6 دقیقه
تصور کنید یک رایانه در یک آزمایشگاه پژوهشی نه تنها داده‌ها را تحلیل میکند، بلکه انواع جدیدی از حیات را طراحی میکند. این دقیقاً همان گزارشی است که تیم‌های دانشگاه استنفورد و Arc Institute منتشر کرده‌اند؛ پژوهشگرانی که از هوش مصنوعی برای طراحی ویروس‌هایی استفاده کردند که قادر به کشتن باکتری‌ها هستند — و این طراحی‌ها در آزمایشگاه واقعاً کار کردند. این رویداد نشان‌دهنده جهشی در همگرایی محاسبات پیشرفته و زیست‌فناوری است و سوالات فنی، اخلاقی و نظارتی گسترده‌ای را پیش می‌کشد.
این اولین باری است که دانشمندان از هوش مصنوعی برای تولید کامل ژنوم‌های ویروسی از صفر استفاده می‌کنند. در این روش نه قطعه‌برداری از ویروسهای شناخته‌شده رخ داد و نه اصلاحات جزیی روی توالیهای موجود؛ بلکه سیستم نقشه‌های ژنتیکی کاملاً جدیدی تولید کرد که به موجودات زیستی تبدیل شد. این رویکرد مفهومی تازه در طراحی زیستی ارائه می‌دهد: طراح دیجیتال که بهطور مستقیم به یک عامل زیستی تبدیل می‌شود، روندی که پیش از این عمدتاً در حد نظریه یا اصلاحات محدود بوده است.
هوش مصنوعی مورد استفاده در این پروژه که «Evo» نامیده شده، مشابه مدلهای زبانی بزرگ عمل میکند اما بهجای کتاب‌ها یا صفحات وب، روی حدود دو میلیون ژنوم ویروسی آموزش دیده است. وقتی از Evo خواسته شد تا گونه‌هایی از یک باکتریوفاژ ساده به نام phiX174 را طراحی کند، 302 توالی ژنومی جدید تولید شد. از میان این‌ها، 16 طراحی سنتز و در آزمایشگاه نشان داده شد که می‌توانند باکتری E. coli را بهطور موفق آلوده کنند. این نتیجه نشان می‌دهد که مدل نه تنها الگوهای آماری را یاد گرفته بلکه توانایی ایجاد ساختارهای سازگار با زیست‌شناسی مولکولی را نیز دارد.
برای سرپرست آزمایشگاه، برایان های، توصیف این فرآیند مثل تماشای تبدیل کد دیجیتال به زیست‌شناسی بود — لحظه‌ای که هم هیجان‌انگیز و هم اندکی نگران‌کننده توصیف شد. توانایی حرکت از طراحی در فضای شبیه‌سازی (in-silico) به فعالیت واقعی در دنیای زیستی، نشان‌دهنده سرعتی است که ابزارهای محاسباتی در حال بازتعریف زیست‌شناسی سنتتیک و مهندسی ژنتیک هستند. این گذر از ایده به آزمایشگاه میتواند چرخه نوآوری را کوتاه کند اما در عین حال نیاز به کنترل‌های آزمایشی و ایمنی دقیق‌تر را نیز ملموس‌تر می‌سازد.
فایده‌های بالقوه این فناوری قابل‌توجه است. ویروس‌هایی که با هوش مصنوعی طراحی میشوند می‌توانند به‌صورت هدفمند باکتریهای مقاوم به آنتیبیوتیک را مورد حمله قرار دهند؛ باکتری‌هایی که سالانه مسئول مرگ صدها هزار نفر در سراسر جهان هستند. علاوه بر این، چنین ذراتی قابلیت تطبیق به‌عنوان سیستم‌های تحویل دقیق در درمانهای ژنی را دارند، به‌طوری که ژن‌های اصلاح‌کننده را به سلول‌های مشخصی برسانند. به بیان دیگر، این فناوری میتواند درمان‌هایی را تسریع کند که با آنتی‌بیوتیک‌ها یا وکتورهای فعلی دشوار یا غیرممکن‌اند؛ از جمله درمان عفونت‌های مقاوم، اهداف دقیق در سرطان، و برنامه‌های درمانی پیچیده مولکولی.
