Az elmúlt évtized tanulsága, amelyet az mesterséges intelligencia (MI) területén dolgozó szakemberek is megtapasztaltak, most a biológusok számára is világossá válik: az emberi tudás előítéletei sokszor akadályozzák a haladást. Richard Sutton számítógéptudós 2019-ben azt írta, hogy „a tudatok tényleges tartalma rendkívül, megváltoztathatatlanul összetett”, és a legeredményesebb MI-eredmények ott születtek, ahol az emberek visszaléptek, és hatékonyabb számítógépes módszerek vették át a szerepet.
Ezt a tanulságot — egyfajta megsemmisítő leckét — most a biológiai kutatás is tanulja meg. A szerző többnapos bostoni találkozókat tartott vezető biotechnológiai gondolkodókkal egy podcast-sorozat előkészítéseként, amely az ősz folyamán kerül adásba. A beszélgetések alapján egyértelmű: maga a tudománykép, amelyet eddig használtunk, megváltozott, és a változás csak gyorsulni fog.
Mintafelismerés és brutális adatfeldolgozás a hipotézisek helyett
Közeljövőbeli gyógyszerek egy része nem klasszikus, elegáns hipotézisekből származik majd, hanem hatalmas adatállományok durva, számításigényes feldolgozásából. A jövőbeli felfedezések és terápiák gyakran nem egy emberi szintű „megértésen”, hanem nagyléptékű mintafelismerésen alapuló eredmények lesznek. A szerző hasonlata szerint szinte elképzelhetetlen mennyiségű „spagetti” lesz a legnagyobb falra dobva — számítógépek és robotok végzik a nyomást, és a mintákból emelkednek ki a fontos eredmények.
Új mérések és automatizált laborok
A nanotechnológia és az MI alkalmazása lehetővé teszi, hogy egyre több részletet mérjünk az emberi biológiából: például a vérben található több ezer fehérje jelenlétét és változását. Fejlettebb számítási módszerek képesek értelmes mintákat találni ezekben az adatokban, ami növeli az adatok gyakorlati értékét.
Ez mellett a következő években megjelenő humanoid robotok, amelyek ügyes kezekkel rendelkeznek, képesek lesznek a labor munkájának egyéb, korábban emberi beavatkozást igénylő részeit automatizálni — például állatok kezelése vagy nagyon vékony szöveti szeletek vágása. Az ilyen automatizált laborok éjjel-nappal működhetnek, így olyan kísérletek is kivitelezhetővé válnak, amelyek ma túl idő- és költségigényesek.
Agentikus rendszerek és „gombnyomásra” futtatható kutatás
A felhőalapú laborok és az MI kombinációja lehetővé teszi, hogy egy kutatói elképzelést egy chatbot alakítson kutatási tervvé, majd egyetlen gombnyomással azt ténylegesen végrehajtsák. Az MI-modellek ún. agentikus hurkokban fognak működni: teljesen automatizált laborokban fizikailag végzett kísérleteket indítanak el, elemzik az eredményeket, majd az eredmények alapján új kísérleteket terveznek.
Richard Sutton „bitter lesson” (keserű lecke) megállja a helyét a biológiában, mert a test — nem csupán az elme — sok aspektusa még mindig meghaladja a jelenlegi emberi megértést. A továbblépés útja a kísérletezés iparosítása lehet: tömeges próba–hiba módszerekkel fognak végül előállni a jelentős áttörések.
Etikai és gyakorlati kérdések
A szerző szerint az előttünk álló korszak furcsa és időnként vitákat kiváltó lesz: elképzelhető például, hogy az állatkísérletek gyakorlata és szabályozása komoly viták tárgya lesz. Ugyanakkor ez a megközelítés számos életet menthet meg, mert felgyorsítja a terápiák és felfedezések megjelenését.
Példák és ipari kezdeményezések
- Biohub, a Mark Zuckerberg által támogatott intézet májusban mutatott be egy MI-alapú „világmodellt a fehérje-biológiáról”.
- Nvidia a múlt hónapban jelentette be a BioNeMo nevű, agentikus eszközkészletet, amelynek célja a tudományos felfedezések felgyorsítása.
A biológia és az MI összefonódása alapjaiban változtatja meg, hogyan tervezünk, hajtunk végre és értelmezünk kísérleteket. A technológiai és etikai kihívások mellett a potenciális előnyök — gyorsabb kutatás, több terápiás lehetőség, több emberi élet megmentése — számottevőek.
