Hier ist ein Gedanke: Künstliche Intelligenz – wozu ist sie gut?
Das mag angesichts der enormen Energie, der Investitionen und des Hypes im KI-Bereich sowie der unbestreitbaren Beweise für den technologischen Fortschritt mürrisch erscheinen. Schließlich kann die KI heute jeden Menschen in Spielen schlagen, die von reichen Schach zu Starcraft (DeepMinds AlphaZero und AlphaStar); es kann a schreiben B-College-Geschichtsaufsatz in Sekunden mit ein paar Eingabeaufforderungen (OpenAIs GPT-3); es kann zeichnen On-Demand-Illustrationen von überraschender Kreativität und Qualität (OpenAIs DALL-E 2).
Für KI-Befürworter wie Sam Altman, CEO von OpenAI, läuten diese Fortschritte eine Ära ein, in der „KI-Kreativwerkzeuge den größten Einfluss auf kreative Arbeitsabläufe seit dem Computer selbst haben werden“, wie er getwittert Im vergangenen Monat. Das mag sich als wahr herausstellen. Aber im Hier und Jetzt bin ich immer noch etwas unterfordert.
Nicht durch das, was diese KI-Tools genau können. Geben Sie eine kurze Eingabeaufforderung in DALL-E 2 ein und kommen Sie zurück, sagen Sie: „ein mittelalterliches Gemälde, in dem das WLAN nicht funktioniert“ fühlt sich magisch an. Dennoch können Menschen Aufsätze schreiben und Menschen können Illustrationen zeichnen, und während GPT-3 und DALL-E 2 diese Aufgaben erledigen können schneller, sie können sie nicht wirklich tun besser. Sie sind übermenschlich in der Geschwindigkeit, nicht in der Qualität. (Die Ausnahme in der obigen Gruppe ist das Spielmodell von DeepMind, das wirklich übermenschlich ist – fragen Sie einfach die Armen, die besiegt sind Meistern Sie Lee Se-dol – aber bis diese KI-Fähigkeiten in der viel komplexeren realen Welt eingesetzt werden können, ist es meistens ein interessantes Forschungsprojekt.)
KI kann also faszinierend und cool und sogar ein bisschen beängstigend sein, aber was sie noch nicht ist, ist wirklich in der Lage, eine entscheidende Rolle bei der Lösung wichtiger Probleme zu spielen – etwas, das sich in der Tatsache zeigt, dass all diese Fortschritte es getan haben noch um Amerikas träge Produktivitätszahlen anzukurbeln.
Aus diesem Grund erscheinen die jüngsten Nachrichten über AlphaFold, ein KI-Modell von DeepMind, das die dreidimensionale Struktur von Proteinen vorhersagen kann, wirklich monumental – sie läuten nicht nur eine neue Ära der künstlichen Intelligenz ein, sondern auch eine neue Ära nützlicher, wichtiger Wissenschaft.
Eine „große Herausforderung“ gelöst
Seit Jahrzehnten versuchen Molekularbiologen zu knacken, was als „Das Proteinfaltungsproblem.“
Proteine sind die biologischen Treiber von allem, von Viren bis hin zu Menschen. Sie beginnen als Ketten chemischer Verbindungen, bevor sie sich zu einzigartigen 3D-Formen falten. Die Natur dieser Formen – ebenso wie die Aminosäuren, aus denen sie bestehen – definiert, was Proteine können und wie sie verwendet werden können.
Die Vorhersage, welche Form ein Protein basierend auf seiner Aminosäuresequenz annehmen wird, würde es Biologen ermöglichen, seine Funktion und ihre Beziehung zu anderen molekularen Prozessen besser zu verstehen. Pharmazeutika werden häufig unter Verwendung von Proteinstrukturinformationen entwickelt, und die Vorhersage der Proteinfaltung könnte die Arzneimittelentdeckung, neben anderen Bereichen der Wissenschaft, erheblich beschleunigen.
Das Problem beim Problem der Proteinfaltung ist jedoch, dass die Identifizierung der endgültigen Struktur eines Proteins Wissenschaftler im Allgemeinen Jahre anstrengender Laborarbeit gekostet hat. Was die Forscher brauchten, war ein KI-Algorithmus, der die endgültige Form eines Proteins schnell identifizieren konnte, so wie Computer-Vision-Systeme heute menschliche Gesichter mit erstaunlicher Genauigkeit identifizieren können. Bis vor wenigen Jahren waren die besten Ansätze der Computerbiologie zur Vorhersage der Proteinfaltung noch weit unten die Genauigkeit, die Wissenschaftler von experimentellen Arbeiten erwarten können.
Geben Sie AlphaFold ein. Ein weiteres Produkt von DeepMind, dem in London ansässigen KI-Unternehmen, das war 2014 von Google (das später zu Alphabet wurde) gekauftAlphaFold ist ein KI-Modell entworfen um die dreidimensionale Struktur von Proteinen vorherzusagen. AlphaFold hat die Konkurrenz Ende 2020 bei einer alle zwei Jahre stattfindenden Proteinstruktur-Vorhersage-Herausforderung umgehauen und fast so gut wie Goldstandard-Experimente gearbeitet, aber viel schneller.
AlphaFold sagt Proteinstrukturen durch ein neuronales Deep-Learning-Netzwerk voraus, das mit Tausenden von bekannten Proteinen und ihren Strukturen trainiert wurde. Das Modell nutzte diese bekannten Verbindungen, um zu lernen, die Form anderer Proteine schnell vorherzusagen, ähnlich wie andere Deep-Learning-Modelle riesige Datenmengen aufnehmen können – im Fall von GPT-3 etwa 45 Terabyte Textdaten – um vorherzusagen, was als nächstes kommt.
