A generatív biológia első eredményei

Az egyik előző cikkben írtam arról, hogy Dava Newman az MIT Media Lab vezetője Davosban beszámolt arról, hogy a generatív mesterséges intelligencia eszközeit elkezdték felhasználni a laboratóriumokban, létrehozva a generatív biológiát. Bár nem fejtette ki részletesen, hogy miről is van szó, azt megjegyezte hogy ezáltal egy olyan mesterséges intelligencia rendszert fognak létrehozni, ami képes érteni a világunkat, ezáltal olyan globális összetett problémák vállnak megoldhatóvá, mint a faji diverzitás megőrzése vagy a klímaváltozás.

Az EvolutionaryScale nemrég publikus beta elérhetőséggel tette közzé az ESM3-at a biológia kutatók számára, amely egy olyan multimodális generatív nyelvi modell, amelyet nem szövegeken tanítottak be, hanem fehérje szekvenciákon. A fehérjék az élet alapvető építőkövei, amelyek évmilliárdok alatt fejlődnek, olyan irányba, hogy különböző biológiai funkciókat lássanak el. Ilyen biológia funkció lehet, például az immunválasz, vagy az emésztés. A fehérjék a komplex molekulák hosszú aminosav-láncokból állnak, amelyeket pontos szekvenciák határoznak meg, mivel a szerkezetük közvetlenül befolyásolja a működésüket.

A korábbi mesterséges intelligencia megoldások, mint például az AlphaFold arra voltak jók, hogy előre tudják jelezni, hogy ezek a fehérje molekulák miként hajtódnak össze és milyen térbeli alakot vesznek fel, ez egy kiindulási alap a gyógyszer fejlesztésben. Az ESM3 ehhez képest teljesen új fehérje molekulákat tud generálni, csak úgy mint ahogy a ChatGPT szöveget generál. Ami igazán lenyűgöző ebben, hogy képes 500 millió évnyi evolúciós folyamatokat végigvinni, és korábban a természetben soha nem létezett fehérjéket alkotni. A rendszer képes arra, hogy a fehérjét úgy hozza létre, hogy az kifejezetten valamilyen előre betáplált biológiai funkció ellátására legyen képes, tehát gyakorlatilag egy fehérjemérnöki eszköz. Az egyik ilyen eredménye, hogy olyan fluoreszcens fehérjéket tudott generálni, amelyeket egyébként az orvosi kutatásokban széles körben használtak, csak eddig medúzákból kellett kinyerni őket. Az ESM3 nem a medúzából kinyert fehérjét állította elő, hanem attól genetikailag teljesen eltérőt, amely funkciójában azonban helyettesíteni tudja a medúzák fehérjéjét.

Ez az áttörés azért fontos, mert egyrészt validálja a generatív modellek nem csak szövegeken való használatának működőképességét. Másrészt innentől kezdve, nem csak arra vagyunk képesek, hogy azt elemezzük hogy az evolúció során valami hogyan fejlődött, hanem aktívan képesek vagyunk evolúciós folyamatokat lefuttatni. Ez nem csupán a gyógyszergyártásban nyit meg új kapukat, hanem például a környezetvédelmet is új dimenzióba helyezi. Gondoljunk például arra, hogy innentől kezdve képesek leszünk olyan fehérjéket előállítani ami műanyagot emészt azaz műanyagot képes lebontani, vagy ilyen típusú szennyezéseket képes kimutatni. A kutatók tehát olyan eszközt kaptak a kezükbe, amellyel nagy előrelépésekre lesznek képesek már ebben az évtizedben.   

