نابغه نوجوان شطرنج با استفاده از هوش مصنوعی راه را برای درمان سرطان بازکرد

به گزارش محیانیوز،دمیس هاسابیس، بنیان گذار ۴۴ ساله این شرکت در واکنش به این خبر نوشت: «هیجان زده ام اولین موفقیت بزرگ خود در بکارگیری هوش مصنوعی در یک چالش بزرگ علم را اعلام کنم». اما داستان این موفقیت بزرگ از کجا شروع شد؟

۳۰ سال پیش، دمیس هاسابیس دومین شطرنج باز ۱۲ ساله جهان بوده و نوید یک استاد بزرگ شطرنج در آینده ای نزدیک را می داد. در حالی که این نابغه بازی شطرنج و آنچه این بازی در مورد ذهنش به او یاد داده بود را دوست داشت اما هاسابیس به این نتیجه رسید که ادامه شطرنج آن چیزی نیست که دوست دارد دنبال کند. وی در این باره چنین می گوید: «این موضوع مرا به تفکر در مورد فرآیند فکر کردن فرو برد. هوش چیست، چگونه است که مغز من به چنین ایده هایی دست می یابد؟». و بدین ترتیب بود که نابغه نوجوان شطرنج این بازی را به طور کلی رها کرد.

هاسابیس در سن ۱۵ سالگی تحصیلات خود در مدرسه را به پایان رسانده و علیرغم پذیرفته شدن در دانشگاه کمبریج لندن باید تا رسیدن به سن لازم، برای ورود به این دانشگاه صبر می کرد. در این اثنا، او توانست برای توسعه دهنده ای به نام Bullfrog که در حوزه بازی های کامپیوتری بود مشغول به کار شده و در توسعه یک بازی به نام Theme Park در دهه ۱۹۹۰ که بیش از ۱۵ میلیون نسخه از آن به فروش رسید مشارکت داشته باشد. او بعدها در رشته علوم کامپیوتر با نمرات عالی از دانشگاه کمبریج فارغ التحصیل شده و در ادامه مدرک دکترای علوم عصبی خود از کالج لندن را نیز دریافت کند. مدت کوتاهی بعد از فارغ التحصیلی، هاسابیس کمپانی Deepmind را تاسیس کرد که در ابتدا به نظر می رسید روی برنامه سازی برای بازی های تخته ای و کامپیوتری تمرکز داشته باشد.

با بودجه ای تقریباً نامحدود پس از خریده شدن شرکت توسط گوگل در سال ۲۰۱۴، Deepmind شروع به توسعه برنامه هایی کرد که می توانست انسان را در شطرنج و بازی های بسیار پیچیده تر مانند Go شکست دهد. موفقیت های این شرکت بسیار قابل توجه بود اما هدف و کاربرد چندانی نداشت. اما هاسابیس همیشه تاکید داشت که در تحقیقات خود به چیزی فراتر از بازی فکر می کند. او هوش مصنوعی را ناجی بشریت می دانست و تا شدگی پروتئین ها یکی از موضوعات رازآلودی بود که هاسابیس می خواست و می توانست به آن پاسخ دهد.

سیستم هوش مصنوعی او با نام AlphaFold اکنون موفق به حل مشکل تا شدگی پروتئین شده و این مسئله را حل کرده که چگونه دنباله آمینو اسیدی پروتئین ها ساختار اتمی سه بعدی آن را تشکیل می دهند. محققان از دیرباز با پیچیدگی گسترده پروتئین ها دست به گریبان بوده اند که تماماً از آمینو اسیدهایی به نام بلوک های سازنده حیات تشکیل شده اند. شکل این پروتئین ها از طریق میلیون ها رابطه بین مولکول ها شکل گرفته و کشف شکل سه بعدی آن ها کار بسیاری سختی است که به سال ها کار و تجهیزات بسیار خاص و پیشرفته نیاز دارد. دانستن شکل پروتئین به این معناست که محققان می توانند تاثیر داروها را پیش بینی کرده و نقش دقیق پروتئین ها در بدن را درک کنند. محققان بیش از ۵۰ سال سعی کرده اند راهی برای پیش بینی سریع ساختار پروتئین ها کنند و اکنون کمپانی DeepMind موفق به حل کردن این معما شده است.

سیستم AlphaFold به طور خاص و ویژه برای حل این مشکل طراحی شده و طرح و ساختار بیش از ۱۷۰,۰۰۰ پروتئینی که از قبل ساختار تک تک آن ها کشف شده بود روی آن پیاده سازی شد. این سیستم هوش مصنوعی در پیش بینی ساختار پروتئین ها توانست به دقت ۹۲.۴ درصدی رسیده و در سخت ترین موارد درصد موفقیت ۸۷ درصدی را به ثبت برساند. از آنجایی که تقریباً تمامی بیماری ها، از جمله سرطان و کووید-۱۹، به ساختار سه بعدی پروتئین مربوط هستند، این سیستم هوش مصنوعی می تواند راه را برای توسعه سریع تر داروها و کشف داروهای موثر از طریق مشخص کردن ساختار پروتئین هایی که تاکنون ساختار آن ها شناسایی نشده بود هموار سازد.

کمپانی DeepMind یکی از پیشروترین مراکز تحقیقات هوش مصنوعی در جهان است که نرم افزارهای هوشمندی را طراحی می کند که می توانند هر کاری را انجام دهند، از بازی شطرنج تا نقاشی منظره. این کمپانی بیشتر به خاطر برنامه هوش مصنوعی AlphaGo شناخته می شود که توانست لی سدول، بازیکن حرفه ای بازی Go و قهرمان جهان در این رشته را در یک مسابقه پنج دوره ای شکست دهد. پروتئین ها مولکول های بزرگ بسیار پیچیده ای هستند که سلول های ما برای فعالیت مناسب و درست به آن ها نیاز دارند. هر پروتئین یک ساختار سه بعدی بسیار پیچیده دارد که کار و شیوه کارکرد آن را تعیین می کند.

کوچکترین تغییر در ساختار سه بعدی پروتئین می تواند تاثیرات فاجعه باری روی سلامت انسان داشته باشد. از این رو یکی از روش های کارآمد برای درک بیماری ها و پیدا کردن درمان های تازه برای آنان مطالعه پروتئین هاست. در حال حاضر بیش از ۲۰۰ میلیون شناخته شده وجود دارد اما تنها کسری از این تعداد به طور کامل شناخته شده و می دانیم چه کارکردی داشته و چگونه عمل می کنند. این موضوع از دیرباز یکی از چالش های اصلی زیست شناسی بوده است زیرا پروتئین های بسیاری وجود داشته و ترسیم ساختارهای سه بعدی آن ها بسیار دشوار است. برنامه AlphaFold توسعه داده شده توسط DeepMind با پیش بینی شکل بسیاری از پروتئین ها و تشخیص ساختار بسیار دقیق آن ها تنها در عرض چند روز این مشکل را حل کرده است.

محققان این کمپانی از یک سیستم شبکه ای عصبی و با کمک داده های گرفته شده از بانک داده پروتئین موفق به حل این مشکل شدند. این پیش بینی ها دارای حاشیه خطای نسبی ۱.۶ انگسترومی هستند که با عرض یک اتم (یک دهم نانومتر) قابل مقایسه است. محققان این پروژه می گویند که هنوز کارهای زیادی برای انجام وجود دارد، از جمله مشخص کردن چگونگی تشکیل ساختارهای پیچیده توسط پروتئین های مختلف و همچنین تعامل آن ها با دی ان ای.