Για πρώτη φορά, ερευνητές χρησιμοποίησαν τεχνητή νοημοσύνη όχι απλώς για να αναλύσουν ιούς ή να αντιγράψουν γνωστά γονιδιώματα, αλλά για να σχεδιάσουν από την αρχή νέους ιούς που δεν έχουν εντοπιστεί ποτέ στη φύση, έγραψαν οι New York Times.

Η μελέτη, που δημοσιεύθηκε στο επιστημονικό περιοδικό Science, θεωρείται ορόσημο για τη συνθετική βιολογία.

Ταυτόχρονα, όμως, αναζωπυρώνει μια πολύ σοβαρή συζήτηση – εάν η ίδια τεχνολογία που μπορεί να χρησιμοποιηθεί για νέες θεραπείες και βιοτεχνολογικές εφαρμογές θα μπορούσε κάποτε να αξιοποιηθεί και για τη δημιουργία επικίνδυνων παθογόνων.

Οι επιστήμονες από το Πανεπιστήμιο Στάνφορντ και το ερευνητικό Ινστιτούτο Arc, στο Πάλο Άλτο της Καλιφόρνιας, εκπαίδευσαν ένα μοντέλο τεχνητής νοημοσύνης ώστε να αναγνωρίζει τους «κανόνες» με τους οποίους είναι οργανωμένο το DNA στη φύση. Στη συνέχεια του ζήτησαν να δημιουργήσει σχέδια για εντελώς νέα ιικά γονιδιώματα.

Από εκατοντάδες χιλιάδες προτάσεις του μοντέλου, οι ερευνητές επέλεξαν μερικές εκατοντάδες για περαιτέρω μελέτη. Από αυτές, 16 οδήγησαν τελικά σε βιώσιμους νέους ιούς, ικανούς να μολύνουν βακτήρια και να αναπαράγονται.

«Πρόκειται για ένα σημαντικό ορόσημο», σχολίασε ο Πάτρικ Κάι, συνθετικός βιολόγος στο Πανεπιστήμιο του Μάντσεστερ, ο οποίος δεν συμμετείχε στη μελέτη.

Από το «γλωσσικό μοντέλο» στο DNA

Το μοντέλο που χρησιμοποιήθηκε ονομάζεται Evo και λειτουργεί, σε γενικές γραμμές, με μια λογική που θυμίζει εκείνη των μεγάλων γλωσσικών μοντέλων.

Όπως ένα σύστημα τύπου ChatGPT μαθαίνει να προβλέπει ποιες λέξεις είναι πιθανό να ακολουθήσουν μέσα σε μια πρόταση, έτσι το Evo εκπαιδεύτηκε να αναγνωρίζει μοτίβα μέσα σε τεράστιες αλληλουχίες DNA.

Η αναλογία δεν είναι τυχαία. Το DNA μπορεί να ιδωθεί σαν ένα τεράστιο «κείμενο», γραμμένο με μόλις τέσσερα γράμματα: A, C, G και T. Οι αλληλουχίες αυτών των «γραμμάτων» κωδικοποιούν τις οδηγίες για την παραγωγή πρωτεϊνών και άλλων βιολογικών μορίων.

Όπως μια ανθρώπινη γλώσσα έχει γραμματική και συντακτικούς κανόνες, έτσι και το DNA ακολουθεί δικούς του βιολογικούς κανόνες. Αν μια αλληλουχία τους παραβιάζει, το αποτέλεσμα είναι ουσιαστικά «βιολογικός θόρυβος» που δεν λειτουργεί.

Οι επιστήμονες γνωρίζουν ήδη αρκετούς από αυτούς τους κανόνες, όχι όμως όλους. Έτσι θέλησαν να διαπιστώσουν εάν ένα μοντέλο τεχνητής νοημοσύνης θα μπορούσε να τους ανακαλύψει μόνο του.

Για την εκπαίδευση του Evo χρησιμοποιήθηκαν γενετικές αλληλουχίες από εκατομμύρια ζώα, φυτά, μικρόβια και ιούς. Συνολικά, το σύστημα επεξεργάστηκε περίπου εννέα τρισεκατομμύρια νουκλεοτίδια.

Σταδιακά άρχισε να αναγνωρίζει κοινά μοτίβα σε διαφορετικές μορφές ζωής και να σχεδιάζει νέα γονίδια που μπορούσαν να κωδικοποιούν πρωτεΐνες με συγκεκριμένες λειτουργίες.

Το επόμενο ερώτημα ήταν αναπόφευκτο – θα μπορούσε να σχεδιάσει όχι μόνο ένα γονίδιο, αλλά ένα ολόκληρο γονιδίωμα;

Γιατί ξεκίνησαν με ιούς

Ένα ανθρώπινο γονιδίωμα περιέχει περισσότερα από τρία δισεκατομμύρια νουκλεοτίδια. Πολλοί ιοί, αντίθετα, διαθέτουν γονιδιώματα μήκους μόλις μερικών χιλιάδων.