Osszd meg ezt a cikket
Svájc új nyelvi modellje megmutatja, hogyan lehet az AI valóban közjó
Miközben a mesterséges intelligencia (AI) gyors ütemben formálja a tudományos kutatást, az ipart és a közszolgáltatásokat, egyre több kérdés merül fel a technológia átláthatóságával, társadalmi hasznosságával és szabályozhatóságával kapcsolatban. A svájci kutatók egy új kezdeményezéssel kívánnak választ adni ezekre a kérdésekre: teljesen nyílt forráskódú, közfinanszírozású nagy nyelvi modellt (LLM) fejlesztettek, amelyet idén nyáron terveznek nyilvánosan elérhetővé tenni. A projekt hátterében az ETH Zürich, az EPFL és a Svájci Nemzeti Szuperszámítógépes Központ (CSCS) áll, a számítási kapacitást pedig a „Alps” nevű, kifejezetten AI-feladatokra tervezett szuperszámítógép biztosította.
Az okos szemüvegek piaca valóban robbanás előtt áll?
Egyes iparági szakértők szerint 2025 lehet az az év, amikor az okos szemüvegek végérvényesen kilépnek a kísérleti eszközök árnyékából, és megkezdik térhódításukat a szélesebb fogyasztói rétegekben. Bár a technológia nem új, az utóbbi évek fejlesztései, piaci szereplők belépése és a mesterséges intelligencia térnyerése együttesen egy olyan fordulópontot vetítenek előre, amely indokolttá teszi a kérdést: az okos szemüvegek piaca valóban robbanás előtt áll?
Kína 100 ezer Nvidia chipet szerezne be – de honnan jönnek a tiltott technológiák?
Miközben az Egyesült Államok és Kína közötti politikai és gazdasági feszültségek egyre fokozódnak, a globális technológiai verseny sem lassul. A világ egyik legfontosabb chipgyártója, az amerikai Nvidia olyan új stratégiákon dolgozik, amelyekkel a geopolitikai korlátok ellenére is fenntarthatja jelenlétét Kínában. A vállalat nem csupán üzleti, hanem diplomáciai téren is igyekszik mozgásteret teremteni magának.
 Fázisátmenet figyelhető meg a nyelvi modellek tanulásában
Mi történik a mesterséges intelligencia „elméjében”, amikor megtanulja megérteni a nyelvet? Hogyan jut el oda, hogy nem csupán a szavak sorrendjét, hanem azok jelentését is képes követni? Egy nemrég megjelent kutatás a mesterséges intelligencia e belső folyamataiba enged elméleti betekintést, és olyan átváltozást azonosít, amely a fizikából ismert fázisátmenetekhez hasonlítható.
 Hogyan segít az MI a cementipar szén-dioxid-kibocsátásának csökkentésében
A globális szén-dioxid-kibocsátás mintegy nyolc százalékáért egyetlen iparág felelős: a cementgyártás. Ez több, mint amennyit az egész légi közlekedési szektor kibocsát világszerte. Miközben a világ egyre több betont használ — lakóházakhoz, infrastruktúrához, ipari létesítményekhez —, a cement előállítása továbbra is rendkívül energiaigényes és szennyező marad. Ezen a helyzeten kíván változtatni a svájci Paul Scherrer Intézet (PSI) kutatócsoportja, amely mesterséges intelligencia segítségével dolgozik ki új, környezetbarát cementrecepteket.
Hol tart ma valójában a mesterséges intelligencia?
A mesterséges intelligencia fejlesztése az elmúlt években látványos és gyakran lenyűgöző eredményeket produkált. Az olyan rendszerek, mint a ChatGPT, képesek természetes nyelvű szövegeket generálni, problémákat megoldani és sokszor az emberi teljesítményt is meghaladni különféle feladatokban. Ugyanakkor egyre több neves kutató és technológiai vezető – köztük John Carmack és François Chollet – hívja fel a figyelmet arra, hogy ezek az eredmények nem feltétlenül jelentik az általános mesterséges intelligencia (AGI) közeledtét. A színfalak mögött most új típusú problémák és kérdések kerültek a figyelem középpontjába, amelyek messze túlmutatnak a puszta teljesítményen.