AlphaFold wurde erkannt durch die Zeitschrift Wissenschaft als Durchbruch des Jahres 2021 und schlug Kandidaten wie antivirale Covid-19-Pillen und die Anwendung der CRISPR-Genbearbeitung im menschlichen Körper. Ein Experte wunderte sich sogar wenn AlphaFold die erste KI werden würde, die einen Nobelpreis gewinnt.
„Eine neue Ära der digitalen Biologie“
Die Durchbrüche kamen immer wieder.
Letzte Woche DeepMind angekündigt dass Forscher aus der ganzen Welt AlphaFold verwendet haben, um die Strukturen von etwa 200 Millionen Proteinen aus 1 Million Arten vorherzusagen, was fast jedes dem Menschen bekannte Protein abdeckt. Alle diese Daten werden auf a frei verfügbar gemacht Datenbank gegründet von DeepMind und seinem Partner, dem European Bioinformatics Institute des European Molecular Biology Laboratory.
„Im Wesentlichen kann man sich vorstellen, dass es das gesamte Proteinuniversum abdeckt“, sagte DeepMind-CEO Demis Hassabis letzte Woche auf einer Pressekonferenz. „Wir stehen am Beginn einer neuen Ära der digitalen Biologie.“
Die Datenbank funktioniert im Grunde wie eine Google-Suche nach Proteinstrukturen. Forscher können ein bekanntes Protein eingeben und erhalten seine vorhergesagte Struktur, was ihnen Wochen oder mehr Arbeit im Labor erspart. Das System ist bereits gewöhnungsbedürftig Arzneimittelforschung beschleunigenteilweise über eine Alphabet-Schwesterfirma namens Isomorphic Laboratories, während andere Forscher AlphaFold nutzen, um Enzyme zu identifizieren, die Kunststoffe abbauen könnten.
Die durch AlphaFold ermöglichte schiere Geschwindigkeit sollte auch dazu beitragen, die Recherchekosten zu senken. Kathryn Tunyasuvunakool, eine DeepMind-Forscherin, sagte Reportern, dass AlphaFold nur etwa 10 bis 20 Sekunden benötigte, um jede Proteinvorhersage zu treffen. Das könnte besonders nützlich für Forscher sein, die sich mit vernachlässigten Krankheiten wie Leishmaniose und der Chagas-Krankheit befassen, die ständig unterfinanziert sind, weil sie hauptsächlich die verzweifelten Armen treffen.
„AlphaFold ist der einzigartige und bedeutsame Fortschritt in der Biowissenschaft, der die Leistungsfähigkeit der KI demonstriert“, getwittert Eric Topol, Direktor des Scripps Research Translational Institute.
Nützliche KI – jetzt
Es kann durchaus sein, dass KI-Modelle wie GPT-3, die sich mit allgemeiner Sprache befassen, letztendlich einflussreicher sind als eine engere Anwendung wie AlphaFold. Sprache ist immer noch unser größtes Signal für Intelligenz und möglicherweise sogar Bewusstsein – man denke nur an die jüngste Kontroverse darüber, ob ein anderes fortgeschrittenes Sprachmodell, Googles LaMDA, empfindungsfähig geworden ist.
Aber trotz all ihrer Fortschritte sind solche Modelle immer noch da weit von diesem Niveau entfernt, und weit davon entfernt, für normale Benutzer wirklich zuverlässig zu sein. Unternehmen wie Apple und Amazon gearbeitet haben Sprachassistenten-KI zu entwickeln, die diesen Namen verdienen. Solche Modelle kämpften auch mit Voreingenommenheit und Fairness, wie Sigal Samuel Anfang dieses Jahres schrieb, ein Problem, das eher mit Politik als mit Technologie gelöst werden muss.
Das AlphaFold-Modell von DeepMind ist nicht ohne Risiken. Wie Kelsey Piper Anfang dieses Jahres über KI und ihre Anwendungen in der Biologie schrieb: „Jedes System, das leistungsstark und genau genug ist, um für Menschen sichere Arzneimittel zu identifizieren, ist von Natur aus ein System, das auch gut darin sein wird, Arzneimittel zu identifizieren, die für Menschen unglaublich gefährlich sind .“ Eine KI, die in der Lage ist, Proteinstrukturen vorherzusagen, könnte theoretisch von jemandem, der biologische Waffen oder Toxine entwickeln möchte, für bösartige Zwecke eingesetzt werden.
Man muss DeepMind zugutehalten, dass es die potenziellen Gefahren einer Öffnung seiner Datenbank für die Öffentlichkeit abgewogen und sich mit mehr als 30 Experten für Biosicherheit und Ethik beraten hat, und zu dem Schluss gekommen ist, dass die Vorteile – einschließlich der Beschleunigung der Entwicklung wirksamer Abwehrmaßnahmen gegen biologische Bedrohungen – überwiegen irgendwelche Risiken. „Die Anhäufung von menschlichem Wissen ist einfach ein enormer Vorteil“, sagte Ewenbirney, Direktor des European Bioinformatics Institute, gegenüber Reportern bei der Pressekonferenz. „Und die Unternehmen, die riskant sein könnten, sind wahrscheinlich eine sehr kleine Handvoll.“
AlphaFold – das laut DeepMind das komplexeste KI-System ist, das es je gebaut hat – ist ein hocheffektives Tool, das Dinge tun kann, die Menschen nicht so einfach tun können. Dabei kann es diese Humanbiologen bei ihrer Arbeit noch effektiver machen. Und im Zeitalter von Covid sind diese Jobs wichtiger denn je, ebenso wie ihr neuer KI-Assistent.
Eine Version dieser Geschichte wurde ursprünglich im Future Perfect Newsletter veröffentlicht. Melden Sie sich hier zum Abonnieren an!