کشف اطلاعات غلط توسط هوش مصنوعی: ریسک استفاده از AI در تحقیقات بیولوژی

به گزارش ایسنا، یک سیستم هوش مصنوعی می‌تواند به دانشمندان در شناسایی یک داروی جدید امیدوارکننده کمک کند. این فناوری با یادگیری ویژگی‌ها و روابط مشترک از نمونه‌های موجود، محتوای جدیدی ایجاد می‌کند. محققان در حال بررسی کاربرد آن در طراحی پروتئین‌ها، شبیه‌سازی سلول‌ها، پر کردن شکاف‌ها در نتایج تجربی و تولید داده‌های بیولوژیکی مصنوعی هستند. نکته حائز اهمیت این است که این سیستم‌ها می‌توانند توهم نیز ایجاد کنند. چنین خطایی می‌تواند عواقب ملموسی داشته باشد. هوش مصنوعی ممکن است یک کاندیدای دارویی را که می‌توانست مؤثر باشد، نادیده بگیرد و محققان را به سمت یک درمان ناکارآمد هدایت کند. همچنین، این فناوری می‌تواند یک اثر بیولوژیکی واقعی را پنهان کرده یا یک مکانیسم بیماری که وجود ندارد را مانند یک کشف جلوه دهد. توماس برگر(Thomas Burger)، زیست‌شناس محاسباتی از دانشگاه گرنوبل آلپ(Grenoble Alpes) در فرانسه، این مشکل را در 10 کاربرد بالقوه هوش مصنوعی مولد در مقاله‌ای که در مجله‌ی «Patterns» منتشر شده است، بررسی می‌کند. آزمایش‌های اومیکس(Omics) می‌توانند مجموعه داده‌های گسترده‌ای شامل اندازه‌گیری ژن‌ها، پروتئین‌ها و سایر مولکول‌ها را تولید کنند. هوش مصنوعی می‌تواند به محققان کمک کند تا این حجم عظیم اطلاعات را درک کنند، اما تشخیص تغییرات ظریف وارد شده به چنین داده‌های پیچیده‌ای می‌تواند دشوار باشد. برگر می‌گوید همه این کاربردها سطح ریسک یکسانی ندارند. تفاوت کلیدی این است که آیا خروجی هوش مصنوعی ایده‌ای است که بعداً در یک آزمایش واقعی آزمایش می‌شود یا داده‌های مصنوعی که مستقیماً به عنوان مدرک استفاده می‌شوند.