Γράφει ο Cade Metz

Την περασμένη άνοιξη το εργαστήριο τεχνητής νοημοσύνης OpenAI παρουσίασε μια τεχνολογία η οποία σάς επιτρέπει να δημιουργείτε ψηφιακές εικόνες απλώς και μόνο περιγράφοντας τι θέλετε να δείτε. Η τεχνολογία αυτή ονομάστηκε DALL-E.

Πλέον στην αγορά κυκλοφορούν παρόμοια εργαλεία, όπως το Midjourney και το Stable Diffusion. Υποσχόμενο πως θα επιταχύνει τον δημιουργικό ρυθμό των ψηφιακών καλλιτεχνών, το νέο επίτευγμα της τεχνητής νοημοσύνης πυροδότησε τη φαντασία κοινού και ειδημόνων – και απείλησε να σηκώσει νέα κύματα διαδικτυακής παραπληροφόρησης.

Τα μέσα κοινωνικής δικτύωσης είναι γεμάτα πλέον από εντυπωσιακά έργα εννοιολογικής τέχνης, με ασύλληπτες λεπτομέρειες: φωτορεαλιστικές εικόνες που δημιουργούν η DALL-E και άλλα εργαλεία. “Φωτογραφία ενός λούτρινου αρκούδου που κάνει skateboard στην Times Square”. “Χαριτωμένο σκυλάκι κόργκι σε σπίτι φτιαγμένο από σούσι”. “Jeflon Zuckergates”: προσωπογραφία που συνθέτει τα χαρακτηριστικά των Jeff Bezos, Elon Musk, Mark Zuckerberg και Bill Gates.

Ωστόσο ορισμένοι επιστήμονες που διερευνούν αυτή την τεχνολογία βλέπουν κάτι περισσότερο από έναν εύκολο τρόπο δημιουργίας ψεύτικων φωτογραφιών. Βλέπουν ένα μονοπάτι προς μια νέα θεραπεία για τον καρκίνο ή ένα νέο εμβόλιο κατά της γρίπης ή ένα νέο χάπι για τη χώνεψη της γλουτένης.

Χρησιμοποιώντας πολλές από τις τεχνικές που εφαρμόζει η DALL-E και άλλες τεχνολογίες δημιουργίας τέχνης, οι επιστήμονες αυτοί σχεδιάζουν νέες πρωτεΐνες: μικροσκοπικούς βιολογικούς μηχανισμούς που μπορούν να αλλάξουν τη συμπεριφορά του σώματός μας.

Ο οργανισμός μας παράγει με φυσικό τρόπο περίπου 20.000 πρωτεΐνες, οι οποίες διαχειρίζονται τα πάντα: από την πέψη έως τη μεταφορά του οξυγόνου μέσω του αίματος. Πλέον οι ερευνητές εργάζονται για να δημιουργήσουν πρωτεΐνες που δεν υπάρχουν στη φύση, ευελπιστώντας να ενισχύσουν την ικανότητα του οργανισμού να αμύνεται στις ασθένειες και να λειτουργεί κατά τρόπο που από μόνος του δεν μπορεί.

Ο David Baker, διευθυντής του Ινστιτούτου Σχεδιασμού Πρωτεϊνών στο Πανεπιστήμιο της Ουάσινγκτον, προσπαθεί να δημιουργήσει “χειροποίητες” πρωτεΐνες εδώ και πάνω από 30 χρόνια. Μέχρι το 2017 ο ίδιος και η ομάδα του είχαν αποδείξει ότι κάτι τέτοιο ήταν εφικτό. Δεν είχαν προβλέψει, όμως, ότι οι νέες τεχνολογίες τεχνητής νοημοσύνης θα επιτάχυναν το έργο τους, μειώνοντας δραματικά τον απαιτούμενο χρόνο για τη δημιουργία νέων σχεδίων από χρόνια σε εβδομάδες.

Ο οργανισμός μας παράγει με φυσικό τρόπο περίπου 20.000 πρωτεΐνες, οι οποίες διαχειρίζονται τα πάντα: από την πέψη έως τη μεταφορά του οξυγόνου μέσω του αίματος

“Χρειαζόμαστε νέες πρωτεΐνες που θα αντιμετωπίζουν αποτελεσματικά τα σύγχρονα ιατρικά προβλήματα, όπως τον καρκίνο και τις πανδημίες που προκαλούν ιοί”, επισήμανε ο Baker. “Δεν μπορούμε απλώς να περιμένουμε την εξελικτική πορεία του ανθρώπινου είδους”. Και πρόσθεσε: “Πλέον, μπορούμε να σχεδιάσουμε αυτές τις πρωτεΐνες πολύ πιο γρήγορα, με πολύ μεγαλύτερα ποσοστά επιτυχίας, και να δημιουργήσουμε πολύ πιο εξελιγμένα μόρια, τα οποία θα συμβάλουν να επιλύσουμε τέτοια ιατρικά προβλήματα”.

