پژوهشگران از هوش مصنوعی شکست خوردند
بیست و یکم: هوش مصنوعی، پژوهشگران دانشگاه راتگرز را در یک آزمون مهارت سنجی علمی شکست داد.
به گزارش بیست و یکم به نقل از ایسنا و به نقل از نیوزبرک، هیچ اختراعی مانند کامپیوتر نشان دهنده نبوغ و هوش بشریت نیست. کارهای علمی-تخیلی بی شماری رویارویی اجتناب ناپذیر انسان و ماشین را در آینده ای نه چندان دور پیش بینی کرده اند و الان بگفته پژوهشگران دانشگاه راتگرز، بنظر می رسد که ماشین ها در دستکم یک موضوع علمی بر بشریت برتری یافته اند.
پروفسور ویکاس ناندا (Vikas Nanda) از دانشگاه راتگرز بیش از دو دهه را صرف مطالعه دقیق ماهیت پیچیده پروتئین ها کرده است که مواد بسیار پیچیده ی موجود در همه موجودات زنده هستند.
او زندگی حرفه ای خودرا وقف درک الگوهای منحصربه فرد اسیدهای آمینه ای که پروتئین ها را می سازند و تعیین این که آیا آنها به هموگلوبین، کلاژن و غیره تبدیل می شوند یا خیر، کرده است. علاوه بر این، پروفسور ناندا متخصص مرحله مرموز خودسامانی (self-assembly) پروتئین ها است. در این مرحله پروتئین های خاصی با هم جمع می شوند تا مواد پیچیده تری را تشکیل دهند.
بنابراین، زمانی که نویسندگان این مطالعه تصمیم گرفتند آزمایشی را انجام دهند که در آن یک انسان با درک عمیق و شهودی از پروتئین ها و خودسامانی را در مقابل توانایی پیش بینی یک برنامه کامپیوتری هوش مصنوعی قرار دهند، پروفسور ناندا یک گزینه عالی بود.
نویسندگان این مطالعه می خواستند ببینند چه کسی یا چه چیزی می تواند در پیش بینی توالی های پروتئینی بهتر عمل کند. پروفسور ناندا و چندین محقق دیگر؟ یا رایانه؟ نتایج انتشار یافته نشان میدهد که این یک رقابت نزدیک شکل گرفته، اما هوش مصنوعی انسان ها را با اختلاف کمی شکست داده است.
دانشمندان از خودسامانی پروتئین ها برای چه مواردی استفاده کنند؟
در پزشکی مدرن سرمایه گذاری زیادی بر روی خودسامانی پروتئین ها انجام شده است برای اینکه خیلی از دانشمندان براین باورند که درک کامل این پروسه ممکنست منجر به تولید محصولات انقلابی مختلفی برای مصارف پزشکی و صنعتی همچون بافت انسانی مصنوعی برای زخم ها یا کاتالیزورهای محصولات شیمیایی جدید شود.
ناندا، استاد دپارتمان بیوشیمی و زیست شناسی مولکولی در دانشکده پزشکی رابرت وود جانسون، می گوید: باوجود تخصص گسترده ما، هوش مصنوعی در چندین مجموعه داده به خوبی یا بهتر عمل کرد.
پروتئین ها از مقادیر زیادی آمینو اسید تشکیل شده اند که از اختتام به هم متصل شده اند. این زنجیره های آمینو اسیدی تا می شوند تا مولکول های سه بعدی با اشکال پیچیده را تشکیل دهند. ظاهر دقیق آنها اهمیت دارد برای اینکه ظاهر هر پروتئین و همین طور آمینو اسیدهای خاصی که در آن وجود دارد، تعیین کننده عملکرد آنست. تعدادی از دانشمندان، همچون پروفسور ناندا، بطور منظم در فعالیتی به نام "طراحی پروتئین" شرکت می کنند و توالی هایی می سازند که پروتئین های جدید تولید می کند.
به تازگی، پروفسور ناندا و تیمی از پژوهشگران، پروتئینی مصنوعی طراحی کردند که قادر به تشخیص فوری عامل عصبی خطرناک موسوم به وی ایکس (VX) است. این پروتئین ممکنست منجر به توسعه سنسورهای زیستی و درمان های جدید شود.
به دلایلی که هنوز برای علم مدرن ناشناخته باقی مانده است، پروتئین ها با سایر پروتئین ها ترکیب می شوند و روبناهای مهمی در زیست شناسی را می سازند. گاهی اوقات بنظر می رسد که پروتئین ها از یک طرح خاص پیروی می کنند، مانند زمانی که به عنوان یک پوسته خارجی محافظ ویروس (کپسید) به یکدیگر متصل می شوند. با این وجود، در موارد دیگر، پروتئین ها ظاهراً در پاسخ به یک خطا به یکدیگر می پیوندند و در نهایت ساختارهای بیولوژیکی مرگبار در رابطه با بیماری هایی از آلزایمر تا سلول های داسی شکل را می سازند.
پروفسور ناندا می افزاید: درک خودسامانی پروتئین ها برای پیشرفت در خیلی از زمینه ها، همچون پزشکی و صنعت، لازم است.
هوش مصنوعی چگونه عمل کرد؟
در طول آزمایش، پروفسور ناندا و پنج همکار دیگرش لیستی از پروتئین ها را دریافت نمودند و باید پیش بینی می کردند که کدام یک گرفتار خودسامانی می شوند. برنامه کامپیوتری نیز باید همان پیش بینی ها را انجام می داد و سپس پژوهشگران پاسخ های انسان ها و ماشین را مقایسه می کردند.
شرکت کنندگان انسانی پیش بینی های خودرا برمبنای مشاهدات پروتئینی تجربی قبلی خود، مانند الگوی بارهای الکتریکی و درجه آب گریزی انجام دادند. آنها در نهایت پیش بینی کردند که ۱۱ پروتئین گرفتار خودسامانی می شوند. در همین حال، هوش مصنوعی بوسیله یک سیستم پیشرفته یادگیری ماشینی، ۹ پروتئین را انتخاب نمود.
پیش بینی متخصصان در شش مورد از ۱۱ پروتئینی که انتخاب نموده بودند، درست بود. درحالی که نتایج هوش مصنوعی از دقت بالاتری برخوردار بود، بطوریکه شش پروتئین از ۹ پروتئینی که انتخاب نموده بود به خودسامانی گرفتار شدند.
نویسندگان این مطالعه توضیح می دهند که شرکت کنندگان انسانی در مورد تعدادی از اسیدهای آمینه خاص نسبت به سایر اسیدهای آمینه جهت گیری داشتند که منجر به این پیش بینی های نادرست شد. هوش مصنوعی همین طور تعدادی از پروتئین ها را که از گزینه های واضح برای خودسامانی نبودند، به درستی شناسایی کرد و راه را برای تحقیقات بیشتر گشود.
پروفسور ناندا اعتراف می کند که زمانی به یادگیری ماشینی برای تحقیقات خودسامانی پروتئین ها اطمینان نداشت، اما حالا او بیشتر پذیرای این روش است.
این مطالعه در مجله "Nature Chemistry" انتشار یافته است.
این مطلب بیست و یکم را می پسندید؟
(0)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان در مورد این مطلب