Για τον λόγο αυτό, οι ερευνητές επέλεξαν να ξεκινήσουν με έναν πολύ μικρό και καλά μελετημένο βακτηριοφάγο, τον Φι Χ-174.

Ο συγκεκριμένος ιός μελετάται εδώ και σχεδόν έναν αιώνα και μολύνει αποκλειστικά βακτήρια E. coli. Αυτό είχε ιδιαίτερη σημασία για την ασφάλεια του πειράματος, καθώς ιοί παρόμοιοι με αυτόν δεν μπορούν να μολύνουν ανθρώπους.

Ο Σάμιουελ Κινγκ, μεταπτυχιακός ερευνητής στο Στάνφορντ και ένας από τους συγγραφείς της μελέτης, περιέγραψε την επιλογή αυτή ως το «προφανές επόμενο βήμα».

Το Evo εκπαιδεύτηκε επιπλέον στα 11 γονίδια του Φι Χ-174 και σε περίπου 15.000 συγγενικούς ιούς.

Στη συνέχεια το μοντέλο δημιούργησε περίπου 700.000 πιθανά νέα γονιδιώματα.

Οι επιστήμονες δεν προσπάθησαν να κατασκευάσουν όλα αυτά τα σχέδια. Επέλεξαν εκείνα που, βάσει της ανάλυσής τους, είχαν τις περισσότερες πιθανότητες να λειτουργήσουν.

Από 285 σχέδια, τα 16 «ζωντάνεψαν»

Τελικά κατασκευάστηκαν μόρια DNA που αντιστοιχούσαν σε 285 προτεινόμενες αλληλουχίες του Evo.

Οι περισσότερες δεν λειτούργησαν.

Σε πολλά από τα πειράματα τα βακτήρια συνέχισαν να αναπτύσσονται κανονικά, ένδειξη ότι τα τεχνητά γονιδιώματα δεν είχαν καταφέρει να δημιουργήσουν λειτουργικούς ιούς.

Σε ορισμένες περιπτώσεις, όμως, εμφανίστηκαν χαρακτηριστικές καθαρές περιοχές στις καλλιέργειες βακτηρίων – σημάδι ότι οι ιοί είχαν αρχίσει να πολλαπλασιάζονται και να καταστρέφουν τα κύτταρα που μόλυναν.

Το συνθετικό DNA είχε δώσει τις οδηγίες για την κατασκευή πρωτεϊνικών περιβλημάτων που περιείχαν τα νέα ιικά γονίδια. Οι ιοί πολλαπλασιάστηκαν μέσα στα βακτήρια και στη συνέχεια τα κύτταρα διαρρήχθηκαν, απελευθερώνοντάς τους.

Συνολικά, 16 από τα γονιδιώματα που δημιούργησε η τεχνητή νοημοσύνη παρήγαγαν βιώσιμους νέους ιούς.

Και δεν ήταν απλώς αδύναμες ή προβληματικές παραλλαγές φυσικών ιών.

Ο Όλιβερ Κρουκ, χημικός πρωτεϊνών στο Πανεπιστήμιο της Οξφόρδης, ο οποίος δεν συμμετείχε στην έρευνα, σημείωσε:

«Δεν πρόκειται απλώς για άρρωστες εκδοχές πραγμάτων που ήδη υπάρχουν».

Ορισμένοι από τους νέους ιούς, μάλιστα, πολλασιάζονταν ταχύτερα από τον φυσικό Φι Χ-174.

Δεν είναι εντελώς «εξωγήινοι» ιοί

Οι επιστήμονες επισημαίνουν, πάντως, ότι οι 16 ιοί δεν αποτελούν ριζικά νέες μορφές ζωής.

Παρότι οι ακριβείς γενετικές τους αλληλουχίες δεν υπάρχουν στη φύση, παραμένουν αρκετά κοντά στους φυσικούς ιούς πάνω στους οποίους εκπαιδεύτηκε το σύστημα και χρησιμοποιούν τις ίδιες βασικές βιολογικές αρχές.

Το επόμενο κρίσιμο ερώτημα είναι εάν το Evo θα μπορούσε να πετύχει ανάλογα αποτελέσματα αν εκπαιδευόταν πάνω σε άλλες οικογένειες ιών.

Εάν αυτό αποδειχθεί εφικτό, οι ερευνητές εκτιμούν ότι θα μπορούσαν να δημιουργηθούν νέοι ιοί με χρήσιμες ιδιότητες για την ιατρική και τη βιοτεχνολογία.

«Μεγάλο μέρος της επιστήμης μας βασίζεται στους ιούς ως τεχνολογία», εξήγησε ο Κρουκ.

