پیمان شده تا با مهار قدرت هوش مصنوعی و تولید حجم عظیمی از داده‌های بیولوژیکی، رفتار دقیق سلول‌های زنده را پیش‌بینی کند.

چرا این موضوع مهمه؟ هدف نهایی این پروژه، ساخت یک مدل هوش مصنوعی قدرتمند است که به دانشمندان اجازه می‌دهد آزمایش‌های علمی را پیش از ورود به آزمایشگاه، در فضایی مجازی شبیه‌سازی و ارزیابی کنند. این فناوری به محققان کمک می‌کند بهترین و امیدوارکننده‌ترین ایده‌ها را شناسایی کرده و دیگر وقت و هزینه‌های سنگین را پای آزمون و خطاهای بیهوده در دنیای واقعی هدر ندهند.

• هوش مصنوعی در حال حاضر ساختار پروتئین‌ها و بخش‌های مختلف زیست‌شناسی را به خوبی درک می‌کند، اما مدل‌سازی یک سلول زنده کامل، چندین برابر پیچیده‌تر است؛ از طرفی پژوهشگران هنوز داده‌های باکیفیت و استاندارد کافی برای آموزش چنین سیستمی را در اختیار ندارند.

اصل ماجرا چیه؟ مؤسسه بایوهاب، وزارت انرژی آمریکا (DOE)، مؤسسه ملی سلامت (NIH)، گوگل دیپ‌مایند (Google DeepMind)، ایزومورفیک لبز (Isomorphic Labs)، متا و مجموعه‌ای از سازمان‌های علمی گرد هم آمده‌اند تا داده‌های موردنیاز برای ساخت چیزی را که بایوهاب «سلول مجازی جهانی» می‌نامد، تولید و استانداردسازی کنند.

تصویر بزرگ‌تر: ایده محوری این است که با هوش مصنوعی بتوان بی‌نهایت سؤال و فرضیه علمی در زیست‌شناسی را به شکل مجازی بررسی کرد؛ به‌طوری‌که کار‌های پرهزینه و طاقت‌فرسای آزمایشگاهی، تنها برای آزمایش‌هایی رزرو شود که بیش‌ترین شانس را برای کشف ناشناخته‌ها و دستاوردهای بزرگ دارند.

• الکس رایوز، مدیر بخش علمی مؤسسه بایوهاب، در این رابطه می‌گوید: «اگر بتوانیم استدلال و هوشمندی بسیار بیشتری را پشت هر سؤالی که در آزمایشگاه مطرح می‌کنیم قرار دهیم، ارزش دستاوردهای تجربی ما صدچندان خواهد شد.»

پیشرفت‌های چشمگیر اخیر در هوش مصنوعی عمدتاً حاصل کنار هم قرار گرفتن الگوریتم‌های قوی‌تر، توان محاسباتی بیش‌تر و کوهی از داده‌های آموزشی بوده است.

• با این حال، زیست‌شناسی یک چالش اساسی دیگر دارد: بخش زیادی از اطلاعاتی که هوش مصنوعی به آن‌ها نیاز دارد اصلاً وجود خارجی ندارند و باید با دقت میکروسکوپی و زحمت فراوان از دنیای فیزیکی اندازه‌گیری و ثبت شوند.
• رایوز معتقد است: «ما با هوش مصنوعی در آغاز یک پارادایم و تحول علمی کاملاً جدید ایستاده‌ایم.»

چالش اصلی کجاست؟ علم زیست‌شناسی بسیار دشوارتر از سایر حوزه‌های هوش مصنوعی است؛ چراکه محققان به چیزی نیاز دارند که رایوز آن را «هوش مصنوعی تجربی» می‌نامد؛ یعنی مدل‌هایی که مستقیماً از شواهد زنده بیولوژیکی یاد می‌گیرند و قادرند رخدادهای دنیای فیزیکی را با دقت موشکافانه پیش‌بینی کنند.

• رایوز تأکید می‌کند: «چالش بزرگ در زیست‌شناسی، پر کردن شکاف میان قدرت پردازش دیجیتال با دنیای واقعی حیات و طبیعت است و تنها پلی که می‌تواند این دو دنیا را به هم وصل کند، داده است.»
• چنین مدل‌هایی در آینده می‌توانند به دانشمندان کمک کنند پاسخ پرسش‌های بنیادینی مثل سازوکار پیری و بازسازی بافت‌های بدن را پیدا کنند، یا سازوکارهای مولکولی مرموز بیماری‌هایی مثل آلزایمر را رمزگشایی نمایند.

