به گزارش ایسنا، یک سیستم هوش مصنوعی میتواند به دانشمندان در شناسایی یک داروی جدید امیدوارکننده کمک کند، همچنین میتواند آنها را متقاعد کند که یک اثر بیولوژیکی وجود دارد، در حالی که وجود ندارد.
هوش مصنوعی مولد با یادگیری ویژگیها و روابط مشترک از نمونههای موجود، محتوای جدیدی ایجاد میکند. اگرچه این فناوری بیشتر به تولید متن و تصاویر شناخته شده است، اما محققان در حال بررسی کاربرد آن در طراحی پروتئینها، شبیهسازی سلولها، پر کردن شکافها در نتایج تجربی و تولید دادههای بیولوژیکی مصنوعی هستند.
نکته حائز اهمیت این است که این سیستمها میتوانند توهم نیز ایجاد کنند. این امر در تحقیقات بیولوژیکی میتواند به معنای تولید یک الگوی مولکولی یا استنتاج با ظاهری قابل قبول باشد که منعکس کننده زیستشناسی اساسی نیست.
چنین خطایی میتواند عواقب ملموسی داشته باشد. هوش مصنوعی ممکن است یک کاندیدای دارویی را که میتوانست مؤثر باشد، نادیده بگیرد، محققان را به سمت یک درمان ناکارآمد هدایت کند، یک اثر بیولوژیکی واقعی را پنهان کند یا یک مکانیسم بیماری که وجود ندارد را مانند یک کشف جلوه دهد.
توماس برگر(Thomas Burger)، زیستشناس محاسباتی از دانشگاه گرنوبل آلپ(Grenoble Alpes) در فرانسه، این مشکل را در ۱۰ کاربرد بالقوه هوش مصنوعی مولد در مقالهای که در مجلهی «Patterns» منتشر شده است، بررسی میکند.
آزمایشهای اومیکس(Omics) میتوانند مجموعه دادههای گستردهای شامل اندازهگیری ژنها، پروتئینها و سایر مولکولها را تولید کنند. هوش مصنوعی میتواند به محققان کمک کند تا این حجم عظیم اطلاعات را درک کنند، اما تشخیص تغییرات ظریف وارد شده به چنین دادههای پیچیدهای میتواند دشوار باشد.
برگر میگوید همه این کاربردها سطح ریسک یکسانی ندارند. تفاوت کلیدی این است که آیا خروجی هوش مصنوعی ایدهای است که بعداً در یک آزمایش واقعی آزمایش میشود یا دادههای مصنوعی که مستقیماً به عنوان مدرک استفاده میشوند.
برگر میگوید: من تاکنون هرگز به این موضوع فکر نکردهام، اما حدس میزنم ممکن است توهماتی وجود داشته باشد که منجر به اکتشافات واقعی شود.
غربالگری داروها یا پروتئینهای بالقوه از جمله کاربردهای نسبتاً کمخطر است. یک مدل میتواند به سرعت تعداد زیادی از …
