در پاییز سال ۲۰۲۴، خبری از استکهلم مخابره شد که جهان علم را تکان داد: آکادمی سلطنتی علوم سوئد نه یک بار، بلکه دو بار در یک هفته، معتبرترین افتخار علمی جهان را به پیشگامان هوش مصنوعی واگذار کرد. ابتدا نوبل فیزیک به جفری هینتون و جان هاپفیلد برای پایهگذاری شبکههای عصبی رسید، و بیستوچهار ساعت بعد، نوبل شیمی به دمیس حسابیس و جان جامپر از تیم Google DeepMind برای ساخت سیستم شگفتانگیز AlphaFold اهدا شد.
تا پیش از آن، بیشتر مردم هوش مصنوعی را چتباتی میدیدند که متن مینویسد، به ایمیلها جواب میدهد یا تصاویری فانتزی برای شبکههای اجتماعی میسازد. اما در سکوت آزمایشگاههای بیولوژی، اتفاق بسیار بزرگتری رخ داده بود: ماشینها کاری کرده بودند که هزاران دانشمند تراز اول در طول نیم قرن از حل آن درمانده بودند.
هوش مصنوعی مرزهای سرگرمی را پشت سر گذاشته بود و کدهای بنیادین حیات را رمزگشایی میکرد.
در ادامه میبینیم معمای ۵۰ ساله پروتئینها چه بود، آلفافولد چطور کار یک میلیون سال آزمایشگاههای سنتی را در چند دقیقه به سرانجام رساند، و چرا این جهش، آغاز عصری تازه در دانش بشر است.
معمای ۵۰ ساله حیات؛ پروتئینها چطور شکل میگیرند؟
در بدن همه موجودات زنده، از باکتری گرفته تا انسان، پروتئینها کارگران اصلی سلول هستند. هموگلوبین اکسیژن را در خون جابهجا میکند، آنتیبادیها به ویروسها حمله میکنند و آنزیمها غذای ما را میسوزانند. تقریباً هر کاری که بدن انجام میدهد، به دست یک پروتئین انجام میشود.
همه پروتئینها به صورت یک زنجیره خطی ساده از اسیدهای آمینه ساخته میشوند؛ شبیه به مهرههایی که روی یک نخ کشیده شده باشند. اما جادوی واقعی چند میکروثانیه بعد رخ میدهد: این زنجیره خطی در کسری از ثانیه پیچوتاب میخورد، روی خودش تا میشود و به یک ساختار هندسی سهبعدی بینهایت دقیق تبدیل میشود.
قانون آهنینی در طبیعت وجود دارد: شکل سهبعدی پروتئین، عملکرد آن را تعیین میکند. اگر ساختار درست تا نخورد، پروتئین کار نمیکند یا بیماریهایی نظیر آلزایمر و پارکینسون پدید میآیند.
مشکل دانشمندان همینجا بود. برای یک زنجیره پروتئینی معمولی، بر اساس یک معمای معروف فیزیکی به نام پارادوکس لونتال (Levinthal’s Paradox)، حدود ۱۰ به توان ۳۰۰ حالت مختلف برای تاخوردن وجود دارد؛ عددی که از تعداد کل اتمهای جهان شناختهشده هم به مراتب بیشتر است! طبیعت در چند میکروثانیه دقیقترین شکل را انتخاب میکند، اما فیزیکدانها و شیمیدانها هر چه معادله نوشتند، نتوانستند بفهمند این زنجیره چطور به شکل نهایی خود میرسد.
دانشمندان برای پیدا کردن شکل یک پروتئین ناچار بودند سالها وقت بگذارند، آن را در آزمایشگاه متبلور کنند و با اشعه ایکس (X-ray Crystallography) از آن عکسبرداری کنند؛ کاری بسیار گران و طاقتفرسا که گاهی پایاننامه ده سالهی یک پژوهشگر فقط کشف شکل یک پروتئین واحد بود.
در طول ۶۰ سال تلاش تمام پژوهشگران زمین، ساختار حدود ۱۷۰ هزار پروتئین کشف شده بود؛ در حالی که صدها میلیون پروتئین در طبیعت ناشناخته باقی مانده بودند.
رمزگشایی در چند دقیقه؛ چطور AlphaFold کار یک میلیون سال را تمام کرد؟
در سال ۲۰۲۰، شرکت DeepMind نسخه دوم مدل AlphaFold را به مسابقات بینالمللی ارزیابی ساختار پروتئین (CASP) فرستاد. این مسابقات شبیه المپیک بیولوژی ساختاری است که هر دو سال یکبار برگزار میشود.
نتیجه برای داوران غیرقابل باور بود. آلفافولد ساختارهای سهبعدی را با دقتی پیشبینی کرد که با آزمایشهای چندینساله زیر اشعه ایکس مو نمیزد. آکادمی نوبل این لحظه را نقطه عطفی در تاریخ علم خواند.
