پلتفرم هوش مصنوعی هاگینگ فیس روز پنجشنبه یک مدل متن‌باز جدید برای درک DNA منتشر کرد که می‌تواند به صورت محلی روی یک لپ‌تاپ اجرا شود.
این مدل که در همکاری با محققان آکادمی ژونگ‌گوانسون در چین و دانشگاه ناپل فردریک دوم در ایتالیا توسعه یافته، روی توالی‌های ژنومی و زبان طبیعی آموزش دیده است تا افراد بتوانند سؤالاتی درباره اثرات تغییرات DNA بر فعالیت ژن و سلامت بپرسند و پاسخ‌های گفتگویی دریافت کنند.
لوئیس تانستال، دانشمند ارشد پژوهشی در هاگینگ فیس، می‌گوید این ابزار برای کمک به محققان در طراحی داروهای جدید و درمان‌های ژنتیکی ساخته شده است و می‌تواند به طور بالقوه به بیماران در تفسیر ژنوم خودشان کمک کند.
«ما قابلیت جدیدی را در مدل‌های زبانی آزاد کرده‌ایم که اساساً توانایی گفتگو با DNA است»، او درباره این مدل جدید که کربن-ایکس نامیده می‌شود، اظهار داشت. استفاده از زبان طبیعی به این معناست که حتی کاربران غیرفنی «می‌توانند واقعاً سؤالاتی درباره DNA بپرسند که از طریق هیچ ابزار دیگری قابل دسترسی نیست.»
هاگینگ فیس که عملاً به عنوان گیت‌هاب مدل‌های هوش مصنوعی شناخته می‌شود، کتابخانه‌ای از ابزارهای آماده هوش مصنوعی و پلتفرمی برای اجرای کاربردهای هوش مصنوعی عمدتاً با وزن‌بازی متن‌باز و متن‌باز برای توسعه‌دهندگان، محققان، کسب‌وکارها و افرادی که می‌خواهند بدون ساخت همه چیز از صفر، با هوش مصنوعی آزمایش کنند، ارائه می‌دهد. در ماه سپتامبر، انویدیا موافقت کرد که این شرکت را به قیمت نزدیک به ۱۳ میلیارد دلار خریداری کند. (هاگینگ فیس اوایل امسال نیز در مرکز هک بزرگ توسط مدل‌های اوپن‌ای‌آی قرار داشت.)
DNA بیشتر شبیه به کد کامپیوتری است تا زبان طبیعی. با این حال، به جای صفر و یک، از A، C، G و T برای رمزگذاری اطلاعات استفاده می‌کند. ژنوم انسان حاوی ۶ میلیارد از این حروف است. اگرچه ژنوم انسان از ابتدا تا انتها توالی‌یابی شده است، دانشمندان هنوز نحوه عملکرد بخش زیادی از آن را درک نمی‌کنند.
اکنون، مدل‌های هوش مصنوعی به محققان کمک می‌کنند تا برخی از این رازها را رمزگشایی کنند. سال گذشته، گوگل دیپ‌مایند آلفاژنوم را منتشر کرد که اثرات توالی‌های DNA و جهش‌های ژنتیکی را پیش‌بینی می‌کند، اما این کار را به صورت عددی انجام می‌دهد. همچنین نیاز به قدرت محاسباتی بیشتری دارد. ایوو ۲، مدلی که توسط مؤسسه آرک و انویدیا همراه با شرکای دانشگاهی توسعه یافته است، زبان DNA را صحبت می‌کند و می‌تواند ژنوم‌های کامل را از صفر تولید کند.
کربن-ایکس هر دو DNA و زبان طبیعی را در یک رابط گفتگویی ادغام می‌کند. آن را مانند چت‌جی‌پی‌تی برای DNA تصور کنید.
تیم با یک مدل زبانی موجود شروع کرد و واژگان آن را برای خواندن DNA در گروه‌های شش‌حرفی گسترش داد. سپس آموزش را روی ۳۰۰ میلیارد قطعه داده یا توکن ادامه دادند که شامل توالی‌های DNA، متن انگلیسی و مثال‌هایی بود که DNA را به توصیفات بیولوژیکی مرتبط می‌کردند. توالی‌های DNA از پستانداران (از جمله انسان)، سایر مهره‌داران، بی‌مهرگان، گیاهان، قارچ‌ها و پروتوزوآها گرفته شد. تانستال می‌گوید تیم مدل را روی ویروس‌ها آموزش نداده است زیرا نمی‌خواستند از آن برای کاربردهای بالقوه خطرناک استفاده شود.
کاربران قادر به بارگذاری ژنوم کامل انسان نخواهند بود. مدل طوری آموزش دیده است که بتواند توالی‌های DNA حدود ۵۰,۰۰۰ جفت باز را جذب کند، بنابراین کاربران فقط خواهند توانست بخش‌های کوچکی از ژنوم را همزمان جستجو کنند.
یکی از راه‌هایی که دانشمندان می‌توانند از کربن-ایکس استفاده کنند، کمک به درک این موضوع است که آیا یک جهش ژنتیکی خوش‌خیم است یا بیماری‌زا؛ مرحله‌ای کلیدی در توسعه یک داروی هدفمند یا درمان ژنتیکی. اگر مداخله روی جهش اشتباهی هدف بگیرد، ممکن است کاملاً بی‌اثر باشد یا بدتر از آن، آسیب ناخواسته‌ای وارد کند.
محققان هنگام بارگذاری داده‌های شناسایی‌پذیر یا حساس بیمار روی مدل‌های هوش مصنوعی مرزی با محدودیت‌هایی مواجه هستند، بنابراین تانستال می‌گوید تیم او عمداً یک مدل کوچک با ۱۴ میلیارد پارامتر طراحی کرده است. این امر به آن اجازه می‌دهد تا به صورت محلی روی سخت‌افزار کاربر اجرا شود، نه اینکه به مدل‌های مبتنی بر ابر وابسته باشد. او می‌گوید هیچ داده‌ای به هاگینگ فیس یا هر شرکت دیگری ارسال نمی‌شود.
توسعه‌دهندگان کربن-ایکس هشدار می‌دهند که هنوز مدل را با آزمایش‌های واقعی تر (wet lab) اعتبارسنجی نکرده‌اند، بنابراین نمی‌توانند بگویند پیش‌بینی‌های آن چقدر دقیق است.