Πέρυσι ο Baker και οι συνάδελφοί του δημοσίευσαν δύο άρθρα στο περιοδικό “Science”, όπου περιέγραψαν πώς διάφορες τεχνικές τεχνητής νοημοσύνης θα μπορούσαν να επιταχύνουν τον σχεδιασμό πρωτεϊνών. Εντούτοις, οι εργασίες αυτές ήδη ξεπεράστηκαν από μία πιο πρόσφατη, η οποία αναλύει τεχνικές που εφαρμόζουν εργαλεία όπως το DALL-E, δείχνοντας πώς μπορούν να δημιουργηθούν οι νέες πρωτεΐνες από το μηδέν, όπως γίνεται και με τις ψηφιακές φωτογραφίες.

“Ένα από τα σημαντικότερα πλεονεκτήματα αυτής της τεχνολογίας είναι ότι, όπως και η DALL-E, κάνει ό,τι της πείτε”, σημειώνει ο Nate Bennett, ερευνητής στο εργαστήριο του Πανεπιστημίου της Ουάσινγκτον. “Με μία και μόνο οδηγία δημιουργεί άπειρα σχέδια”.

Για να δημιουργήσει εικόνες, η DALL-E στηρίζεται σε αυτό που οι ερευνητές της τεχνητής νοημοσύνης αποκαλούν “νευρωνικό δίκτυο”, ένα μαθηματικό σύστημα που προσομοιάζει στους νευρώνες του ανθρώπινου εγκεφάλου. Πρόκειται για την ίδια τεχνολογία που αναγνωρίζει τις φωνητικές εντολές που δίνετε στο smartphone σας, που επιτρέπει στα οχήματα αυτόνομης οδήγησης να αναγνωρίζουν (και να αποφεύγουν) τους πεζούς και που μεταφράζει σε υπηρεσίες όπως το Skype.

Ένα νευρωνικό δίκτυο “μαθαίνει” δεξιότητες αναλύοντας τεράστιες ποσότητες ψηφιακών δεδομένων. Για παράδειγμα, με το να εντοπίζει μοτίβα σε χιλιάδες φωτογραφίες που απεικονίζουν κόργκι, εκπαιδεύεται στο να αναγνωρίζει ένα κόργκι. Με την DALL-E οι ερευνητές δημιούργησαν ένα νευρωνικό δίκτυο που αναζητούσε μοτίβα καθώς ανέλυε εκατομμύρια ψηφιακές εικόνες και λεζάντες που περιέγραφαν τι απεικονιζόταν. Έτσι, έμαθε να αναγνωρίζει τη σύνδεση λέξεων-εικόνων.

Όταν περιγράφετε μια εικόνα για την DALL-E, ένα νευρωνικό δίκτυο δημιουργεί ένα σύνολο βασικών χαρακτηριστικών που μπορεί να περιλαμβάνει αυτή η εικόνα. Ένα χαρακτηριστικό μπορεί να είναι η καμπύλη του αυτιού από ένα λούτρινο αρκουδάκι. Μπορεί να είναι η γραμμή στην πλαϊνή πλευρά του skateboard. Έπειτα ένα δεύτερο νευρωνικό δίκτυο, το μοντέλο διάχυσης, παράγει τα πίξελ που χρειάζονται για να δημιουργηθούν αυτά τα χαρακτηριστικά.

Το μοντέλο διάχυσης εκπαιδεύεται πάνω σε εικόνες στις οποίες σταδιακά προστίθενται “ψεγάδια” μέχρις ότου δημιουργηθεί ένα αυθαίρετο σύνολο πολυάριθμων πίξελ. Καθώς αναλύει αυτές τις εικόνες, το μοντέλο μαθαίνει να εκτελεί αυτήν τη διαδικασία αντιστρόφως. Τροφοδοτώντας το με πίξελ, το μοντέλο αφαιρεί τα “ψεγάδια” και δημιουργεί μια συνεκτική εικόνα.

Στο Πανεπιστήμιο της Ουάσινγκτον, σε άλλα ακαδημαϊκά εργαστήρια και σε startups, οι ερευνητές χρησιμοποιούν παρόμοιες τεχνικές στην προσπάθειά τους να δημιουργήσουν νέες πρωτεΐνες.

