سالها وعدههای هوش مصنوعی تنها با تیترهایی درباره شکست قهرمانان بازیها و تسلط ماشینها بر تختههای باستانی سنجیده میشد؛ اما برای گوگل دیپمایند، این فضا صرفاً یک زمین آزمایش بود. معیار واقعی پژوهشهای این شرکت، توانایی هوش مصنوعی در شتاببخشی به خودِ علم و حل معماگوشهای است که دههها متخصصان انسانی را به خود مشغول کرده بود. اکنون دو سامانه به روشنترین شواهد این موفقیت تبدیل شدهاند: آلفافولد که عمیقترین معمای زیستشناسی را رمزگشایی کرد و موزیرو که برای برنامهریزی در جهانهای ناشناخته آموزش دید.
این دو دستاورد مسیری حیرتانگیز را به تصویر میکشند؛ مسیری که از تسلط خودآموخته در بازیها آغاز شده و اکنون به علمی برنده جایزه نوبل و ابزارهایی تبدیل شده است که میلیونها پژوهشگر در سراسر جهان از آنها بهره میبرند.
آلفافولد و فتح چالش بزرگ نیمقرنی
دیپمایند، آلفافولد را نخستین نقطه عطف مهم خود در راستای هدایت و شتاببخشی به اکتشافات علمی با کمک هوش مصنوعی معرفی میکند. این سامانه حاصل یک تلاش کاملاً میانرشتهای بود که متخصصان زیستشناسی ساختاری، فیزیک و یادگیری ماشین را برای دستیابی به یک هدف جسورانه گرد هم آورد: پیشبینی ساختار سهبعدی یک پروتئین صرفاً بر اساس توالی ژنتیکی آن.
معمای پیچیده تاخوردگی پروتئین
پروتئینها مولکولهای بزرگی هستند که بقای حیات به آنها وابسته است. تقریباً تمام عملکردهای بدن انسان، از انقباض ماهیچهها گرفته تا حس نور و تبدیل غذا به انرژی، به شکل سهبعدی و ساختار پروتئینها بازمیگردد. به عنوان نمونه، پروتئینهای پادتن شبیه قلابهایی Y شکل هستند که به ویروسها متصل میشوند و آنها را برای نابودی علامتگذاری میکنند. پروتئینهای کلاژن نیز کشش را میان استخوانها و پوست منتقل میکنند.
دشواری کار اینجاست که دیانای (DNA) تنها توالی اسیدآمینههای سازنده یک پروتئین را کدگذاری میکند، نه شکل نهایی آن را. پیشبینی نحوه تاخوردن این زنجیرههای طولانی به ساختارهای پیچیده، همان مسئله معروف تاخوردگی پروتئین است. بر اساس پارادوکس لوینتال، بررسی تمام حالتهای ممکن یک پروتئین برای رسیدن به ساختار صحیح، زمانی بسیار طولانیتر از عمر جهان هستی میطلبد.
چرا پیشبینی ساختار پروتئین اهمیت حیاتی دارد؟
توانایی پیشبینی شکل پروتئینها، پایه و اساس درک عملکرد آنها در بدن است. این شناخت میتواند به تشخیص و درمان بیماریهایی نظیر آلزایمر، پارکینسون و فیبروز کیستیک که ناشی از بدتاخوردگی پروتئینها هستند، کمک شایانی کند. علاوه بر این، دانش بهتر ساختاری موجب کاهش هزینههای آزمایشگاهی و توسعه داروهای نوین میشود.
این فناوری مسیر را برای طراحی پروتئینهای مصنوعی نیز هموار میکند؛ توسعهای که میتواند به تولید آنزیمهای زیستتخریبپذیر جهت تجزیه آلایندههایی نظیر پلاستیک و نفت منجر شود و پژوهشگران در حال حاضر مهندسی باکتریها را برای چنین اهدافی آغاز کردهاند.
تأثیر گذار هوش مصنوعی در زیستشناسی
طی پنج دهه گذشته، دانشمندان ساختار پروتئینها را با روشهای آزمایشگاهی مانند میکروسکوپ الکترونی کرایو یا بلورشناسی پرتو ایکس تعیین میکردند؛ فرایندهایی پر از آزمون و خطا که گاهی سالها زمان و دهها هزار دلار هزینه در بر داشت. در همین حین، کاهش چشمگیر هزینه توالییابی ژنتیکی، بانکهای داده غنی ایجاد کرد و زمینه را برای ورود الگوریتمهای یادگیری عمیق فراهم ساخت.
دیپمایند سامانه آلفافولد را به مسابقات جهانی CASP (ارزیابی انتقادی پیشبینی ساختار پروتئین) ارسال کرد. این رقابت که از سال ۱۹۹۴ به صورت دوسالانه برگزار میشود، معیار طلایی ارزیابی تکنیکهای پیشبینی است. آلفافولد به سرعت جایگاه نخست را در میان رقبای خود تصاحب کرد و سازماندهندگان این رویداد از آن به عنوان پیشرفتی بیسابقه در توان محاسباتی یاد کردند.
موزیرو و هنر برنامهریزی در ناشناختهها
در حالی که آلفافولد در حال بازنویسی قوانین زیستشناسی بود، موزیرو به مفهوم یادگیری ماشین معنای تازهای بخشید. پیش از این، سیستمهای هوش مصنوعی برای پیروزی در بازیها نیازمند دانستن قوانین بودند، اما موزیرو طراحی شد تا بدون دانستن قواعد، صرفاً از طریق آزمایش و مشاهده محیط، استراتژیهای پیروزانه را بیاموزد.
این قابلیت، هوش مصنوعی را از یک بازیکن منفعل به یک موجودیت برنامهریز تبدیل کرد که میتواند الگوهای پنهان هر سیستم یا پدیدهای را درک کرده و برای آینده آن تصمیمگیری کند. این رویکرد مستقیماً بر سیستمهای پیچیدهای مانند پیشبینی وضعیت آبوهوا یا مدلسازی ترافیک شبکههای شهری تأثیرگذار است.
توسعه چنین الگوریتمهایی نشان میدهد که مسیر تکامل فناوری از حل بازیهای تختهای آغاز شده و اکنون در پیوند با علوم پایه، میتواند ابزارهایی قدرتمند برای غلبه بر چالشهای بنیادین بشر خلق کند. آینده هوش مصنوعی دیگر تنها در پیادهسازی الگوریتمها نیست، بلکه در همافزایی آن با سایر رشتههای علمی نهفته است تا درهایی را به روی دانشی جدید بگشاید.
