Πριν από λίγες μέρες, το κορυφαίο επιστημονικό περιοδικό Nature, με μια ασυνήθιστη διαδικασία ταχείας προδημοσίευσης, κατέπληξε τον κόσμο περιγράφοντας δύο νέα συστήματα τεχνητής νοημοσύνης (Τ.Ν.), το Co‑Scientist της Google και το Robin της FutureHouse, που βαπτίζονται Συν-Ερευνητές και συνεργάζονται με τον άνθρωπο από τη δημιουργία επιστημονικών υποθέσεων για άλυτα βιολογικά προβλήματα έως την ανάλυση πειραματικών δεδομένων, μειώνοντας δραματικά τον χρόνο των επιστημονικών ανακαλύψεων.
Οι δημοσιεύσεις αυτές, που ίσως αλλάξουν ριζικά τον τρόπο με τον οποίο γίνεται η επιστημονική έρευνα, παρουσιάζουν δύο πρωτοποριακά συστήματα Τ.Ν., το Co‑Scientist (από την Google DeepMind) και το Robin (από το μη κερδοσκοπικό FutureHouse του Σαν Φρανσίσκο). Τα συστήματα αυτά μπορούν όχι απλώς να βοηθούν τους επιστήμονες, αλλά να συμμετέχουν ενεργά στη δημιουργία γνώσης – διαβάζοντας τη βιβλιογραφία, διατυπώνοντας υποθέσεις, σχεδιάζοντας πειράματα και ερμηνεύοντας αποτελέσματα.
Αντί για ένα μοναδικό μοντέλο Τ.Ν., τόσο το Co‑Scientist όσο και το Robin βασίζονται σε «σμήνη» εξειδικευμένων πρακτόρων Τ.Ν. (agents) που συνεργάζονται μεταξύ τους με τρόπο που θυμίζει ερευνητική ομάδα. Υπάρχουν πράκτορες που αναλαμβάνουν τη βιβλιογραφική ανασκόπηση, άλλοι που δημιουργούν υποθέσεις, άλλοι που λειτουργούν ως «κριτές» συγκρίνοντας την ποιότητα διαφορετικών ιδεών και άλλοι που αναλύουν δεδομένα. Μάλιστα, οι πράκτορες «συζητούν» μεταξύ τους, αμφισβητούν ο ένας τις προτάσεις του άλλου και μέσα από αυτή τη διαδικασία καταλήγουν σε βελτιωμένες επιστημονικές υποθέσεις.
Το Co‑Scientist κλήθηκε να εντοπίσει υπάρχοντα εγκεκριμένα φάρμακα που θα μπορούσαν να «ανακυκλωθούν» για τη θεραπεία της οξείας μυελογενούς λευχαιμίας. Το σύστημα πρότεινε πέντε υποψήφια φάρμακα, τα τρία από τα οποία επιβεβαίωσαν την αποτελεσματικότητά τους σε εργαστηριακές δοκιμές σε καρκινικές κυτταρικές σειρές. Ενα από αυτά, η Binimetinib (ήδη εγκεκριμένη για μελάνωμα), έδειξε ιδιαίτερα χαμηλή τοξικότητα στα καρκινικά κύτταρα σε σχέση με τα υγιή, υποδηλώνοντας ένα πιθανό «θεραπευτικό παράθυρο».
Ακόμη πιο εντυπωσιακή ήταν η εφαρμογή του Co‑Scientist στη μικροβιολογία. Ερευνητές ζήτησαν από το σύστημα να εξηγήσει πώς ορισμένα γονίδια ανθεκτικότητας στα αντιβιοτικά εμφανίζονται σε πολλά διαφορετικά βακτηριακά είδη. Το Co‑Scientist κατέληξε σε μια υπόθεση μέσα σε δύο ημέρες – ότι συγκεκριμένα ιογενή σωματίδια (cf‑PICIs) αλληλεπιδρούν με διαφορετικές ουρές βακτηριοφάγων για να επεκτείνουν το φάσμα των ξενιστών τους. Αυτή ήταν ακριβώς η ίδια υπόθεση στην οποία είχε καταλήξει μια ανεξάρτητη ερευνητική ομάδα ύστερα από περίπου μια δεκαετία μελετών, με τα αποτελέσματά της να δημοσιεύονται ταυτόχρονα στο ίδιο τεύχος του Nature.
Το σύστημα Robin, από την άλλη, ανέλαβε να βρει θεραπείες για την ηλικιακή εκφύλιση της ωχράς κηλίδας, μια από τις κύριες αιτίες τύφλωσης στον ανεπτυγμένο κόσμο. Το Robin πρότεινε τη φαγοκυττάρωση (την «καθαριστική» λειτουργία των κυττάρων του αμφιβληστροειδούς) ως θεραπευτική στρατηγική και εντόπισε δύο φάρμακα, τη ριπασουδίλη (ήδη εγκεκριμένη για το γλαύκωμα) και την KL001 (μια πειραματική ουσία που ρυθμίζει το βιολογικό ρολόι). Τα πειράματα επιβεβαίωσαν ότι και τα δύο φάρμακα ενισχύουν σημαντικά τη φαγοκυττάρωση σε ανθρώπινα κύτταρα του αμφιβληστροειδούς. Το Robin δεν σταμάτησε εκεί: πρότεινε περαιτέρω πειράματα μελέτης RNA, ανέλυσε αυτόνομα τα αποτελέσματα και ανακάλυψε ότι η ριπασουδίλη ενεργοποιεί ένα γονίδιο (ABCA1) που δεν είχε συσχετισθεί στο παρελθόν με τη νόσο, ανοίγοντας νέους δρόμους για την ανάπτυξη θεραπειών.