این سیستم چطور کار می‌کند؟ در فاز اول، یک نقشه جامع از زیست‌شناسی سلولی ترسیم می‌شود و انواع اطلاعات درباره عملکرد سلول‌ها و واکنش آن‌ها به تغییرات محیطی جمع‌آوری خواهد شد.

• در چشم‌اندازهای دورتر، رایوز مدل‌هایی را متصور است که می‌توانند بیماری اختصاصی هر فرد را بررسی کرده، ریشه‌های مولکولی آن را بسنجند و بهترین روش مداخله و درمان پزشکی را پیشنهاد دهند.

بخش جذاب و انحصاری ماجرا: شرکای تجاری این ائتلاف، قبل از اینکه داده‌های تولیدشده به صورت عمومی منتشر شوند، به مدت یک سال دسترسی کاملاً اختصاصی به آن‌ها خواهند داشت.

• به گفته رایوز، این امتیاز موقت برای این است که شرکت‌های بزرگ انگیزه‌ای برای سرمایه‌گذاری مالی داشته باشند، درحالی‌که در نهایت کل این دستاوردها به منبعی باز و عمومی برای جامعه علمی جهان تبدیل خواهد شد.
• او توضیح می‌دهد: «ما باید مشوقی برای بازیگران تجاری ایجاد می‌کردیم تا وارد میدان شوند و این دوره انحصار دقیقاً همین نقش را دارد. البته این انحصار فقط یک‌ساله است؛ یعنی خیلی زود این گنجینه داده در مقیاسی وسیع در دسترس تمام پژوهشگران قرار می‌گیرد.»

جزئیات مالی پروژه: این مگاپروژه شامل ۱.۸ میلیارد دلار سرمایه‌گذاری نقدی، منابع داده‌ای، توان پردازشی و فناوری‌های پیشرفته اندازه‌گیری است.

• وزارت انرژی آمریکا قصد دارد طی پنج سال بیش از ۵۰۰ میلیون دلار در حوزه مدل‌سازی، محاسبات و سنجش زیستی سرمایه‌گذاری کند؛ از طرف دیگر، مؤسسه ملی سلامت (NIH) نیز داده‌ها و منابعی حاصل از ۵۰۰ میلیون دلار سرمایه‌گذاری پیشین دولت را به اشتراک می‌گذارد.
• گوگل دیپ‌مایند، ایزومورفیک لبز و متا نیز در مجموع ۳۰۰ میلیون دلار دیگر به پروژه تزریق می‌کنند و خود بایوهاب هم پیش‌تر تعهد ۵۰۰ میلیون دلاری خود را نهایی کرده بود.

پیشینه ماجرا: وقتی بایوهاب برای اولین بار در ماه آوریل سرمایه‌گذاری ۵۰۰ میلیون دلاری خود را اعلام کرد، یکی از بزرگ‌ترین پرسش‌های بی‌پاسخ این بود که آیا زیست‌شناسی سلولی هم مانند دیگر حوزه‌های هوش مصنوعی از «قوانین مقیاس‌پذیری» (Scaling Laws) پیروی می‌کند یا نه؛ یعنی آیا مدل‌ها با دریافت داده‌های بیشتر، به شکل قابل‌پیش‌بینی قدرتمندتر و هوشمند‌تر می‌شوند؟

قدم بعدی چیست؟ رایوز معتقد است پژوهشگران برای دیدن نتیجه این شرط‌بندی بزرگ، نیاز نیست زمان خیلی زیادی منتظر بمانند.

• او می‌گوید ظرف یک سال پس از آماده شدن اولین پایگاه داده عظیم، دانشمندان قادر خواهند بود مدل‌ها را آموزش دهند، قابلیت‌های آن‌ها را بسنجند و بفهمند چه نوع داده‌های تکمیلی می‌تواند آن‌ها را کارآمدتر کند.
• رایوز با اشاره به پیشرفت‌های شگفت‌انگیز هوش مصنوعی در رمزگشایی پروتئین‌ها یادآور شد: «این فرمول در هر حوزه‌ای جواب داده و در زیست‌شناسی هم قطعاً معجزه خواهد کرد.»