تستثمر OpenAI في أبحاث الخلود

المصدر: Quantum

عندما يتعلق الأمر بمساهمة الذكاء الاصطناعي في العلوم، قد تفكر في AlphaFold، وهو بروتين Google DeepMind برنامج قابل للطي، والذي فاز مبتكروه بجائزة نوبل العام الماضي.

الآن، تقول شركة OpenAI إنها تدخل مجال العلوم أيضًا، من خلال بناء نموذج لهندسة البروتين.

تقول الشركة إنها طورت نموذجًا لغويًا يمكنه تصور البروتينات التي يمكنها تحويل الخلايا العادية إلى خلايا جذعية، وقد تغلبت بسهولة على البشر.

يعد هذا البحث أول نموذج لشركة OpenAI يركز على البيانات البيولوجية، والمرة الأولى التي تدعي فيها الشركة علنًا أن نموذجها يمكن أن يقدم نتائج علمية غير متوقعة. وعلى هذا النحو، فهي خطوة نحو تحديد ما إذا كان الذكاء الاصطناعي يمكنه تحقيق اكتشافات حقيقية، وهو ما يعتبره البعض اختبارًا كبيرًا لـ "الذكاء العام الاصطناعي".

في الأسبوع الماضي، قال سام ألتمان، الرئيس التنفيذي لشركة OpenAI، إنه "واثق" من أن شركته تعرف كيفية بناء ذكاء اصطناعي عام، مضيفًا أن "الأدوات فائقة الذكاء يمكن أن تسرع الاكتشافات العلمية بشكل كبير وأن الابتكار يتجاوز بكثير ما يمكننا نحن البشر فعله". القيام به بأنفسنا."

بدأ مشروع هندسة البروتين منذ عام، عندما تواصلت شركة أبحاث طول العمر Retro Biosciences ومقرها سان فرانسيسكو مع OpenAI بشأن التعاون.

هذا التعاون ليس من قبيل الصدفة. وفقًا للتقارير، قدم سام ألتمان، الرئيس التنفيذي لشركة OpenAI، شخصيًا مبلغ 180 مليون دولار (حوالي 1.318 مليار يوان) لتمويل شركة Retro.

(المصدر: OpenAI)

هدف Retro هو إطالة العمر الطبيعي للإنسان بمقدار 10 سنوات. وللقيام بذلك، قامت الشركة بدراسة ما يسمى بعوامل ياماناكا، أو الخلايا الجذعية المستحثة متعددة القدرات. هذه مجموعة من البروتينات التي عند إضافتها إلى خلايا الجلد البشرية، تحولها إلى خلايا جذعية شابة المظهر، وهو نوع الخلايا التي يمكن أن تؤدي إلى تكوين أي نسيج آخر في الجسم.

يرى الباحثون في شركة Retro والشركات ذات التمويل الجيد مثل Altos Labs هذه الظاهرة كنقطة انطلاق محتملة لتجديد شباب الحيوانات، أو إنشاء أعضاء بشرية، أو توفير خلايا بديلة.

لكن هذا النوع من "إعادة برمجة" الخلايا ليس فعالًا جدًا. يستغرق الأمر أسابيع، وتكمل أقل من 1% من الخلايا المعالجة في طبق المختبر رحلة التجديد.

يمكن تدريب نموذج OpenAI الجديد، المسمى GPT-4b micro، لاقتراح طرق لإعادة تصميم عوامل البروتين لتعزيز وظيفتها. وفقًا لـ OpenAI، استخدم الباحثون توصيات النموذج لتحسين كفاءة عاملي ياماناكا بأكثر من 50 مرة، على الأقل وفقًا لبعض القياسات الأولية. وقال جون هولمان، الباحث في OpenAI: "بشكل عام، يبدو أن هذه البروتينات أفضل مما يمكن للعلماء إنتاجه بأنفسهم".

كان هولمان هو المطور الرئيسي للنموذج، جنبًا إلى جنب مع آرون جاك من OpenAI وريكو ميني من Retro.

لا يستطيع العلماء الخارجيون معرفة ما إذا كانت النتائج صحيحة حتى يتم نشرها، وهو ما تقول الشركتان إنهما تخططان للقيام به. لم يصبح النموذج متاحًا على نطاق أوسع بعد، فهو لا يزال عرضًا تجريبيًا مخصصًا وليس إطلاقًا رسميًا للمنتج.

قال جاك: "يهدف هذا المشروع إلى إظهار أننا جادون بشأن مساهمتنا في العلوم". "ولكن ما إذا كانت هذه القدرات ستكون متاحة كنماذج منفصلة أو مدمجة في نماذج الاستدلال الرئيسية لدينا - فلا يزال يتعين تحديدها."

