هوش مصنوعی ویروس‌هایی ساخت که در طبیعت یافت نمی‌شوند

به نقل از نیویورک‌تایمز، دانشمندان برای نخستین‌بار از هوش مصنوعی برای ایجاد گونه‌های جدیدی از ویروس‌ها استفاده کرده‌اند؛ اقدامی که امیدها برای پیشرفت‌های پزشکی را افزایش می‌دهد، اما هم‌زمان احتمال نگران‌کننده‌ای را نیز مطرح می‌کند:
اینکه این فناوری ممکن است روزی برای طراحی عوامل بیماری‌زای خطرناک مورداستفاده قرار گیرد.

ساخت ویروس‌ها از صفر، موضوع جدیدی نیست. پژوهشگران سال‌ها پیش یاد گرفتند چگونه ژنوم‌های ویروسی را در آزمایشگاه تولید کنند؛ ژنوم‌هایی که برای بررسی داروهای ضدویروس، واکسن‌ها و همچنین درک نحوه عملکرد ویروس‌ها مورداستفاده قرار می‌گیرند. اما مطالعه جدیدی که در نسخه ۶ اوت ۲۰۲۶ نشریه Science منتشر شد، بسیار فراتر از تکثیر ژن‌های ویروسی موجود است. دانشمندان دانشگاه استنفورد و مؤسسه پژوهشی Arc به هوش مصنوعی آموزش دادند تا الگوهای ساختار DNA موجود در طبیعت را شناسایی کند و سپس از این داده‌ها برای نوشتن دستورالعمل ساخت ویروس‌هایی کاملاً جدید استفاده کند.

پژوهشگران بر اساس این دستورالعمل‌ها، مولکول‌های DNA را تولید کردند و آن‌ها را به داخل باکتری‌ها وارد کردند. سپس باکتری‌های اصلاح‌شده ویروس‌هایی تولید کردند که هرگز در طبیعت مشاهده نشده بودند. این ویروس‌ها توانستند سایر باکتری‌ها را آلوده کنند؛ موضوعی که نشان می‌داد آن‌ها قابلیت زیستی دارند. «پاتریک کای»، زیست‌شناس مصنوعی در دانشگاه منچستر که در این مطالعه مشارکت نداشت این موضوع را یک نقطه عطف مهم دانست.

ویروس‌هایی که هوش مصنوعی طراحی کرده بود، تهدیدی برای انسان‌ها محسوب نمی‌شوند؛ زیرا همه آن‌ها شباهت زیادی به ویروس طبیعی به نام Phi X-174 دارند که تنها می‌تواند باکتری‌ها را آلوده کند. اما این مطالعه جدید به نگرانی‌های درباره این موضوع دامن می‌زند که هوش مصنوعی ممکن است امکان ایجاد نسل جدیدی از سلاح‌های زیستی، از سموم کشنده گرفته تا همه‌گیری‌های غیرقابل‌کنترل را فراهم کند.

«موریتس هانکه»، پژوهشگر مرکز امنیت سلامت دانشگاه جانز هاپکینز که در این مطالعه جدید مشارکت نداشت، گفت دولت‌ها و سازمان‌های علمی در توسعه سازوکارهای حفاظتی که بتوانند مانع ایجاد یک ویروس مرگبار شوند، کند عمل کرده‌اند؛ حتی در شرایطی که علم با سرعت زیادی در حال پیشرفت است.

نویسندگان این مطالعه از یک مدل هوش مصنوعی به نام Evo استفاده کردند که از برخی جهات شباهت‌هایی به ChatGPT دارد. ChatGPT با کنار هم قراردادن کلماتی که احتمال دارد پس از یکدیگر ظاهر شوند، به پرسش‌ها پاسخ می‌دهد. این توانایی به دلیل سال‌ها آموزش روی حجم عظیمی از متن‌های گردآوری‌شده از اینترنت، کتاب‌ها و منابع دیگر به‌دست‌آمده است.

DNA از برخی جهات شباهت چشمگیری به یک کتاب دارد؛ رشته‌ای از واحدهای سازنده مولکولی که نوکلئوتید نام دارند و مانند حروف در یک خط متن کنار هم قرار گرفته‌اند. یک ژن از صدها نوکلئوتید تشکیل شده است که از یک الفبای چهارحرفی شامل A، C، G و T انتخاب می‌شوند. ترتیب این نوکلئوتیدها دستورالعمل ساخت پروتئین‌ها و سایر مولکول‌ها را در خود ذخیره می‌کند.

