L’intelligenza artificiale usa la sua abilità artistica per la creazione di nuove proteine ​​umane

Un ribosoma produce una proteina utilizzando un mRNA come templato.

Un ribosoma produce una proteina utilizzando un mRNA come templato.

 

La scorsa primavera, un laboratorio di intelligenza artificiale chiamato OpenAI ha svelato una tecnologia che ti consente di creare immagini digitali semplicemente descrivendo ciò che vuoi vedere . Chiamato DALL-E, ha scatenato un’ondata di strumenti simili con nomi come Midjourney e Stable Diffusion. Promettendo di accelerare il lavoro degli artisti digitali, questa nuova generazione di intelligenza artificiale ha catturato l’immaginazione sia del pubblico che degli esperti e ha minacciato di generare nuovi livelli di disinformazione online .

I social media ora pullulano di elementi sorprendentemente concettuali, in cui immagini sorprendentemente dettagliate, spesso fotorealistiche, generate da DALL-E e altri strumenti. ” Foto di un orsacchiotto che cavalca uno skateboard a Times Square .” “ Carino corgi in una casa fatta di sushi .” “ Jeflon Zuckergates .”

Ma quando alcuni scienziati prendono in considerazione questa tecnologia, vedono più di un semplice modo per creare foto false. Vedono un percorso verso un nuovo trattamento contro il cancro o un nuovo vaccino antinfluenzale o una nuova pillola che aiuta a digerire il glutine.

Utilizzando molte delle stesse tecniche che sono alla base di DALL-E e altri generatori di arte, questi scienziati stanno generando progetti per nuove proteine, minuscoli meccanismi biologici che possono cambiare il modo in cui si comportano i nostri corpi.

I nostri corpi producono naturalmente circa 20.000 proteine, che gestiscono tutto, dalla digestione del cibo al trasporto di ossigeno attraverso il flusso sanguigno. Ora i ricercatori stanno lavorando per creare proteine ​​che non si trovano in natura, sperando di migliorare la nostra capacità di combattere le malattie e fare cose che i nostri corpi non possono fare da soli.

David Baker, direttore dell’Institute for Protein Design presso l’Università di Washington, ha lavorato per costruire proteine ​​artigianali per più di 30 anni. Nel 2017, lui e il suo team avevano dimostrato che era possibile . Ma non hanno previsto come l’ascesa di nuove tecnologie di intelligenza artificiale avrebbe improvvisamente accelerato questo lavoro, riducendo il tempo necessario per generare nuovi progetti da anni a settimane.

“Ciò di cui abbiamo bisogno sono nuove proteine ​​in grado di risolvere i problemi dei giorni nostri, come il cancro e le pandemie virali”, ha affermato il dott. Baker. “Non possiamo aspettare l’evoluzione.” Ha aggiunto: “Ora possiamo progettare queste proteine ​​molto più velocemente e con tassi di successo molto più elevati e creare molecole molto più sofisticate che possono aiutare a risolvere questi problemi”.

L’anno scorso, il dottor Baker e i suoi colleghi ricercatori hanno pubblicato un paio di articoli sulla rivista Science descrivendo come varie tecniche di intelligenza artificiale potrebbero accelerare la progettazione delle proteine . Ma questi documenti sono già stati eclissati da uno più recente che attinge alle tecniche che guidano strumenti come DALL-E, mostrando come nuove proteine ​​possono essere generate da zero proprio come le foto digitali.

“Una delle cose più potenti di questa tecnologia è che, come DALL-E, fa quello che gli dici di fare”, ha detto Nate Bennett, uno dei ricercatori che lavorano nel laboratorio dell’Università di Washington. “Da un singolo prompt, può generare un numero infinito di progetti.”

Per generare immagini, DALL-E si affida a ciò che i ricercatori di intelligenza artificiale chiamano rete neurale , un sistema matematico liberamente modellato sulla rete di neuroni nel cervello. Questa è la stessa tecnologia che riconosce i comandi che impartisci al tuo smartphone, consente alle auto a guida autonoma di identificare (ed evitare) i pedoni e traduce le lingue su servizi come Skype.

Una rete neurale apprende abilità analizzando grandi quantità di dati digitali. Individuando schemi in migliaia di foto di corgi, ad esempio, può imparare a riconoscere un corgi. Con DALL-E, i ricercatori hanno costruito una rete neurale che cercava modelli mentre analizzava milioni di immagini digitali e le didascalie di testo che descrivevano ciò che rappresentava ciascuna di queste immagini. In questo modo ha imparato a riconoscere i legami tra le immagini e le parole.

Quando descrivi un’immagine per DALL-E, una rete neurale genera una serie di funzionalità chiave che questa immagine può includere. Una caratteristica potrebbe essere la curva dell’orecchio di un orsacchiotto. Un altro potrebbe essere la linea sul bordo di uno skateboard. Quindi, una seconda rete neurale, chiamata modello di diffusione, genera i pixel necessari per realizzare queste funzionalità.

