أشاد رابينويتز، مجموعة علوم البيانات: نجاح جوجل في مسابقة طي البروتين دليل على حدوث تقدم كبير في تطوير الأدوية

ووفقا له، فإن القدرة الحالية لقواعد البيانات الكبيرة والقدرة الحاسوبية تجعل من الممكن تحقيق الإنجازات في مجال الذكاء الاصطناعي

في الآونة الأخيرة، أعلنت شركة DeepMind، وهي شركة تابعة لشركة Alphabet، وهي أيضًا الشركة الأم لشركة Google، أن النظام الذي أنشأته كان قادرًا على أداء مهمة تكسير عملية طي البروتين كجزء من مسابقة تقام كل عامين تسمى CASP (أو التقييم النقدي للبنية) التنبؤ)، والذي يتنافس فيه العشرات من الفرق من جميع أنحاء العالم في تحديات طي البروتين.

فازت خوارزمية Alpha-Fold السابقة بالمسابقة السابقة في عام 2018، على الرغم من أنها لم تتمكن إلا من تحديد البروتين بنسبة دقة 60 بالمائة، ومنذ ذلك الحين شهدت تحسينات كبيرة، وتمكنت من تجاوز المنافسين والتنبؤ بطريقة طي البروتين بنسبة 90 بالمائة. دقة في المائة، مما يقربنا من التحدي الكبير - فهم بنية البروتين دون الحاجة إلى استخدام طرق باهظة الثمن تستغرق وقتًا طويلاً في التجارب.

يكتب الدكتور روي سيزانا، المستقبلي ومؤلف كتابي "دليل المستقبل" و"حكام المستقبل" في مقالته الاختراق الذي سيغير كل شيء في الطب   لأن هذه القدرة تعتبر اختراقاً لبناء آلات النانو التي ستساعد البشرية في مجالات كثيرة ومتنوعة. ويقدم مثالا من مجال الطب أنه يمكننا إنتاج أدوية تحدد بدقة الخلايا السرطانية وتقتلها داخل الجسم، أو تنظف الشرايين للوقاية من أمراض القلب والسكتات الدماغية.

يقول أشاد رابينوفيتش، عالم البيانات في Data Science Group (DSG) وحاصل على درجة الماجستير في علم الأعصاب من كلية الطب في التخنيون، والذي تابع المنافسة عن كثب هذا العام، إن هذه المهمة هي مقياس لنجاح استخدام الذكاء الاصطناعي في مجالات البيولوجيا والطب.

في السنوات الأخيرة، جرت محاولات عديدة لتسخير الاختراقات في تقنيات الذكاء الاصطناعي (وأولها "التعلم العميق") لحل المشاكل الطبية والبيولوجية. في الآونة الأخيرة، تم إحراز تقدم كبير عندما تمكنت شركة Deepmind (وهي شركة تابعة لشركة Google قامت في السابق بتطوير خوارزمية هزمت بطل العالم في لعبة Go - وهي لعبة صينية قديمة) من التنبؤ بطي البروتينات كجزء من المنافسة التي تقام كل عامين. عقدت منذ عام 1994.

"تم طرح المنافسة من قبل مجموعات من شركات التكنولوجيا والجامعات عندما تم تكليف المجموعات بمهمة فهم بنية بروتين معين، ومن كان الأقرب يفوز، عندما يتم تقديم الإجابات إلى الحكام بشكل مجهول. وصلت مجموعة DeepMind إلى قدرة التعرف على ما يقرب من 90%، في حين تمكن الآخرون من التعرف على 75% من الهيكل على الأكثر. تجدر الإشارة إلى أن نظام Deep Mind حقق نجاحًا بنسبة 60 بالمائة فقط في العام الماضي، مما يعني أنه يمثل قفزة. وقال رابينوفيتش: "لسوء الحظ، لا يمكننا الآن معرفة سبب النجاح في الخوارزمية، وسيتعين علينا انتظار شركة Deepmind لنشرها في الأدبيات العلمية".

