Каталог статей

Вчені використовують ШІ для створення штучного генетичного коду людини

catalogue of articles

Вчені використовують ШІ для створення штучного генетичного коду людини

Принаймні з 1950 року, коли знаменита стаття Алана Тьюринга “Обчислювальна техніка та інтелект” була вперше опублікована в журналі “Mind”, комп’ютерні вчені, які цікавляться штучним інтелектом, були зачаровані ідеєю кодування розуму. Розум, згідно з теорією, не залежить від субстрату, тобто його здатність до обробки інформації не обов’язково повинна бути пов’язана з програмним забезпеченням мозку. Ми могли б завантажувати розум в комп’ютери або, можливо, створювати абсолютно нові комп’ютери повністю у світі програмного забезпечення.

Це все знайомі речі. Хоча нам ще належить створити або відтворити розум у програмному забезпеченні, окрім абстракцій найнижчої роздільної здатності, якими є сучасні нейронні мережі, не бракує вчених-комп’ютерників, які працюють над цим завданням вже зараз.

Проте менш відома робота, яку проводять дослідники з естонського Тартуського університету і французького Університету Париж-Сакле.

Замість того, щоб просто намагатися відтворити наближення розуму в програмному забезпеченні, вони звернулися до іншої проблеми: чи можна використовувати алгоритм для генерації генетичного коду для людей, які ніколи не існували? Чи можна застосувати ту ж саму технологію генеративної змагальної мережі (GAN), яка дозволяє моделям ШІ, таким як BigSleep, випльовувати переконливо реалістичні згенеровані зображення, і використати її замість цього для створення фальшивої ДНК, яку, в дусі роботи Тьюрінга, неможливо відрізнити від ДНК людини з плоті і крові?

Штучні генетичні дані

“Створення штучних генетичних даних, які були б досить реалістичними, без прямого копіювання послідовностей, є дуже складною проблемою, – розповіла Digital Trends Флора Джей, дослідниця, що спеціалізується на машинному навчанні та популяційній генетиці в Університеті Париж-Сакле. “Генетичні дані мають високу розмірність, і ви не можете просто побачити, що важливо, а що ні. Тому ми звернулися до передових методів, які застосовуються в комп’ютерному зорі, тексті, музиці або світі білків. Ці генеративні мережі – GANs і [обмежені машини Больцмана] – розроблені таким чином, що вони можуть поступово і автоматично вчитися створювати штучні генетичні послідовності”.

GAN – це клас систем машинного навчання, винайдений дослідником (і нинішнім співробітником Apple) Ієном Гудфеллоу (Ian Goodfellow), який використовує бойовий підхід перетягування канату для поліпшення своїх генеративних результатів. Він складається з двох нейронних мереж: “генератора” і “дискримінатора”, які передають вихідні дані одна одній.

Завдання генератора – створити щось, чи то картину ШІ, чи то шматок коду, що представляє штучний геном у вигляді одиниць і нулів. Дискримінатор, подібно до бот-версії перфекціоністського вчителя музики Дж.К. Сіммонса у фільмі “Хлист”, потім критикує свої зусилля і надсилає їх назад генератору. Генератор вчиться на основі цього зворотного зв’язку, а дискримінатор аналогічним чином все краще вгадує, що було створено генератором, а що є справжньою статтею. Зрештою, генератор настільки добре створює фальшиві версії того, що він намагається створити, що дискримінатор може бути обдурений. Він більше не здатен відрізнити справжнє від підробки.

“Однією з головних проблем тут є оцінка якості штучних геномів, – розповів Digital Trends Бурак Єлмен, аспірант Інституту геноміки Тартуського університету. “Ви можете подивитися на зображення і вирішити, чи виглядає воно реальним, але це неможливо для геномів. [Більшість аналізів, які ми провели в нашому дослідженні, полягали в тому, щоб побачити, чи дійсно штучні фрагменти геному, які ми створили, виглядають як справжні”.

Втім, не варто хвилюватися. Незважаючи на зростаючу масу статей про вельми сумнівні генні маніпуляції, покликані переписати людський код, ця робота не є спробою “написати” нових людей без батьків, яких можна було б створити за допомогою суперкомп’ютерів.

“Щоб внести ясність, мета нашої роботи полягає в тому, щоб краще зрозуміти і закодувати існуюче генетичне різноманіття тисяч або мільйонів людей по всьому світу, а не в тому, щоб створити штучні клітини”, – сказав Джей. “Нейронні мережі навчаються на цьому існуючому розмаїтті, тому створені ділянки геному не несуть додаткових нових мутацій, які могли б легко порушити функціональність послідовності – і вони включають в себе недоторкані сегменти, які зберігаються у всіх людських популяціях”.

Джей зазначив, що в масштабі всього геному “важко сказати”, чи дійсно конкретна комбінація мільйонів згенерованих нуклеотидів може бути “функціональною”. Іншими словами, не варто розраховувати на те, що ви скомпілюєте і запустите цей код, очікуючи, що на іншому кінці з’явиться повністю сформована людина (або її креслення). Замість цього, метою є щось зовсім менш зловісне і, потенційно, більш корисне.

Все про конфіденційність даних

“У біобанках зберігається величезна кількість даних, і вона продовжує збільшуватися з кожним днем”, – сказав Єльмен. “Однак, геномні дані є конфіденційними даними, і доступ до цих біобанків може бути складним для дослідників через етичні міркування. Основна мета нашої роботи – створити високоякісні сурогати існуючих геномних банків і забезпечити вирішення цього бар’єру доступності в безпечних етичних рамках. Важливо відзначити, що наше дослідження було першим кроком: Попереду ще багато роботи”.

додав Джей: “Ідея нашого дослідження полягає в тому, щоб почати вивчати, чи може випуск штучних геномів замість справжніх зберегти конфіденційність донорів геномів, надаючи при цьому корисну інформацію популяційній генетичній спільноті. [Можливо].

Стаття з описом проекту під назвою “Створення штучних геномів людини з використанням генеративних нейронних мереж” нещодавно була опублікована в журналі PLOS Genetics.

Рекомендації редакції

Чому ШІ ніколи не буде правити світом

Source: digitaltrends.com

Exit mobile version