Ο AI co-scientist της Google έλυσε πρόβλημα 10ετίας για τα υπερβακτήρια μέσα σε 2 ημέρες!

Ένα νέο AI εργαλείο της Google έλυσε μέσα σε μόλις δύο ημέρες ένα πρόβλημα που χρειάστηκε μια δεκαετία για να το λύσουν οι επιστήμονες. Ο José Penadés και οι συνάδελφοί του στο Imperial College του Λονδίνου πέρασαν 10 χρόνια για να καταλάβουν πώς ορισμένα υπερβακτήρια αποκτούν ανθεκτικότητα στα αντιβιοτικά, μια αυξανόμενη απειλή που στοιχίζει εκατομμύρια ζωές κάθε χρόνο.

Αλλά όταν η ομάδα ανέθεσε στον «co-scientist» της Google αυτό το ζήτημα με μια σύντομη προτροπή, η απάντηση της AI παρήγαγε την ίδια απάντηση με τα μέχρι τότε αδημοσίευτα ευρήματά τους, μέσα σε μόλις δύο ημέρες. Έκπληκτος, ο Penadés έστειλε email στη Google για να ελέγξει αν είχαν πρόσβαση στην έρευνά του. Η εταιρεία απάντησε ότι δεν είχε.

«Αυτό που δείχνουν τα ευρήματά μας είναι ότι η Τεχνητή Νοημοσύνη έχει τη δυνατότητα να συνθέσει όλα τα διαθέσιμα στοιχεία και να μας κατευθύνει στα πιο σημαντικά ερωτήματα και πειραματικά σχέδια», ανέφερε σε δήλωσή του ο συν-συγγραφέας Tiago Dias da Costa, λέκτορας βακτηριακής παθογένειας στο Imperial College του Λονδίνου. «Αν το σύστημα λειτουργεί τόσο καλά όσο ελπίζουμε, αυτό θα μπορούσε να αλλάξει τα δεδομένα- αποκλείοντας τα “αδιέξοδα" και δίνοντάς μας ουσιαστικά τη δυνατότητα να προχωρήσουμε με εξαιρετικούς ρυθμούς».

Η μικροβιακή αντοχή (AMR) εμφανίζεται όταν τα μολυσματικά μικρόβια, όπως βακτήρια, ιοί, μύκητες και παράσιτα, αποκτούν αντοχή στα αντιβιοτικά, καθιστώντας τα βασικά φάρμακα αναποτελεσματικά. Αποκαλούμενη «σιωπηλή πανδημία», η AMR αποτελεί μία από τις μεγαλύτερες απειλές για την Υγεία που αντιμετωπίζει η Ανθρωπότητα, καθώς η υπερβολική και κακή χρήση αντιβιοτικών τόσο στην Ιατρική όσο και στη Γεωργία επιταχύνει τον επιπολασμό της.

Σύμφωνα με έκθεση του 2019 των Κέντρων Ελέγχου και Πρόληψης Νοσημάτων (CDC), τα ανθεκτικά στα φάρμακα βακτήρια σκότωσαν τουλάχιστον 1,27 εκατομμύρια ανθρώπους παγκοσμίως το ίδιο έτος. Περίπου 35.000 από αυτούς τους θανάτους σημειώθηκαν μόνο στις ΗΠΑ, πράγμα που σημαίνει ότι οι θάνατοι στις ΗΠΑ από το θέμα αυτό είχαν αυξηθεί κατά 52% από την τελευταία έκθεση του CDC για την ΑΜΡ, το 2013.

Για να διερευνήσουν το πρόβλημα, ο Penadés και η ομάδα του άρχισαν να αναζητούν τους τρόπους με τους οποίους ένας τύπος υπερβακτηριδίων, μια οικογένεια ιών που μολύνουν βακτήρια και είναι γνωστοί ως καψιδιομορφικοί φάγοι που δημιουργούν επαγώγιμες χρωμοσωμικές νησίδες (cf-PICIs), αποκτούν την ικανότητά τους να μολύνουν ποικίλα είδη βακτηρίων.

Οι επιστήμονες υπέθεσαν ότι οι ιοί αυτοί το έκαναν αυτό παίρνοντας ουρές, οι οποίες χρησιμοποιούνται για την έγχυση του ιικού γονιδιώματος στο βακτηριακό κύτταρο-ξενιστή, από διαφορετικούς ιούς που μολύνουν βακτήρια. Τα πειράματα απέδειξαν ότι το προαίσθημά τους ήταν σωστό, αποκαλύπτοντας έναν πρωτοποριακό μηχανισμό οριζόντιας μεταφοράς γονιδίων που η επιστημονική κοινότητα δεν γνώριζε προηγουμένως.

Πριν κάποιος από την ομάδα μοιραστεί δημόσια τα ευρήματά τους, οι ερευνητές έθεσαν το ίδιο ερώτημα στο εργαλείο της Google. Μετά από δύο ημέρες, η Τεχνητή Νοημοσύνη επέστρεψε προτάσεις, εκ των οποίων η μία ήταν αυτή που γνώριζαν ότι ήταν η σωστή απάντηση.

«Αυτό ουσιαστικά σήμαινε ότι ο αλγόριθμος ήταν σε θέση να εξετάσει τα διαθέσιμα στοιχεία, να αναλύσει τις πιθανότητες, να θέσει ερωτήσεις, να σχεδιάσει πειράματα και να προτείνει την ίδια ακριβώς υπόθεση στην οποία καταλήξαμε εμείς μέσα από χρόνια επίπονης επιστημονικής έρευνας, αλλά σε ένα κλάσμα του χρόνου», ανέφερε στην ανακοίνωση ο Penadés, καθηγητής μικροβιολογίας στο Imperial College του Λονδίνου.

Οι ερευνητές σημείωσαν ότι η χρήση της AI από την αρχή δεν θα καταργούσε την ανάγκη διεξαγωγής πειραμάτων, αλλά θα τους βοηθούσε να καταλήξουν στην υπόθεση πολύ νωρίτερα, εξοικονομώντας τους έτσι χρόνια εργασίας.

Παρά αυτά τα ελπιδοφόρα ευρήματα, η χρήση της Τεχνητής Νοημοσύνης στην Επιστήμη παραμένει αμφιλεγόμενη. Ένας αυξανόμενος όγκος ερευνών που υποστηρίζονται από την AI, για παράδειγμα, έχει αποδειχθεί ότι είναι μη αναπαραγώγιμες ή ακόμη και εντελώς απατηλές. Για να ελαχιστοποιηθούν αυτά τα προβλήματα και να μεγιστοποιηθούν τα οφέλη που θα μπορούσε να επιφέρει η Τεχνητή Νοημοσύνη στην έρευνα, οι επιστήμονες προτείνουν εργαλεία για την ανίχνευση παραπτωμάτων της Τεχνητής Νοημοσύνης και την καθιέρωση ηθικών πλαισίων για την αξιολόγηση της ακρίβειας των ευρημάτων.

[via]