 تُستخدم البروتينات الموجودة في الجسم لأغراض مختلفة (فهي تشكل الجلد والشعر والأظافر، وتعمل كقنوات على غشاء الخلية، كأنزيمات وكأجسام مضادة في الجهاز المناعي). تبدأ عملية إنتاج البروتين النهائي بربط الأحماض الأمينية ببعضها البعض (وفقًا لـ "وصفة" وراثية). وبعد عملية طي مكونة من 3-4 خطوات، يتم الحصول على البروتين النهائي. يعد الهيكل النهائي للبروتين علامة فارقة في فهم وظيفته. ومن المحبط أنه مع الأساليب الموجودة اليوم، يمكن أن يستغرق تحديد بنية البروتين سنوات ويكلف الكثير من المال. يتيح نظام Deepmind التنبؤ ببنية البروتين بدقة وبتكلفة زهيدة وبسرعة. فاجأت الدقة العالية للخوارزمية كبار العلماء في هذا المجال لأنهم زعموا أنهم لا يعتقدون أنهم سيرون حلاً لهذه المشكلة في حياتهم. إن فهم بنية البروتين بتكلفة زهيدة وبسرعة سيسمح في المستقبل بفهم أسرع للأمراض وتطوير الأدوية بشكل أسرع.

"من المقدر أنه في السنوات المقبلة سيتم استخدام القدرة على التنبؤ ببنية البروتينات المختلفة لتحديد الجزيئات المستهدفة للأدوية واللقاحات، وهذا سيختصر العملية بشكل كبير ويضمن إجابة سريعة وصحيحة، وأحيانًا إجابة يمكن للعلماء لم أفكر."

ماذا تفعل شركة DSG؟

"DSG هو مركز امتياز متخصص في تحليل البيانات من خلال التعلم العميق والتعلم الآلي، تم تأسيسه من قبل رواد الأعمال الدكتور إيلان ساسون الذي يشغل منصب الرئيس التنفيذي للشركة والدكتور جدعون روزنتال الذي يشغل منصب مدير الأبحاث. نحن نعمل مع العملاء في مجالات التكنولوجيا المالية والتكنولوجيا التعليمية والتكنولوجيا الفائقة والحوسبة السحابية وتقييم المخاطر. لقد قمنا أيضًا بتطوير منتج جاهز للمؤسسات، مع إجراء التعديلات اللازمة لاحتياجات محددة، وهذا هو e-volve - أداة لمراقبة الأنظمة القائمة على الذكاء الاصطناعي في بيئة تشغيلية، مصممة لضمان موثوقية نموذج مع مرور الوقت."

نتحدث اليوم عن مشكلة التحيز في أنظمة الذكاء الاصطناعي، ما سبب هذه التحيزات؟

"في الواقع، هذه مشكلة، وبالتالي نحن بحاجة إلى نظام يتحقق باستمرار من أن نظام الذكاء الاصطناعي يعمل بشكل صحيح ونحقق ذلك من خلال نظام e-volve. يتم التعلم الآلي عن طريق الأمثلة، ويجب أن تكون الأمثلة متنوعة ومن الضروري أيضًا التأكد من أنها محدثة. على سبيل المثال، نظام قمنا ببناءه يحلل عناوين الأخبار ويصنف الأخبار، لم نرى أمثلة تشرح مصطلح كورونا، هذا المصطلح كان له معاني أخرى" (مثلا تاج الشمس أو مثلا بيرة كورونا AB).

"السبب في أنه من الممكن اليوم بناء أنظمة ذكاء اصطناعي جيدة وتدريبها هو أننا نملك، من ناحية، الكثير من البيانات عن كل شيء، ومن ناحية أخرى، القوة الحاسوبية التي تجعل من الممكن القيام بذلك دون الحاجة إلى الحاجة إلى موارد دولة أو شركة عملاقة، خاصة في عصر السحابة. ويمكن تنفيذ مثل هذه القدرة التدريبية بسهولة باستخدام موارد جامعة متوسطة، وبالتالي يمكن للباحثين الآخرين تكرار التجربة والتحقق من النتائج."

المزيد عن الموضوع على موقع العلوم:

• الاختراق الذي سيغير كل شيء في الطب
• إعلان مونتريال: لماذا يجب علينا تطوير الذكاء الاصطناعي بطريقة مسؤولة
• راي كورزويل: "خلال عقد من الزمن سيكون لدينا ذكاء اصطناعي على مستوى البشر"
• الذكاء الاصطناعي الأب، الذكاء الاصطناعي الابن وروح جوجل