Mi történt
A fejlemény középpontjában az úgynevezett nagy genommodellek állnak. Ezek lényegében a nyelvi modellek biológiai megfelelői: nem emberi szövegen, hanem DNS-szekvenciákon tanulnak, és azt próbálják megjósolni, mi következik egy adott „betű” után. A különbség annyi, hogy itt az ábécé csak négy karakterből áll — A, T, C és G —, viszont a biológiai jelentés sokkal nehezebben olvasható ki. Gondolj rá úgy, mint egy négy betűs nyelvre, ahol néhány apró eltérés teljesen megváltoztathatja a mondat értelmét, más helyeken pedig szinte bármi állhat következmények nélkül.Korábban már kiderült, hogy ezek a modellek képesek olyan DNS-szakaszokat létrehozni, amelyek baktériumokban működő fehérjéket kódolhatnak, sőt utánozhatják az összetettebb sejtek génszerkezetének egyes mintáit is. Az új lépés az, hogy ugyanezt a megközelítést vírusgenomokra alkalmazták, konkrétan baktériumokat fertőző vírusokra, vagyis bakteriofágokra. A létrehozott vírusok nem a semmiből születtek: mindegyik szorosan kapcsolódik egy már ismert vírushoz. Ugyanakkor vannak bennük olyan eltérő jellemzők, amelyek természetes evolúcióval nehezebben jelennének meg.
Miért fontos
Ez azért lényeges, mert a DNS-re tanított modellek nem egyszerűen mintákat másolnak, hanem láthatóan képesek felismerni biológiai összefüggéseket olyan helyeken is, ahol az emberi tudás még hiányos. Ha egy modell egy géncsoport részletéből ki tud következtetni funkcionálisan kapcsolódó új szakaszokat, az a gyógyszerfejlesztéstől a szintetikus biológiáig sok területen hasznos lehet. A másik oldal viszont az, hogy ugyanaz a képesség biztonsági kérdéseket is felvet. Itt még nem gerinceseket fertőző vírusokról van szó, de a Stanford kutatói szerint épp most érdemes elkezdeni komolyan gondolkodni azon, milyen védekezési, ellenőrzési és hozzáférési szabályokra lesz szükség, ha a technológia tovább javul.Mire figyelj
- Az egyik kulcskérdés az lesz, hogy ezek a modellek mennyire tudnak valóban új, mégis működőképes genomokat tervezni, nem csak meglévő vírusok közeli változatait.
- Fontos lesz látni, milyen laboratóriumi és hozzáférési korlátokat vezetnek be az ilyen rendszerek köré. A biológiai AI-nál a modell képessége önmagában nem minden; az is számít, ki és milyen környezetben tudja tesztelni az eredményt.
- Érdemes követni, hogyan változik a szakmai nyelv a területen: a „tervezés” itt egyelőre nem azt jelenti, hogy az AI tetszőleges vírust épít, hanem azt, hogy ismert biológiai mintákból funkcionálisnak tűnő új variációkat generál.
- A hétköznapi felhasználónak ebből most nem közvetlen veszély, hanem inkább egy trend látszik: az AI már nemcsak szöveget, képet vagy kódot generál, hanem egyre mélyebben nyúl bele az élő rendszerek alapnyelvébe is. Ezért a következő években a teljesítmény mellett a biológiai biztonság lesz az egyik legfontosabb mérce.