Το σύστημα Robin μείωσε τον χρόνο ενός πλήρους ερευνητικού κύκλου (από τη διατύπωση υπόθεσης έως την ανάλυση δεδομένων) κατά 200 φορές σε σύγκριση με την παραδοσιακή ανθρώπινη εργασία. Ενώ ένας άνθρωπος θα χρειαζόταν περίπου 1.000 ώρες για να μελετήσει 550 επιστημονικές εργασίες, να διατυπώσει υποθέσεις και να σχεδιάσει πειράματα, το Robin τα ολοκλήρωσε σε λιγότερο από δύο ώρες. Το συνολικό υπολογιστικό κόστος για μια πλήρη «διαδρομή» του συστήματος ήταν μόλις 10,76 δολάρια.
Τα νέα μοντέλα Τ.Ν. βασίζονται σε «σμήνη» εξειδικευμένων πρακτόρων Τ.Ν. (agents) που συνεργάζονται μεταξύ τους με τρόπο που θυμίζει ερευνη- τική ομάδα.
Ο ρόλος του ανθρώπου
Παρά την εντυπωσιακή απόδοση, τα συστήματα αυτά έχουν σημαντικούς περιορισμούς. Πρώτον, βασίζονται σε μεγάλα γλωσσικά μοντέλα, τα οποία είναι γνωστό ότι μερικές φορές «παραληρούν» – παράγουν ψευδείς αλλά πειστικές απαντήσεις. Ευτυχώς, το παραλήρημα μειώνεται όσο η Τ.Ν. εξελίσσεται. Δεύτερον, η γνώση τους περιορίζεται σε επιστημονικές εργασίες ανοιχτής πρόσβασης και δεν έχουν πρόσβαση σε μη δημοσιευμένα ή αρνητικά αποτελέσματα. Τρίτον, και σημαντικότερο, η ανθρώπινη εποπτεία παραμένει απαραίτητη.
Σε όλα τα παραπάνω παραδείγματα, άνθρωποι επιστήμονες όρισαν το αρχικό ερώτημα, επέλεξαν ποιες υποθέσεις θα δοκιμαστούν στο εργαστήριο, πραγματοποίησαν τα πειράματα (καθώς τα ρομπότ δεν είναι ακόμη έτοιμα να αναλάβουν όλη την εργαστηριακή δουλειά) και επικύρωσαν τα αποτελέσματα. Οπως σημειώνει σε σχετικό άρθρο άποψης το περιοδικό Nature, η ανθρώπινη σοφία, η δημιουργικότητα, η ικανότητα σύνδεσης διαφορετικών πεδίων –αλλά και η ηθική κρίση– είναι στοιχεία που η τεχνητή νοημοσύνη δεν μπορεί να αντικαταστήσει. Ιδωμεν…
«Δεν μπορούμε απλώς να αναθέτουμε σημαντικές αποφάσεις σήμερα σε γλωσσικά μοντέλα (LLMs) και πράκτορες Τ.Ν.», τονίζει ο Ola Spjuth του Πανεπιστημίου της Ουψάλα. «Πρέπει να εποπτεύουμε αυτές τις μεθόδους». Ο Samuel Rodriques, διευθύνων σύμβουλος της FutureHouse, συμπληρώνει: «Υπάρχει πολύς δρόμος μέχρι η Τ.Ν. να σχεδιάσει ένα νέο φάρμακο από τον αρχικό στόχο έως την κλινική δοκιμή. Αλλά πιστεύω ότι είναι εφικτό».
Τα συστήματα Co‑Scientist και Robin είναι τα πρώτα που ενσωματώνουν σε μια συνεχή ροή εργασίας όλα τα στάδια της επιστημονικής μεθόδου: από τη δημιουργία υπόθεσης έως την ανάλυση πειραματικών δεδομένων. Η αρχιτεκτονική τους είναι «ανοιχτή» και μπορεί να ενσωματώσει μελλοντικές βελτιώσεις. Οπως επισημαίνει ο Vivek Natarajan της Google DeepMind, «ο στόχος είναι να δώσουμε στους επιστήμονες υπερδυνάμεις». Και αυτή είναι ίσως η σημαντικότερη παρακαταθήκη: η Τ.Ν. δεν έρχεται να αντικαταστήσει τον άνθρωπο επιστήμονα, αλλά να τον ενδυναμώσει, να τον απαλλάξει από χρονοβόρες και επαναληπτικές διαδικασίες και να του επιτρέψει να εστιάσει σε αυτό που πραγματικά έχει σημασία: τη δημιουργική σκέψη, την ερμηνεία και την ηθική ευθύνη. Η επιστήμη γίνεται ταχύτερη, αλλά όχι απρόσωπη. Και αυτό είναι ίσως το πιο ενθαρρυντικό μήνυμα για τη βιοϊατρική έρευνα, για την κατανόηση της βιολογικής ζωής και για την καταπολέμηση της αρρώστιας.
Ο κ. Στυλιανός Ε. Αντωναράκης είναι ομότιμος καθηγητής Γενετικής Ιατρικής Πανεπιστημίου της Γενεύης Ελβετίας, πρώην πρόεδρος του HUGO (Παγκόσμιου Οργανισμού για το Γονιδίωμα του Ανθρώπου), ακαδημαϊκός.