Οι πρωτεΐνες ξεκινούν ως χημικές ενώσεις, οι οποίες στη συνέχεια συστρέφονται και διπλώνονται σε τρισδιάστατα σχήματα που καθορίζουν και τη συμπεριφορά τους. Τα τελευταία χρόνια εργαστήρια τεχνητής νοημοσύνης όπως η DeepMind, που ανήκει στην Alphabet, τη μητρική εταιρεία της Google, έχουν δείξει ότι τα νευρωνικά δίκτυα μπορούν να προβλέψουν με ακρίβεια το τρισδιάστατο σχήμα οποιασδήποτε πρωτεΐνης στο σώμα με βάση τις μικρότερες ενώσεις που περιλαμβάνει – μια τεράστια επιστημονική πρόοδος.

Οι πρωτεΐνες ξεκινούν ως χημικές ενώσεις, οι οποίες στη συνέχεια συστρέφονται και διπλώνονται σε τρισδιάστατα σχήματα, που καθορίζουν και τη συμπεριφορά τους

Πλέον ερευνητές όπως ο Baker πάνε ακόμα ένα βήμα μπροστά: χρησιμοποιούν αυτά τα συστήματα για να σχεδιάσουν ολοκαίνουργιες πρωτεΐνες, οι οποίες δεν υπάρχουν στη φύση. Στόχος είναι να δημιουργηθούν πρωτεΐνες με πολύ συγκεκριμένα σχήματα, κάθε σχήμα μπορεί να εκτελέσει συγκεκριμένη αποστολή, όπως –για παράδειγμα– να καταπολεμήσει τον ιό της COVID-19.

Όπως η DALL-E μοχλεύει τη σχέση λεζάντας-φωτογραφίας, παρόμοια συστήματα μπορούν να αξιοποιήσουν τη σχέση μεταξύ της περιγραφής του τι μπορεί να κάνει μια πρωτεΐνη και του σχήματός της. Οι ερευνητές μπορούν να δώσουν τις οδηγίες για το περίγραμμα της πρωτεΐνης που θέλουν να παραγάγουν και μετά το μοντέλο διάχυσης θα δημιουργήσει το τρισδιάστατο σχήμα της.

“Μπορείτε να ζητήσετε από την DALL-E να δημιουργήσει μια εικόνα με ένα πάντα που τρώει έναν βλαστό μπαμπού”, ανέφερε η Namrata Anand, πρώην ερευνήτρια του Πανεπιστημίου του Στάνφορντ, η οποία, εκτός τούτου, είναι επιχειρηματίας και ίδρυσε μια εταιρεία στον συγκεκριμένο τομέα έρευνας. “Ομοίως, οι δημιουργοί πρωτεϊνών μπορούν να ζητήσουν μια πρωτεΐνη που να συνδέεται με μιαν άλλη με συγκεκριμένο τρόπο –ή να ζητήσουν οποιαδήποτε άλλη παράμετρο στον σχεδιασμό– και το γενετικό μοντέλο μπορεί να την κατασκευάσει”.

Η διαφορά είναι ότι το ανθρώπινο μάτι μπορεί να αντιληφθεί αμέσως την πιστότητα μιας εικόνας της DALL-E. Δεν μπορεί να κάνει το ίδιο στην περίπτωση μιας πρωτεϊνικής δομής. Αφότου οι τεχνολογίες τεχνητής νοημοσύνης παραγάγουν τα πρωτεϊνικά σχέδια, οι επιστήμονες πρέπει να τα μεταφέρουν στο εργαστήριο –όπου μπορούν να γίνουν πειράματα με πραγματικές χημικές ενώσεις– και να βεβαιωθούν ότι οι πρωτεΐνες μπορούν να κάνουν αυτό που αναμένεται.

Για τον λόγο αυτό, κάποιοι ειδήμονες ισχυρίζονται ότι πρέπει να είμαστε επιφυλακτικοί με τις πρόσφατες τεχνολογίες τεχνητής νοημοσύνης. “Η δημιουργία μιας νέας δομής είναι απλώς ένα παιχνίδι”, τόνισε η νομπελίστρια Frances Arnold, καθηγήτρια που ειδικεύεται στην παραγωγή πρωτεϊνών στο Ινστιτούτο Τεχνολογίας της Καλιφόρνια. “Το ζητούμενο είναι: τι μπορεί να κάνει στ’ αλήθεια η δομή αυτή;”.

Πάντως, για πολλούς ερευνητές, οι νέες αυτές τεχνικές όχι μόνο επιταχύνουν τη δημιουργία νέων –εν δυνάμει– πρωτεϊνών στο εργαστήριο, αλλά τους δίνουν τη δυνατότητα να διερευνήσουν νέες καινοτομίες που τα προηγούμενα χρόνια δεν μπορούσαν να αναλύσουν από μόνοι τους.

Το άρθρο πρωτοδημοσιεύτηκε στους “The New York Times”. 

© 2023 The New York Times Company

Αναδημοσίευση από το capital.gr