يعمل النموذج بشكل مختلف عن AlphaFold من Google، والذي يمكنه التنبؤ بشكل البروتين. تقول شركة OpenAI إنه نظرًا لأن عوامل ياماناكا عبارة عن بروتينات لينة وغير منظمة على نحو غير عادي، فإنها تتطلب نهجًا مختلفًا، حيث تناسب نماذجها اللغوية الكبيرة تمامًا.

يتم تدريب النموذج على عينات تسلسل البروتين من العديد من الأنواع، بالإضافة إلى معلومات حول البروتينات التي تميل إلى التفاعل مع بعضها البعض. على الرغم من أن البيانات كبيرة، إلا أنها لا تمثل سوى جزء صغير من بيانات التدريب الخاصة بروبوت الدردشة الرئيسي الخاص بـ OpenAI، لذا فإن GPT-4b هو مثال على "نموذج لغة صغير" يستخدم مجموعة بيانات مركزية.

بمجرد أن حصل علماء ريترو على النموذج، حاولوا توجيهه نحو إعادة تصميم محتملة لبروتين ياماناكا. تشبه استراتيجية التحفيز المستخدمة نهج "النماذج القليلة"، حيث يطرح المستخدم سؤالاً على برنامج الدردشة الآلي من خلال تقديم سلسلة من الأمثلة مع الإجابات، ثم يقدم مثالاً للروبوت للرد عليه.

على الرغم من أن مهندسي الوراثة لديهم الوسائل اللازمة لتوجيه التطور الجزيئي في المختبر، إلا أنهم لا يستطيعون عادةً اختبار سوى عدد محدود من الاحتمالات. علاوة على ذلك، فحتى البروتينات ذات الطول المتوسط ​​يمكن أن تتغير بطرق لا حصر لها تقريبًا (لأنها مصنوعة من مئات الأحماض الأمينية، ولكل منها 20 اختلافًا محتملاً).

ومع ذلك، غالبًا ما تقترح نماذج OpenAI تغيير ثلث الأحماض الأمينية في البروتين.

قال الرئيس التنفيذي لشركة Retro، جو بيتس-لاكروا: "لقد وضعنا هذا النموذج على الفور في المختبر وحصلنا على نتائج حقيقية". وقال أيضًا إن مفهوم النموذج جيد جدًا وقد تحسن مقارنة بعامل ياماناكا شينيا الأصلي في حالات قليلة. وقال فاديم جراديشيف، خبير الشيخوخة بجامعة هارفارد ومستشار شركة ريترو: "نحن بحاجة إلى طرق أفضل لصنع الخلايا الجذعية". وقال: "بالنسبة لنا، سيكون هذا مفيدًا جدًا. يمكن إعادة برمجة [خلايا الجلد] بسهولة، لكن الخلايا الأخرى ليست كذلك". "وإعادة البرمجة في نوع جديد - عادةً ما يكون الأمر مختلفًا تمامًا، ولن تحصل على شيء." كيف وصل GPT-4b إلى تخمينه، ليس من الواضح بعد - كما هو الحال غالبًا مع نماذج الذكاء الاصطناعي. وقال بيتس لاكروا: "يبدو الأمر كما لو أن AlphaGo يتغلب على أفضل لاعب بشري في Go، لكن الأمر استغرق وقتًا طويلاً لمعرفة السبب". "ما زلنا نحاول معرفة ما يفعله، ونعتقد أن الطريقة التي نطبقه بها هي مجرد خدش السطح."

الرئيس التنفيذي لشركة OpenAI سام ألتمان (المصدر: TechCrunch, CC BY 2.0 , عبر Wikimedia Commons)

ذكرت OpenAI أنه لم يتم تضمين أي معاملات نقدية في هذا التعاون. ولكن بما أن البحث يمكن أن يفيد شركة Retro، التي يعد Altman أكبر مستثمر فيها، فقد تثير الأخبار المزيد من الأسئلة حول النشاط الجانبي للرئيس التنفيذي لشركة OpenAI.

في العام الماضي، قالت صحيفة وول ستريت جورنال إن استثمارات ألتمان الواسعة في شركات التكنولوجيا الخاصة الناشئة ترقى إلى مستوى "إمبراطورية استثمارية مبهمة" وكانت "تولد عددًا متزايدًا من الصراعات المحتملة" لأن بعض هذه الشركات تتعامل أيضًا مع OpenAI.

بالنسبة لشركة Retro، فإن مجرد الارتباط بمسابقة Ultraman وOpenAI وAGI يمكن أن يعزز مكانتها ويعزز قدرتها على توظيف الموظفين وجمع الأموال. ولم ترد شركة Bates-Lacroix على الأسئلة حول ما إذا كانت الشركة في مرحلة مبكرة هي حاليًا في مرحلة التمويل.

قالت شركة OpenAI إن ألتمان لم يشارك بشكل مباشر في العمل، ولم تتخذ الشركة أبدًا قرارات بناءً على استثمارات ألتمان الأخرى.