ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ: ΔΗΜΙΟΥΡΓΕΙ ΦΑΡΜΑΚΑ, ΑΛΛΑ ΚΑΙ ΒΙΟΧΗΜΙΚΑ ΟΠΛΑ

Οι δυνατότητες που μας παρέχει η τεχνητή νοημοσύνη και το machine learning μπορεί να οδηγήσουν στην ανακάλυψη νέων φαρμάκων ακόμα και για σπάνιες ασθένειες. Φαίνεται όμως πως με ανάλογη ευκολία μπορεί να δημιουργήσουν όπλα ικανά να σπείρουν τον όλεθρο.

Πολλοί προσπαθούν να δημιουργήσουν κάποιο νέο φάρμακο, λίγοι όμως το καταφέρνουν. Όπως έχουμε αναλύσει διεξοδικά, είναι μια διαδικασία που απαιτεί πολύ χρόνο και χρήμα, χωρίς να έχει εξασφαλισμένο αποτέλεσμα.

Καταλαβαίνεις ότι σε πανδημίες όπως αυτή που διανύουμε το κάθε εργαστήριο δεν δουλεύει για τον «εαυτό του». Τα μεγαλύτερα και κορυφαία στο είδος τους μοιράζονται στοιχεία. Φτιάχνονται μεγαλύτερες τράπεζες δεδομένων, επιστρατεύονται τα πιο εξελιγμένα supercomputers (δηλαδή η τελειότερη υπαρκτή μορφή machine learning, με δυνατότητα για 200 τρισεκατομμύρια υπολογισμούς το δευτερόλεπτο) και δοκιμάζονται προϋπάρχουσες ανακαλύψεις (παραδείγματος χάριν, το συνθετικό mRNA, στο οποίο βασίστηκε το εμβόλιο της Moderna και της Pfizer, στην περίπτωση της Covid-19).

Τι είναι το machine learning

Νιώθω την ανάγκη να σου εξηγήσω τι εστί machine learning λίγο καλύτερα, μιλώντας για τη δουλειά της Ayasdi, μιας startup με έδρα στο Palo Alto στην Καλιφόρνια. Ιδρύθηκε το 2008, από υπολογιστικούς μαθηματικούς, απόφοιτους του μαθηματικού τμήματος του Stanford. Είχε προηγηθεί η πρόσκληση ενδιαφέροντος της Υπηρεσίας Προηγμένων Ερευνητικών Έργων Άμυνας (Defense Advanced Research Projects Agency) και του Εθνικού Ιδρύματος Επιστημών (National Science Foundation) για δημιουργία λογισμικού εκμάθησης μηχανών.

Την περασμένη δεκαετία, συγκέντρωσε 55 εκατομμύρια δολάρια για τη διερεύνηση της «νοημοσύνης των μηχανών». Το machine learning είναι πεδίο της πληροφορικής που χρησιμοποιεί εξελιγμένους αλγόριθμους ανάλυσης δεδομένων, οι οποίοι προσφέρουν στις μηχανές την ικανότητα να «μάθουν» να διαχειρίζονται τα data που λαμβάνουν, δίχως αναλυτικό προγραμματισμό.

Για να σε βοηθήσω, το λεξικό Τ9 στο κινητό σου, που διορθώνει/συμπληρώνει λέξεις ενώ πληκτρολογείς, είναι προϊόν machine learning. Στην ιατρική, το machine learning αξιοποιείται για την ανίχνευση ασθενειών – και προφανώς «βλέπει» περισσότερα από ένα ζευγάρι μάτια.

Το concept της Ayasdi ήταν ξεκάθαρο: οι μηχανές θα γλίτωναν χρόνο από τους εργαζομένους , ώστε αυτοί να μπορούν να είναι πιο παραγωγικοί και να οδηγούνται σε θεμελιώδεις ανακαλύψεις, που ξεπερνούν τα ανθρώπινα όρια. Οι μηχανές θα έβρισκαν την καλύτερη δυνατή λύση σε κάθε περίπτωση, την απάντηση σε κάθε ερώτηση.

Τεχνητή νοημοσύνη: Φίλος ή εχθρός;

Προφανώς και η τεχνητή νοημοσύνη είναι φίλη μας. Μπορεί όμως να γίνει και εχθρός μας. Πώς;

Το τελευταίο ερεύνησε η Collaborations Pharmaceuticals. Πρόκειται για ιδιωτική εταιρεία που εκτελεί έρευνες σε καινοτόμες θεραπείες για σπάνιες και μολυσματικές ασθένειες. Μετά, περνάει στη δημιουργία των κατάλληλων σκευασμάτων. Συνεργάζεται με ακαδημαϊκούς και εταιρείες για να εντοπίσει και να ερμηνεύσει δεδομένα από προκλινικές μελέτες.

