Σύστημα τεχνητής νοημοσύνης σχεδίασε 40.000 νέα πιθανά χημικά όπλα σε έξι ώρες

Από τα πράγματα στα οποία είναι καλή η τεχνητή νοημοσύνη είναι η διερεύνηση χιλιάδων χημικών ενώσεων για τον εντοπισμό υποψηφίων φαρμάκων. Ωστόσο,  ερευνητές ανακάλυψαν επίσης κάτι το εφιαλτικό. Η τεχνητή νοημοσύνη μπορεί να σχεδιάσει πολύ εύκολα κα πιθανά χημικά όπλα.

Σε μια πρόσφατη μελέτη που δημοσιεύτηκε στο περιοδικό Nature Machine Intelligence, μια ομάδα από τη φαρμακευτική εταιρεία Collaborations Pharmaceuticals, Inc. με τη βοήθεια της τεχνητής

νοημοσύνη εντόπισε επιτυχώς 40.000 νέα πιθανά χημικά όπλα σε μόλις 6 ώρες.

Το μόνο που έπρεπε να κάνουν οι ερευνητές ήταν να τροποποιήσουν τη μεθοδολογία τους για να αναζητήσουν τις τοξικές ουσίες. Το σύστημα τεχνητής νοημοσύνης κατέληξε σε δεκάδες χιλιάδες νέες ουσίες, μερικές από τις οποίες είναι παρόμοιες με τον VX, τον πιο ισχυρό νευροτοξικό παράγοντα που αναπτύχθηκε ποτέ. Τα ευρήματα των επιστημόνων δημοσιεύθηκαν στο περιοδικό «Nature Machine Intelligence».

Ο ιστότοπος The Verge μίλησε με τον Φάμπιο Ουρμπίνα, κύριο συγγραφέα της μελέτης και επιστήμονα στην Collaborations Pharmaceuticals, Inc. μια εταιρεία που επικεντρώνεται στην εξεύρεση φαρμακευτικών θεραπειών για σπάνιες ασθένειες.

«Ανησυχώ για το πόσο εύκολο ήταν να γίνει. Πολλές από τις ενώσεις που χρησιμοποιήσαμε μπορείς να τις βρεις εκεί έξω δωρεάν. Μπορείτε να πάτε και να κατεβάσετε ένα σύνολο δεδομένων τοξικότητας από οπουδήποτε. Εάν έχετε κάποιον που ξέρει πώς να κωδικοποιεί σε Python και έχει κάποιες δυνατότητες μηχανικής εκμάθησης, τότε πιθανότατα σε ένα Σαββατοκύριακο , θα μπορούσε να δημιουργήσει κάτι σαν αυτό το παραγωγικό μοντέλο που βασίζεται σε τοξικά σύνολα δεδομένων», δήλωσε ο Φάμπιο Ούρμπινα, επικεφαλής συγγραφέας της εργασίας, στο χείλος.

Για να ανακατευθυνθεί η τεχνική νοημοσύνη και να προτείνει κάτι που προκαλεί βλάβη αντί να θεραπεύει, οι ερευνητές έπρεπε να την κατευθύνουν προς τον εντοπισμό της τοξικότητας.

Στις 6 ώρες που έτρεξαν την τεχνική νοημοσύνη, έγιναν κάποιες τρομακτικές εξελίξεις. Αφού στόχευσαν στη δημιουργία ενώσεων που χρησιμοποιούνται στον χημικό πόλεμο.

Γιατί κάνατε αυτή τη μελέτη για τα βιοχημικά όπλα;

Λάβαμε μια πρόσκληση από το συνέδριο που διοργάνωσε το Ελβετικό Ομοσπονδιακό Ινστιτούτο Πυρηνικής, Βιολογικής και Χημικής Προστασίας. Η ιδέα του συνεδρίου ήταν να ενημερώσει την επιστημονική κοινότητα για τις νέες εξελίξεις που μπορεί να έχουν επιπτώσεις στη Σύμβαση για τα χημικά/βιολογικά όπλα.

«Λάβαμε αυτή την πρόσκληση για να μιλήσουμε για τη μηχανική μάθηση και τις πιθανότητες κατάχρησής της. Είναι κάτι που δεν είχαμε σκεφτεί ποτέ πριν. Υπάρχουν πολλά σύνολα δεδομένων από μόρια που έχουν δοκιμαστεί για να διαπιστωθεί αν είναι τοξικά ή όχι. Εμείς εστιάσαμε στον VX. Πρόκειται για έναν αναστολέα της λεγόμενης ακετυλοχολινεστεράσης. Οι νευροτοξικοί παράγοντες όπως ο VX, προκαλούν υπερβολικό ερεθισμό των αδένων και των μυών, με αποτέλεσμα να τους κουράζουν», είπε ο Φάμπιο Ουρμπίνα.