DNA نیز قواعد دستوری (گرامر) خاص خود را دارد و اگر یک توالی این قواعد را نقض کند، نتیجه چیزی جز اطلاعات زیستی بی‌معنا نخواهد بود. زیست‌شناسان برخی از قواعد دستوری طبیعت را کشف کرده‌اند، اما بسیاری از آن‌ها همچنان ناشناخته باقی مانده‌اند.

پژوهشگران این پرسش را مطرح کردند که آیا Evo می‌تواند این قواعد را به‌تنهایی یاد بگیرد یا خیر. آن‌ها به‌جای آموزش مدل با متن، آن را با توالی‌های ژنتیکی گرفته‌شده از میلیون‌ها جانور، گیاه، میکروب و ویروس آموزش دادند. در مجموع، Evo حدود ۹ هزارمیلیارد نوکلئوتید را بررسی کرد.

Evo سرانجام الگوهای مشترک میان درخت حیات را شناسایی کرد و از آن‌ها برای تولید طرح‌هایی از ژن‌های جدید استفاده کرد؛ ژن‌هایی که پروتئین‌هایی با قابلیت انجام وظایف مشخص را رمزگذاری می‌کردند. این نتایج باعث شد تیم پژوهشی این پرسش را مطرح کند که آیا Evo می‌تواند نه‌فقط ژن‌های منفرد، بلکه یک ژنوم کامل را نیز درک و طراحی کند.

ازآنجایی‌که هوش مصنوعی در ابتدا تنها قادر به پردازش ژنوم‌های کوچک بود، دانشمندان تصمیم گرفتند ساخت ویروس‌ها را آزمایش کنند. درحالی‌که ژنوم انسان بیش از سه میلیارد نوکلئوتید دارد، بسیاری از ویروس‌ها ژنوم‌هایی تنها چند هزار نوکلئوتیدی دارند. «ساموئل کینگ»، دانشجوی تحصیلات تکمیلی دانشگاه استنفورد و یکی از نویسندگان مطالعه، گفت: «این فقط مرحله بعدی کاملاً بدیهی به نظر می‌رسید.» او و همکارانش یک مرحله دیگر Evo را آموزش دادند؛ این بار با استفاده از ۱۱ ژن ویروس Phi X-174 و حدود ۱۵ هزار مورد از نزدیک‌ترین خویشاوندان آن.

تیم پژوهشی ویروس Phi X-174 را به این دلیل انتخاب کرد که دانشمندان شناخت بسیار دقیقی از آن دارند و نزدیک به یک قرن آن را مطالعه کرده‌اند. همچنین چون این ویروس یک باکتریوفاژ است که فقط باکتری E. coli را آلوده می‌کند، پژوهشگران می‌دانستند ویروس‌های مشابه آن ایمن خواهند بود.

پس از اینکه Evo با ژنوم‌های Phi X-174 و خویشاوندان آن آشنا شد، پژوهشگران از مدل خواستند نسخه‌های جدیدی از این ویروس را طراحی کند. Evo تعداد ۷۰۰ هزار نسخه احتمالی تولید کرد؛ اما دانشمندان تنها نسخه‌هایی را بررسی کردند که به نظر می‌رسید بیشترین احتمال موفقیت را دارند. در نهایت، آن‌ها مولکول‌های DNA را بر اساس ۲۸۵ توالی پیشنهادی Evo ساختند. زمانی که این ژنوم‌ها آماده آزمایش شدند، کینگ و همکارانش آن‌ها را وارد باکتری‌ها کردند و سپس باکتری‌ها را روی صفحات کشت آزمایشگاهی پخش کردند.

در بسیاری از این صفحات، میکروب‌ها به طور عادی رشد کردند؛ یعنی ژنوم‌های طراحی‌شده توسط Evo شکست خورده بودند. اما در یکی از صفحات، پژوهشگران متوجه نقاط شفافی شدند که در لایه کدر باکتری‌ها ظاهر شده بودند که نشانه مشخص و واضحی از تکثیر ویروس‌ها بود.

DNA خاصی که دانشمندان وارد باکتری‌ها کرده بودند، پوسته‌های پروتئینی تولید کرده بود که ژن‌های ویروسی را در خود جای می‌دادند. سپس ویروس‌ها از سلول‌ها خارج شدند و بقایای پاره‌شده میزبان‌های مرده خود را بر جای گذاشتند. با آزمایش ژنوم‌های بیشتر، کینگ و همکارانش نقاط شفاف بیشتری مشاهده کردند. در مجموع، آن‌ها دریافتند که ۱۶ ژنوم طراحی‌شده توسط Evo توانسته‌اند ویروس‌های جدید و زیست‌پذیر تولید کنند. این ویروس‌ها به‌اندازه ویروس‌های طبیعی مقاوم بودند. در واقع، برخی از آن‌ها سریع‌تر از Phi X-174 تکثیر شدند.