Η εταιρεία αυτή έκανε πειράματα χρησιμοποιώντας αλγόριθμο Artificial Intelligence, που δημιουργήθηκε για να αναζητήσει χρήσιμα φάρμακα. Μια τροποποίηση που έγινε στον αλγόριθμο τον προσανατόλισε όχι στην εξάλειψη τοξικών ουσιών, αλλά στην αναζήτησή τους. Αυτό είχε ως αποτέλεσμα να εμφανιστούν 40.000 διαφορετικές εκδοχές βιοχημικών όπλων, σε μόλις έξι ώρες.

Ελένη Καστρινογιάννη

Η σχετική μελέτη δημοσιεύτηκε στο Nature Machine Intelligence. Όπως έγινε γνωστό, «διεθνές συνέδριο ασφαλείας, το Swiss Federal Institute for Νuclear, Βiological and Chemical Protection, διερεύνησε πώς οι τεχνολογίες τεχνητής νοημοσύνης (AI) που επιστρατεύονται για την ανακάλυψη φαρμάκων θα μπορούσαν να χρησιμοποιηθούν καταχρηστικά για τον εξαρχής σχεδιασμό βιοχημικών όπλων. Ένα πείραμα εξελίχθηκε σε υπολογιστική απόδειξη».

Παρεμπιπτόντως, το Ομοσπονδιακό Ινστιτούτο που είχε την απορία δημιουργήθηκε από την κυβέρνηση της Ελβετίας για να εντοπίσει τις εξελίξεις στη χημεία, τη βιολογία και τις τεχνολογίες ενεργοποίησης που μπορεί να έχουν επιπτώσεις στις συμβάσεις για τα χημικά και βιολογικά όπλα. Συγκαλούνται συσκέψεις ανά διετία και σε αυτές εμφανίζονται διεθνή γκρουπ επιστημόνων και ειδικών για να εξερευνήσουν την τρέχουσα κατάσταση στην «τέχνη» των χημικών και βιολογικών πεδίων, μαζί με τις επιπτώσεις που μπορεί να έχουν στην ασφάλεια και πώς μπορούν να τις διαχειριστούν αποτελεσματικά σε διεθνές επίπεδο.

Τεχνητή νοημοσύνη στο όριο

Μεταξύ των παρευρισκόμενων στην τελευταία συνεδρίαση ήταν η Collaborations Pharmaceuticals, που είχε ως ζητούμενο να παρουσιάσει πώς μπορεί να γίνει κατάχρηση των τεχνολογιών τεχνητής νοημοσύνης που χρησιμοποιούνται για την ανακάλυψη φαρμάκων. Βρήκαν κάτι που θα έλεγες πως είναι ανησυχητικό.

«Ουδέποτε στο παρελθόν είχαμε αυτή την σκέψη, περί κατάχρησης των τεχνολογιών μας», γράφουν οι επιστήμονες στην αναφορά. «Υπήρχε μια αόριστη επίγνωση των ανησυχιών για την ασφάλεια, που έχει να κάνει με την έρευνα σε παθογόνα και τοξικά χημικά. Εντούτοις, δεν ήταν κάτι που μας αφορούσε, καθώς λειτουργούμε κυρίως σε εικονικό περιβάλλον.

»Η δουλειά μας στηρίζεται στη δημιουργία μοντέλων μηχανικής μάθησης (machine learning) για θεραπευτικούς και τοξικούς στόχους, ώστε να συνδράμουμε στο σχεδιασμό νέων μορίων για την ανακάλυψη φαρμάκων.

»Εδώ και δεκαετίες χρησιμοποιούμε υπολογιστές και την τεχνητή νοημοσύνη προκειμένου να βελτιώσουμε την ανθρώπινη υγεία και όχι για να την υποβαθμίσουμε.

»Υπήρξαμε αφελείς ως προς τις σκέψεις για ενδεχόμενη κακή χρήση των προϊόντων μας, από τη στιγμή που ο στόχος μας ήταν πάντα να αποφύγουμε μοριακά χαρακτηριστικά τα οποία θα μπορούσαν να επηρεάσουν τις πολλές διαφορετικές κατηγορίες πρωτεϊνών που είναι απαραίτητες για την ανθρώπινη ζωή.

»Ακόμη και τα όσα κάναμε για τον ιό Έμπολα και τις νευροτοξίνες θα μπορούσαν να έχουν προκαλέσει σκέψεις για δυνητική αρνητική επίπτωση των μοντέλων machine learning. Δεν είχε ηχήσει ωστόσο ακόμα ο κώδωνας του κινδύνου».

Τώρα που έγινε ξεκάθαρο ότι υπάρχει πρόβλημα είναι ήδη αργά, καθώς έχει ήδη γίνει κατάχρηση.