«Ο VX προσβάλλει τη λειτουργία της αναπνοής και μπορεί να προκαλέσει τον θάνατο μέσα σε μερικά λεπτά μετά την έκθεση σε αυτόν. Στο παρελθόν έχουν γίνει πειράματα με διαφορετικούς τύπους μορίων για να διαπιστωθεί αν αναστέλλουν την ακετυλοχολινεστεράση. Έτσι, δημιουργήσαμε αυτά τα μεγάλα σύνολα δεδομένων των συγκεκριμένων μοριακών δομών και σημειώσαμε το επίπεδο τοξικότητάς τους».

«Μπορούμε να χρησιμοποιήσουμε αυτά τα σύνολα δεδομένων για να δημιουργήσουμε ένα μοντέλο μηχανικής μάθησης, το οποίο ουσιαστικά μαθαίνει ποια μέρη της μοριακής δομής είναι σημαντικά για την τοξικότητα και ποια όχι. Στη συνέχεια, μπορούμε να τροφοδοτήσουμε αυτό το μοντέλο με νέα μόρια, ενδεχομένως νέα φάρμακα που ίσως δεν έχουν δοκιμαστεί ποτέ πριν. Αυτός είναι ένας τρόπος για να ελέγξουμε πολλά μόρια σε μικρό χρονικό διάστημα, ώστε να ξεχωρίσουμε αυτά που προβλέπεται να είναι τοξικά. Στη δική μας μελέτη αντιστρέψαμε τη διαδικασία και χρησιμοποιήσαμε αυτό το μοντέλο για να προβλέψουμε την τοξικότητα».

«Εάν τροφοδοτήσουμε ένα μοντέλο με διαφορετικές δομές, αυτό θα μάθει πώς να συνθέτει τα μόρια μεταξύ τους. Στη συνέχεια μπορούμε να του ζητήσουμε να δημιουργήσει νέα μόρια».

«Το μοντέλο μπορεί να δημιουργήσει νέα μόρια τα οποία θα είναι κατά κάποιο τρόπο τυχαία. Αλλά ένα πράγμα που μπορούμε να κάνουμε είναι να πούμε στο μοντέλο προς ποια κατεύθυνση θέλουμε να κινηθούμε. Αυτό το κάνουμε δίνοντάς του μια μικρή συνάρτηση βαθμολόγησης, η οποία του δίνει υψηλή βαθμολογία αν τα μόρια που παράγει είναι προς κάτι που θέλουμε. Στη συγκεκριμένη περίπτωση, αντί να δώσουμε χαμηλή βαθμολογία στα τοξικά μόρια, τους δίνουμε υψηλή. Τώρα βλέπουμε το μοντέλο να αρχίζει να παράγει όλα αυτά τα μόρια, πολλά από τα οποία μοιάζουν με τον VX αλλά και με άλλους χημικούς πολεμικούς παράγοντες».

«Χωρίς να είμαστε υπερβολικά ανήσυχοι, τα πειράματα που κάναμε θα πρέπει να μας αφυπνίσουν», γράφουν οι συγγραφείς.

«Η πραγματικότητα είναι ότι αυτό δεν είναι επιστημονική φαντασία. Είμαστε μια πολύ μικρή εταιρεία σε ένα σύμπαν πολλών εκατοντάδων εταιρειών που χρησιμοποιούν λογισμικό τεχνητής νοημοσύνης για την ανακάλυψη φαρμάκων και τον de novo σχεδιασμό. Πόσοι από αυτούς έχουν σκεφτεί ακόμη και τον επαναπροσδιορισμό ή την κακή χρήση των δυνατοτήτων;».

ΠΡΙΝ ΦΥΓΕΤΕΣχέδιο βιοχημικής δολοφονίας του Κιμ Γιονγκ Ουν από τη CIA καταγγέλλει η Βόρεια ΚορέαΗ HuffPost Greece στα άδυτα του ελληνικού... CSIAποκλειστικό Reuters: Η ρωσική εισβολή φουντώνει την ευρωπαϊκή ζήτηση για όπλα των ΗΠΑ
Keywords
Τυχαία Θέματα
Σύστημα, 40 000,systima, 40 000