«الیور کروک»، شیمی‌دان پروتئین در دانشگاه آکسفورد که در این مطالعه مشارکت نداشت گفت: «آن‌ها فقط نسخه‌های ضعیف‌شده‌ای از چیزهایی که از قبل وجود دارند نیستند.» کروک هشدار داد که ویروس‌های تولیدشده توسط Evo، مخلوقات کاملاً جدید و بی‌سابقه نیستند. این ویروس‌ها همچنان شباهت زیادی به گونه‌های طبیعی دارند و بر همان زیست‌شناسی بنیادی متکی هستند.

دانشمندان باید آزمایش‌های بیشتری انجام دهند تا مشخص شود آیا Evo در صورت آموزش با گروه‌های دیگری از ویروس‌ها نیز همین میزان موفقیت را خواهد داشت یا خیر. اگر چنین باشد، کروک انتظار دارد دانشمندان بتوانند برخی ویروس‌های تولیدشده توسط هوش مصنوعی را پیدا کنند که برای پزشکی و زیست‌فناوری ابزارهای مفیدی باشند. او گفت: «بخش بزرگی از علم ما بر ویروس‌ها به‌عنوان یک فناوری متکی است.»

برای مثال، برای درمان افراد مبتلا به اختلالات ژنتیکی، پزشکان ژن‌ها را داخل ویروس‌ها قرار می‌دهند تا این ویروس‌ها آن ژن‌ها را به سلول‌ها منتقل کنند. اما در کنار این امیدها، موفقیت اولیه Evo نگرانی‌هایی را نیز ایجاد کرده است مبنی بر اینکه هوش مصنوعی می‌تواند برای ساخت عوامل بیماری‌زای مرگبار مورداستفاده قرار گیرد. هانکه نیز احتمال داد: «می‌توانید بگویید سلام مدل زبانی ژنومی، برای من یک ژنوم آنفلوانزا بساز که تغییر داده شده باشد تا قابلیت انتقال بیشتری داشته باشد یا کشنده‌تر باشد.»

خطرات احتمالی از همان ابتدا هنگام آموزش Evo در ذهن پژوهشگران وجود داشت. آن‌ها داده‌های مربوط به ویروس‌هایی که انسان‌ها را آلوده می‌کنند در اختیار مدل قرار ندادند و همچنین ویروس‌های مشابهی را که حیوانات، گیاهان و قارچ‌ها را آلوده می‌کنند حذف کردند. در نتیجه، Evo نمی‌تواند ژنوم ویروس‌هایی را تولید کند که ممکن است برای انسان‌ها تهدید ایجاد کنند.

«برایان هی»، زیست‌شناس محاسباتی در دانشگاه استنفورد و یکی از نویسندگان مطالعه گفت: «ما فقط می‌خواستیم بیش از حد محتاط باشیم.» هانکه نیز از هی و همکارانش به دلیل اتخاذ این تدبیر احتیاطی تقدیر کرد و گفت: «فکر می‌کنم این اقدام بسیار قابل‌تحسین است، زیرا آن‌ها هیچ دستورالعمل مشخصی از جایی دریافت نمی‌کنند که به آن‌ها بگوید چه کاری باید انجام دهند.»

به گفته هانکه، مؤسسه ملی سلامت آمریکا (NIH) اخیراً سیاست جدیدی برای جلوگیری از پژوهش‌های پرخطر در علوم زیستی معرفی کرده است. این سیاست دانشمندان را از انجام آزمایش‌هایی که باعث خطرناک‌تر شدن عوامل زیستی می‌شوند، منع خواهد کرد. اما طبق بیانیه این سازمان، پژوهش‌های مبتنی بر رایانه، مانند تولید DNA ویروس با استفاده از هوش مصنوعی «تا زمانی که شامل یک عامل نگران‌کننده نباشد، تحت این سیاست ممنوع نیست.»

تشخیص اینکه یک ویروس طبیعی مانند آبله یک عامل نگران‌کننده است یا نه آسان است. اما هانکه گفت درباره چگونگی ارزیابی خطر احتمالی یک ویروس ساخته‌شده توسط مدل هوش مصنوعی، هنوز اجماع مشخصی وجود ندارد.