هنر هوش مصنوعی در تولید پروتئین انسانی/ گام بلند دانشمندان در جهت بهبود بسیاری از بیماری ها

بدن ما به طور طبیعی حدود 200هزار پروتئین تولید می کند که همه چیز از هضم غذا گرفته تا حرکت اکسیژن در جریان خون را کنترل می‌کنند؛ اکنون، محققان در حال کار روی ایجاد پروتئین‌هایی هستند که در طبیعت یافت نمی‌شوند، به این امید که توانایی ما در مبارزه با بیماری‌ها را بهبود بخشند.

به گزارش گروه علم و پیشرفت چهل ستونه به نقل از نیویورک تایمز، آنچه مابرای مقابله با سرطان و همه گیری مانند کرونا نیاز داریم پروتئین های جدیدی است که می تواند مشکلات را حل کند. اکنون، به لطف هوش مصنوعی می‌توانیم این پروتئین‌ها را سریع‌تر و با نرخ موفقیت بسیار بالاتر طراحی و مولکول‌های پیچیده‌تری ایجاد کنیم. دیوید بیکر، مدیر مؤسسه طراحی پروتئین در دانشگاه واشنگتن و همکارانش سال گذشته، دو مقاله در ژورنال ساینس منتشر کردند که در آن توضیح می دادند که چگونه تکنیک های مختلف هوش مصنوعی می توانند طراحی پروتئین را تسریع کنند. اما این مقالات توسط یک مقاله جدیدتر تحت الشعاع قرار گرفتند؛ این تکنیک جدید ابزارهایی مانند DALL-E(تولید کننده تصاویر با استفاده از هوش مصنوعی و توصیف شخص) را هدایت کرده و نشان می‌دهند که چگونه پروتئین‌های جدید از ابتدا مانند عکس‌های دیجیتال تولید می شوند. DALL-E  برای تولید تصاویر، به شبکه عصبی(سیستم ریاضی که روی شبکه نورون های مغز مدل سازی شده است) متکی است. این همان فناوری تشخیص فرمان‌هایی است که به گوشی هوشمندتان می‌دهید یا همان که خودروهای خودران را قادر می‌سازد عابران پیاده را شناسایی کنند. یک شبکه عصبی با تجزیه و تحلیل حجم وسیعی از داده‌های دیجیتال، مهارت‌ها را می‌آموزد. محققان با استفاده از DALL-E، شبکه عصبی ساختند که به دنبال الگوهایی بود که میلیون‌ها تصویر دیجیتال و زیرنویس‌های متنی مربوط به هر یک از این تصاویر را تجزیه و تحلیل می‌کرد. به این ترتیب این مدل یاد گرفت که پیوندهای بین تصاویر و کلمات را تشخیص دهد. هنگامی که یک تصویر را برای DALL-E توصیف می کنید، یک شبکه عصبی مجموعه ای از ویژگی های کلیدی که تصویر شامل آن است را ایجاد می کند. سپس، یک شبکه عصبی دوم (مدل‌‌های انتشاری) پیکسل های مورد نیاز برای تحقق این ویژگی ها را تولید می کند. مدل انتشاری روی مجموعه‌ای از تصاویر آموزش داده می‌شود که در آنها نویز به تدریج به عکس اضافه شده تا زمانی که به دریایی از پیکسل‌های تصادفی تبدیل شود. مدل همانطور که این تصاویر را تجزیه و تحلیل می کند، یاد می گیرد که این فرآیند را به صورت معکوس اجرا کند یعنی وقتی پیکسل های تصادفی را به مدل می دهید، نویز را حذف و این پیکسل ها را به تصویری منسجم تبدیل می کند. محققان در دانشگاه واشنگتن از تکنیک‌های مشابهی برای ایجاد پروتئین‌های جدید استفاده می‌کنند.