با این حال نگرانیهای جدی در زمینه ایمنی و اخلاقی وجود دارد. جی. کریگ ونتر، یکی از پیشگامان ژنومیک سنتتیک، هشدار داده است که این رویکرد فرآیند آزمون‌وخطا را تسریع میکند و خطر سوءاستفاده را افزایش می‌دهد. هرچند Evo تنها روی باکتریوفاژهایی آموزش دیده بود که انسان را آلوده نمیکنند، اما متدولوژی پایهای میتواند بهطور نظری برای اهداف خطرناک‌تر بازآموزی شود. این همان معضل «استفاده دوگانه» است: ابزاری با وعده‌های پزشکی قوی که در صورت سوءاستفاده، میتواند مهندسی زیستی خطرناک را ممکن سازد. بنابراین سوال اصلی درباره تکنیک‌ها تنها فنی نیست، بلکه شامل حاکمیت، دسترسی، و کنترل داده‌ها نیز می‌شود.
متخصصان اشاره می‌کنند که ما هنوز با تولید سلول‌های سنتتیک کامل فاصله داریم؛ زیرا ساخت یک سلول محتوای ژنتیکی به مراتب بزرگ‌تری — میلیون‌ها جفت باز — می‌طلبد، در حالی که فاژهای ساده صرفاً هزاران باز دارند. با این حال شرکت‌هایی مانند Ginkgo Bioworks در حال توسعه زنجیره‌های یکپارچه‌ای هستند که می‌توانند چرخه طراحی توسط هوش مصنوعی تا تولید زیستی را خودکار کنند و احتمالاً نظارت انسانی را کاهش دهند. این روند نوآوری صنعتی میتواند سرعت انتقال از مدل به محصول را افزایش دهد، اما همزمان نیاز به چارچوبهای قانونی، استانداردهای ایمنی، و ارزیابی اخلاقی دقیقتری ایجاد میکند.
ترکیب این پیشرفت‌ها با پیشرفت‌های دیگر در ابزارهای محاسباتی و سخت‌افزاری میتواند چشم‌انداز فناوری زیستی را تغییر دهد. وقتی الگوریتم‌ها قادر شوند بهطور مستقل توالی‌هایی پیشنهاد دهند که در محیط آزمایشگاهی کارآمدند، خطای انسانی کاهش می‌یابد اما ریسک‌های системی و خطاهای غیرمنتظره افزایش می‌یابد. از منظر امنیت زیستی، هم‌افزایی میان مدلهای داده‌محور، دسترسی به پایگاه‌های داده ژنومی، و امکانات سنتز DNA میتواند چالش‌های جدیدی پدید آورد که نیازمند همکاری میان دانشمندان، قانون‌گذاران، و جوامع بینالمللی است.
این دستاورد هم به لحاظ علمی نفس‌گیر و هم از نظر پیامدهای اجتماعی نگران‌کننده است. ممکن است در نقطه‌ای قرار داشته باشیم که زندگی قابلیت برنامه‌پذیری پیدا کند و مرز میان طراحی دیجیتال و موجودات زنده تار شود. پرسش فوری کمتر درباره این است که «آیا این همه‌چیز را تغییر خواهد داد؟» — زیرا پاسخ روشن است: بله. پرسش حیاتی‌تر این است که آیا مقررات، ساختارهای حکمرانی و مکانیسمهای ایمنی می‌توانند با همان سرعت پیشرفت فناوری سازگار شوند یا خیر. پاسخ به این پرسش نیازمند گفتگوهای بین‌رشته‌ای، سرمایه‌گذاری در ارزیابی خطر، و توسعه استانداردهای شفاف برای اشتراکگذاری داده و نظارت است.
در خبری مرتبط درباره سخت‌افزار و ابزارهای مبتنی بر هوش مصنوعی، هواوی از سیستم‌های Atlas 950 و 960 SuperPoD رونمایی کرده تا رقابتی با تسلط بازار انویدیا ایجاد کند، و تنسنت ابزاری سه‌بعدی مبتنی بر هوش مصنوعی رایگان منتشر کرده است که قابلیت‌های خلاقانه توسعه‌دهندگان و سازندگان محتوا را گسترش می‌دهد. این حرکت‌ها نشان‌دهنده رقابت فشرده در لایه‌های محاسباتی است که میتواند به توسعه سریع‌تر مدلهای پیچیده‌ای مانند Evo منجر شود؛ موضوعی که دوباره اهمیت بحث درباره سیاست‌گذاری، دسترسی ایمن و کنترل فناوری را برجسته میکند.
منبع: gizmochina
نظرات