Ένα χαρακτηριστικό παράδειγμα είναι οι γονιδιακές θεραπείες, στις οποίες τροποποιημένοι ιοί χρησιμοποιούνται ως «οχήματα» για να μεταφέρουν θεραπευτικά γονίδια μέσα στα ανθρώπινα κύτταρα.

Η σκοτεινή πλευρά της ανακάλυψης

Η ίδια δυνατότητα, όμως, προκαλεί αναπόφευκτα ανησυχία.

Ο Μόριτς Χάνκε, ερευνητής στο Κέντρο Ασφάλειας Υγείας του Πανεπιστημίου Τζονς Χόπκινς, προειδοποιεί ότι η πρόοδος της τεχνητής νοημοσύνης στη βιολογία κινείται ταχύτερα από τη δημιουργία των αναγκαίων κανόνων ασφαλείας.

Κατά τον ίδιο, θα μπορούσε θεωρητικά κάποιος στο μέλλον να ζητήσει από ένα αντίστοιχο γενετικό μοντέλο να σχεδιάσει έναν γνωστό ανθρώπινο ιό με ιδιότητες που θα τον έκαναν περισσότερο μεταδοτικό ή θανατηφόρο.

«Υπάρχει μια τεράστια απόσταση ανάμεσα στα δύο», είπε, αναφερόμενος στην ταχύτητα της επιστημονικής προόδου και στην ανάπτυξη των απαραίτητων προστατευτικών μηχανισμών.

Οι ίδιοι οι δημιουργοί του Evo είχαν αυτόν τον κίνδυνο κατά νου.

Γι’ αυτό δεν εκπαίδευσαν το μοντέλο με δεδομένα από ιούς που μολύνουν ανθρώπους. Απέκλεισαν επίσης συγγενικούς ιούς που μολύνουν άλλα ζώα, φυτά και μύκητες, ώστε να μειώσουν την πιθανότητα το σύστημα να μπορεί να παράγει σχέδια με άμεση επικινδυνότητα για τον άνθρωπο.

«Θέλαμε απλώς να είμαστε υπερβολικά προσεκτικοί», δήλωσε ο Μπράιαν Χάι, υπολογιστικός βιολόγος στο Πανεπιστήμιο Στάνφορντ και μέλος της ερευνητικής ομάδας.

Ο Χάνκε χαρακτήρισε την επιλογή αυτή αξιέπαινη, επισημαίνοντας όμως παράλληλα το θεσμικό κενό: «Νομίζω ότι είναι πραγματικά αξιέπαινο, επειδή δεν λαμβάνουν ουσιαστικά καμία καθοδήγηση από πουθενά σχετικά με το τι πρέπει να κάνουν».

Οι κανονισμοί δεν έχουν προλάβει ακόμη την τεχνολογία

Τα Εθνικά Ινστιτούτα Υγείας των ΗΠΑ παρουσίασαν πρόσφατα νέα πολιτική για τον περιορισμό ερευνητικών πειραμάτων υψηλού κινδύνου στις βιοεπιστήμες.

Το πλαίσιο απαγορεύει πειράματα που θα μπορούσαν να κάνουν συγκεκριμένους βιολογικούς παράγοντες πιο επικίνδυνους.

Υπάρχει, όμως, ένα δύσκολο ζήτημα: η αμιγώς υπολογιστική έρευνα, όπως η δημιουργία νέων αλληλουχιών DNA από τεχνητή νοημοσύνη, δεν απαγορεύεται αυτομάτως, εκτός εάν αφορά ήδη έναν βιολογικό παράγοντα που χαρακτηρίζεται επισήμως ως επικίνδυνος.

Σε έναν γνωστό φυσικό ιό, όπως εκείνον της ευλογιάς, η αξιολόγηση είναι σχετικά ξεκάθαρη.

Τι γίνεται όμως όταν το αντικείμενο της αξιολόγησης είναι ένας ιός που δεν υπήρξε ποτέ πριν και σχεδιάστηκε από έναν αλγόριθμο;

Εκεί, όπως επισημαίνει ο Χάνκε, η επιστήμη δεν έχει ακόμη συμφωνήσει ούτε καν στο πώς πρέπει να μετρηθεί ο κίνδυνος.

«Ποιος είναι ο κίνδυνος από κάτι που δεν έχω ξαναδεί ποτέ;», διερωτήθηκε.

Και αυτό ίσως είναι το σημαντικότερο ερώτημα που αφήνει πίσω της η νέα μελέτη – όχι μόνο ότι η τεχνητή νοημοσύνη μπορεί πλέον να διαβάζει τη βιολογία, αλλά ότι αρχίζει να αποκτά τη δυνατότητα να γράφει νέες βιολογικές μορφές που η φύση δεν έχει δημιουργήσει ποτέ.