شكست محققان از هوش مصنوعی

هوش مصنوعی، محققان دانشگاه راتگرز را در یك آزمون مهارت‌سنجی علمی شكست داد.

1401/08/14
|
09:04

هیچ اختراعی مانند رایانه نشان دهنده نبوغ و هوش بشریت نیست. فعالیت‌های علمی-تخیلی بی‌شماری رویارویی اجتناب ناپذیر انسان و ماشین را در آینده‌ای نه چندان دور پیش‌بینی كرده‌اند و اكنون به گفته محققان دانشگاه راتگرز، به نظر می‌رسد كه ماشین‌ها در دستكم یك موضوع علمی بر بشریت برتری یافته‌اند.

پروفسور ویكاس ناندا (Vikas Nanda) از دانشگاه راتگرز بیش از دو دهه را صرف مطالعه دقیق ماهیت پیچیده پروتئین‌ها كرده است كه مواد بسیار پیچیده‌ی موجود در همه موجودات زنده هستند.

او زندگی حرفه‌ای خود را وقف درك الگو‌های منحصربه‌فرد اسید‌های آمینه‌ای كه پروتئین‌ها را می‌سازند و تعیین اینكه آیا آن‌ها به هموگلوبین، كلاژن و ... تبدیل می‌شوند یا خیر، كرده است. علاوه بر این، پروفسور ناندا متخصص مرحله مرموز خودسامانی (self-assembly) پروتئین‌ها است. در این مرحله پروتئین‌های خاصی با هم جمع می‌شوند تا مواد پیچیده‌تری را تشكیل دهند.

بنابراین، زمانی كه نویسندگان این مطالعه تصمیم گرفتند آزمایشی را انجام دهند كه در آن یك انسان با درك عمیق و شهودی از پروتئین‌ها و خودسامانی را در برابر توانایی پیش‌بینی یك برنامه رایانه‌ای هوش مصنوعی قرار دهند، پروفسور ناندا یك گزینه عالی بود.

نویسندگان این مطالعه می‌خواستند ببینند چه كسی یا چه چیزی می‌تواند در پیش‌بینی توالی‌های پروتئینی بهتر عمل كند. پروفسور ناندا و چندین محقق دیگر؟ یا رایانه؟ نتایج منتشر شده نشان می‌دهد كه این یك رقابت نزدیك شكل گرفته، اما هوش مصنوعی انسان‌ها را با اختلاف كمی شكست داده است.

دانشمندان از خودسامانی پروتئین‌ها برای چه مواردی استفاده كنند؟

در پزشكی مدرن سرمایه‌گذاری زیادی بر روی خودسامانی پروتئین‌ها انجام شده است، زیرا بسیاری از دانشمندان بر این باورند كه درك كامل این فرآیند ممكن است منجر به تولید محصولات انقلابی متعددی برای مصارف پزشكی و صنعتی همچون بافت انسانی مصنوعی برای زخم‌ها یا كاتالیزور‌های محصولات شیمیایی جدید شود.

پروتئین‌ها از مقادیر زیادی آمینو اسید تشكیل شده‌اند كه از انتها به هم متصل شده‌اند. این زنجیره‌های آمینو اسیدی تا می‌شوند تا مولكول‌های سه بعدی با اشكال پیچیده را تشكیل دهند. ظاهر دقیق آن‌ها اهمیت دارد، زیرا ظاهر هر پروتئین و همچنین آمینو اسید‌های خاصی كه در آن وجود دارد، تعیین كننده عملكرد آن است. برخی از دانشمندان، از جمله پروفسور ناندا، به طور منظم در فعالیتی به نام "طراحی پروتئین" شركت می‌كنند و توالی‌هایی می‌سازند كه پروتئین‌های جدید تولید می‌كند.

به تازگی، پروفسور ناندا و تیمی از محققان، پروتئینی مصنوعی طراحی كردند كه قادر به تشخیص سریع عامل عصبی خطرناك موسوم به وی‌ایكس (VX) است. این پروتئین ممكن است منجر به توسعه حسگر‌های زیستی و درمان‌های جدید شود.

به دلایلی كه هنوز برای علم مدرن ناشناخته باقی مانده است، پروتئین‌ها با سایر پروتئین‌ها تركیب می‌شوند و روبنا‌های مهمی در زیست‌شناسی را تشكیل می‌دهند. گاهی اوقات به نظر می‌رسد كه پروتئین‌ها از یك طرح خاص پیروی می‌كنند، مانند زمانی كه به عنوان یك پوسته خارجی محافظ ویروس (كپسید) به یكدیگر متصل می‌شوند. با این حال، در موارد دیگر، پروتئین‌ها ظاهراً در پاسخ به یك خطا به یكدیگر می‌پیوندند و در نهایت ساختار‌های بیولوژیكی مرگبار مرتبط با بیماری‌هایی از آلزایمر تا سلول‌های داسی شكل را تشكیل می‌دهند.

هوش مصنوعی چگونه عمل كرد؟

در طول آزمایش، پروفسور ناندا و پنج همكار دیگرش فهرستی از پروتئین‌ها را دریافت كردند و باید پیش‌بینی می‌كردند كه كدام یك دچار خودسامانی می‌شوند. برنامه رایانه‌ای نیز باید همان پیش‌بینی‌ها را انجام می‌داد و سپس محققان پاسخ‌های انسان‌ها و ماشین را مقایسه می‌كردند.

شركت‌كنندگان انسانی پیش‌بینی‌های خود را بر اساس مشاهدات پروتئینی تجربی قبلی خود، مانند الگوی بار‌های الكتریكی و درجه آب‌گریزی انجام دادند. آن‌ها در نهایت پیش‌بینی كردند كه 11 پروتئین دچار خودسامانی می‌شوند. در همین حال، هوش مصنوعی از طریق یك سیستم پیشرفته یادگیری ماشینی، 9 پروتئین را انتخاب كرد.

پیش‌بینی متخصصان در شش مورد از 11 پروتئینی كه انتخاب كرده بودند، درست بود. درحالی كه نتایج هوش مصنوعی از دقت بالاتری برخوردار بود، به طوری كه شش پروتئین از 9 پروتئینی كه انتخاب كرده بود به خودسامانی دچار شدند.

نویسندگان این مطالعه توضیح می‌دهند كه شركت‌كنندگان انسانی در مورد برخی از اسید‌های آمینه خاص نسبت به سایر اسید‌های آمینه جهت‌گیری داشتند كه منجر به این پیش‌بینی‌های نادرست شد. هوش مصنوعی همچنین برخی از پروتئین‌ها را كه از گزینه‌های واضح برای خودسامانی نبودند، به درستی شناسایی كرد و راه را برای تحقیقات بیشتر گشود.

پروفسور ناندا اعتراف می‌كند كه زمانی به یادگیری ماشینی برای تحقیقات خودسامانی پروتئین‌ها اطمینان نداشت، اما اكنون او بیشتر پذیرای این روش است.

این مطالعه در مجله "Nature Chemistry" منتشر شده است.

دسترسی سریع