Il modello di diffusione viene addestrato su una serie di immagini in cui il rumore – l’imperfezione – viene gradualmente aggiunto a una fotografia fino a quando non diventa un mare di pixel casuali. Mentre analizza queste immagini, il modello impara a eseguire questo processo al contrario. Quando gli dai pixel casuali, rimuove il rumore, trasformando questi pixel in un’immagine coerente.

Presso l’Università di Washington, altri laboratori accademici e nuove start-up, i ricercatori stanno utilizzando tecniche simili nel loro tentativo di creare nuove proteine.

Le proteine ​​iniziano come stringhe di composti chimici, che poi si attorcigliano e si piegano in forme tridimensionali che definiscono il loro comportamento. Negli ultimi anni, laboratori di intelligenza artificiale come DeepMind, di proprietà di Alphabet, la stessa società madre di Google, hanno dimostrato che le reti neurali possono indovinare con precisione la forma tridimensionale di qualsiasi proteina nel corpo basandosi solo sui composti più piccoli che contiene: un enorme progresso scientifico.

Ora, ricercatori come il Dr. Baker stanno facendo un altro passo, usando questi sistemi per generare progetti per proteine ​​completamente nuove che non esistono in natura. L’obiettivo è creare proteine ​​che assumano forme molto specifiche; una forma particolare può servire a un compito particolare, come combattere il virus che causa il Covid.

Proprio come DALL-E sfrutta la relazione tra didascalie e fotografie, sistemi simili possono sfruttare la relazione tra una descrizione di ciò che la proteina può fare e la forma che adotta. I ricercatori possono fornire uno schema approssimativo per la proteina che desiderano, quindi un modello di diffusione può generare la sua forma tridimensionale.

“Con DALL-E, puoi chiedere l’immagine di un panda che mangia un germoglio di bambù”, ha detto Namrata Anand, un ex ricercatore della Stanford University che è anche un imprenditore, costruendo un’azienda in quest’area di ricerca. “Allo stesso modo, gli ingegneri proteici possono chiedere una proteina che si leghi a un’altra in un modo particolare – o qualche altro vincolo di progettazione – e il modello generativo può costruirla”.

La differenza è che l’occhio umano può giudicare istantaneamente la fedeltà di un’immagine DALL-E. Non può fare lo stesso con una struttura proteica. Dopo che le tecnologie di intelligenza artificiale hanno prodotto questi progetti proteici, gli scienziati devono comunque portarli in un laboratorio umido – dove si possono fare esperimenti con composti chimici reali – e assicurarsi che facciano quello che dovrebbero fare.

Per questo motivo, alcuni esperti affermano che le ultime tecnologie di intelligenza artificiale dovrebbero essere prese con le pinze. “Creare una nuova struttura è solo un gioco”, ha detto Frances Arnold, premio Nobel e professore specializzato in ingegneria proteica presso il California Institute of Technology. “Ciò che conta davvero è: cosa può effettivamente fare quella struttura?”

Ma per molti ricercatori, queste nuove tecniche non stanno solo accelerando la creazione di nuove proteine ​​candidate per il laboratorio umido. Forniscono un modo per esplorare nuove innovazioni che i ricercatori non potevano esplorare in precedenza da soli.

“La cosa eccitante non è solo che sono creativi ed esplorano possibilità inaspettate, ma che sono creativi mentre soddisfano determinati obiettivi o vincoli di progettazione”, ha affermato Jue Wang, ricercatore presso l’Università di Washington. “Questo ti evita di dover controllare ogni possibile proteina nell’universo.”

Spesso vengono sviluppate macchine artificialmente intelligenti per eseguire abilità che sono naturali per gli esseri umani, come mettere insieme immagini, scrivere testi o giocare a giochi da tavolo. I robot che progettano proteine ​​pongono una domanda più profonda, ha detto il dottor Wang: “Cosa possono fare le macchine che gli umani non possono fare affatto?”

Il post AI trasforma la sua abilità artistica nella creazione di nuove proteine ​​umane è apparso per la prima volta sul New York Times .

Altre notizie
Airpods e danni all’udito

Airpods e danni all’udito

Lunga tenuta, cancellazione del rumore e wireless: come gli auricolari danneggiano il nostro udito Gli auricolari...

Scienzah: potete fidarvi?

Scienzah: potete fidarvi?

Dimostrando che una revisione anonima non retribuita vale ogni centesimo, il 217enne editore scientifico Wiley ha...

Influenza aviaria e OMS

Influenza aviaria e OMS

Il trattato pandemico dell'OMS e la crisi dell'influenza aviaria stanno arrivando nello stesso momento I funzionari...

error: Content is protected !!
× How can I help you?