اما جهش اصلی زمانی رخ داد که دیپمایند پایگاه دادهای عمومی با بیش از ۲۰۰ میلیون ساختار پروتئینی منتشر کرد. آنها شکل سهبعدی تقریباً تمام پروتئینهای شناختهشده در گیاهان، باکتریها، حیوانات و انسان را پیشبینی کرده و دادههای آن را به صورت رایگان در اختیار تمام دانشمندان جهان قرار دادند.
پژوهشگران برآورد کردند که کشف تجربی این حجم از ساختارها با روشهای سنتی آزمایشگاهی، نیازمند بیش از یک میلیارد دلار بودجه و صدها هزار سال کار مداوم بشر بود. هوش مصنوعی این حجم غیرقابل تصور از تاریکی را در چند ماه روشن کرد.
هوش مصنوعی چطور چیزی را فهمید که معادلات فیزیک نتوانسته بودند؟
راز موفقیت آلفافولد این نبود که صرفاً یک ابرکامپیوتر سریعتر بود؛ راز در تغییر دیدگاه نسبت به دادههای طبیعت نهفته بود.
ابرکامپیوترهای سنتی سعی میکردند رفتار تکتک اتمها و جاذبههای الکتریکی میان آنها را ثانیهبهثانیه شبیهسازی کنند؛ روشی که محاسباتش به بنبست میخورد. اما آلفافولد از ساختار شبکههای عصبی و یادگیری هندسی (Geometric Deep Learning) استفاده کرد.
مدل به صورت همزمان دو چیز را یاد گرفت: ۱. تاریخچه تکاملی: در طول میلیاردها سال تکامل، بخشهای حیاتی یک پروتئین تغییر نکردهاند. مدل یاد گرفت با مقایسه ژنتیکی موجودات مختلف، پیوندهای پایدار را حدس بزند. ۲. هندسه فضایی: مدل فاصلهها و زاویههای میان آمینواسیدها را نه به صورت فرمولهای صلب، بلکه به عنوان یک نقشه گراف فضایی تحلیل کرد که کمکم در چندین تکرار، شبیه حل یک پازل سهبعدی، به پایدارترین حالت میرسید.
همانطور که در مقاله حل مسئله ناویر-استوکس توسط OpenAI دیدیم، هوش مصنوعی توانایی خارقالعادهای در کشف الگوهای مخفی در سیستمهای پیچیده طبیعت دارد؛ الگوهایی که شهود انسان توان محاسبه همزمان هزاران متغیر آن را ندارد.
این کشف چه تغییری در زندگی واقعی ما ایجاد میکند؟
جایزه نوبل فقط یک مدال طلایی نیست؛ این دستاورد در حال حاضر جریان پزشکی و محیطزیست را تغییر داده است:
- طراحی داروهای تازه در چند هفته: تا پیش از این، شرکتهای داروسازی سالها صرف میکردند تا دارویی بسازند که دقیقاً به نقطه ضعف یک ویروس یا سلول سرطانی بچسبد. حالا شکل گیرندهها از پیش معلوم است و طراحی مولکولها روی کامپیوتر آغاز میشود.
- مبارزه با بیماریهای فراموششده: پژوهشگران بیماریهای نادری که هیچ بودجه تحقیقاتی تجاری برای آنها صرف نمیشد، حالا کاتالوگ آماده پروتئینهای آن را در اختیار دارند.
- پاکسازی محیطزیست با آنزیمهای دستساز: دانشمندان با استفاده از آلفافولد در حال طراحی آنزیمهای تازهای هستند که میتوانند پلاستیکهای رهاشده در طبیعت را در چند ساعت تجزیه کنند.
پایان دوران اسباببازیها
برای سالها بدبینها میگفتند هوش مصنوعی چیزی بیش از یک بازی تبلیغاتی برای جلب سرمایه یا ابزاری برای بهینهسازی تبلیغات آنلاین نیست. اما دریافت دو جایزه نوبل در رشتههای علوم پایه ثابت کرد که این فناوری وارد مرحله بلوغ شده است.
هوش مصنوعی دیگر یک چتبات ساده نیست که فقط کلمات قبلی را تکرار کند؛ بلکه به تلسکوپ و میکروسکوپ نسل جدید تبدیل شده است. همانطور که گالیله با چرخاندن تلسکوپ به سوی آسمان ماهیت کیهان را دگرگون کرد، امروز دانشمندان هوش مصنوعی را به سمت سلولها، ذرات بنیادی و کدهای حیات چرخاندهاند.
این تازه آغاز داستانی است که در آن ماشینها نه رقیب تفکر انسان، بلکه بالهای پرواز ما برای رمزگشایی بزرگترین رازهای آفرینش خواهند بود.
اگر میخواهید نبض این دگرگونی را لمس کنید و از قدرت این نسل از دستیارهای هوشمند در گفتگوها، مطالعات و ایدهپردازیهای خود بهرهمند شوید، در chat.hooshzy.ir با دستیار فارسی هوشزی در تعامل باشید.