زاکربرگ، گوگل و دولت آمریکا برای ساخت نقشه هوشمند سلول‌ها متحد شدند

هوش مصنوعی حالا فقط برای نوشتن متن یا ساختن تصویر استفاده نمی‌شود. شرکت‌های بزرگ فناوری می‌خواهند از آن برای فهمیدن پیچیده‌ترین فرایندهای زیستی هم کمک بگیرند؛ از رفتار سلول‌ها گرفته تا پیدا کردن داروهای تازه. در همین مسیر، متا، گوگل و دولت آمریکا با حمایت بیوهب، یک برنامه بزرگ برای جمع کردن داده‌های زیست‌شناسی و ساخت مدل‌های دقیق‌تر شروع کرده‌اند.

طبق گزارش رویترز، مجموع تعهدهای مالی این برنامه به حدود ۱.۸ میلیارد دلار می‌رسد. هدف این است که مجموعه‌ای باز و قابل استفاده از داده‌های زیستی ساخته شود؛ داده‌هایی که پژوهشگران بتوانند برای آموزش مدل‌های هوش مصنوعی و آزمایش فرضیه‌های جدید از آنها استفاده کنند. این پروژه بخشی از طرحی است که با عنوان ابتکار زیست‌شناسی مجازی شناخته می‌شود.

دنیای سلول‌ها آن‌قدر پیچیده است که حتی یک تغییر کوچک در یک پروتئین می‌تواند واکنش زنجیره‌ای ایجاد کند. دانشمندان برای فهم این فرایندها به آزمایش‌های طولانی و گران نیاز دارند. هوش مصنوعی می‌تواند با بررسی حجم بزرگی از داده‌ها، الگوهایی را پیدا کند که از چشم انسان پنهان می‌مانند. اگر مدل به اندازه کافی داده خوب داشته باشد، شاید بتواند پیش‌بینی کند یک دارو روی سلول خاصی چه اثری می‌گذارد.

اما کمبود داده استاندارد یکی از موانع مهم است. اطلاعات بسیاری از آزمایشگاه‌ها در قالب‌های مختلف ذخیره شده و گاهی شرایط انجام آزمایش‌ها هم به‌درستی ثبت نمی‌شود. نتیجه این است که مدل‌ها نمی‌توانند به‌راحتی داده‌های چند منبع را کنار هم بگذارند. سرمایه‌گذاری تازه قرار است همین مشکل را هدف بگیرد و زیرساختی بسازد که داده‌ها با کیفیت بالاتر و قوانین روشن‌تر در دسترس قرار گیرند.

برای متا و گوگل، این پروژه فقط یک کار پژوهشی نیست. هر دو شرکت در حال توسعه مدل‌های بزرگ هستند و می‌دانند کیفیت مدل به کیفیت داده وابسته است. گوگل از قبل در حوزه زیست‌محاسبات و طراحی پروتئین فعال بوده و متا هم روی مدل‌های باز و ابزارهای علمی تمرکز کرده است. حضور دولت آمریکا هم می‌تواند دسترسی به مجموعه‌های تحقیقاتی عمومی و مراکز دانشگاهی را ساده‌تر کند.

با وجود این، ساخت مدل زیستی قابل اعتماد زمان می‌برد. پیش‌بینی یک رفتار سلولی در رایانه با آزمایش واقعی فرق دارد و هر نتیجه باید در آزمایشگاه بررسی شود. علاوه بر آن، مسائل اخلاقی و حریم خصوصی هم اهمیت زیادی دارند؛ مخصوصاً وقتی داده‌ها به ژنتیک انسان یا نمونه‌های بالینی مربوط می‌شوند.

اگر این همکاری به نتیجه برسد، پژوهشگران کوچک‌تر هم می‌توانند به ابزارهایی دسترسی پیدا کنند که قبلاً فقط در اختیار شرکت‌های بزرگ داروسازی بود. چنین اتفاقی ممکن است روند کشف دارو را کوتاه‌تر و ارزان‌تر کند. البته وعده‌های بزرگ در این حوزه زیاد بوده و موفقیت نهایی به کیفیت داده، شفافیت پروژه و امکان تکرار نتایج بستگی دارد.

منبع: Reuters