One of the Biggest Problems in Biology Has Finally Been Solved
ปัญหาที่ใหญ่ที่สุดในสาขาวิชาชีววิทยาได้รับการแก้ไขแล้ว
Demis Hassabis ประธานบริหารบริษัท ดีพมายด์ ของกูเกิ้ลอธิบายว่า โปรแกรมเอไอ ที่ชื่อว่า อัลฟ่าโฟลด์ ทำนายโครงสร้าง 3 มิติของโปรตีนทุกตัวที่รู้จักได้อย่างไร
มีคติพจน์เก่าทางชีววิทยา ที่นักชีววิทยามักชอบพูดกัน คือ โครงสร้างกำหนดหน้าที่ในการทำงาน ดังนั้น เพื่อให้เข้าใจถึงการทำงานของโปรตีนที่มีอยู่มากมาย ที่ทำหน้าที่สำคัญในร่างกายที่แข็งแรง หรือทำงานผิดปกติในร่างกายที่เป็นโรค นักวิทยาศาสตร์จะต้องหาโครงสร้างโมเลกุลของโปรตีนเหล่านี้ก่อน
ซึ่งไม่ใช่เรื่องง่าย เพราะว่า โมเลกุลของโปรตีนประกอบด้วยกรดอะมิโนจำนวนมาก จนบางอันมีจำนวนมากจนถึงหลายพันตัว ต่อกันเป็นสายโซ่ยาวและคดเคี้ยว โปรตีนเป็นสารประกอบทางเคมีที่สามารถจะมีปฏิสัมพันธ์ซึ่งกันและกันได้หลายวิธี เพื่อให้เกิดรูปร่างของโปรตีนเป็นสามมิติ ที่มีรูปร่างที่เป็นไปได้จำนวนมหาศาล การหาโครงสร้างของโปรตีนเพียงตัวเดียว หรือการแก้ปัญหา "รูปร่างสามมิติของโปรตีน" อาจจะใช้เวลานานหลายปีในการทดลอง เพื่อที่จะหาโครงสร้างโปรตีนนั้น
แต่เมื่อต้นปี 2022 โปรแกรมปัญญาประดิษฐ์ที่เรามักเรียกกันสั้นๆ ว่า เอไอ ( Artificial Intelligence คำย่อคือ AI ) ที่มีชื่อว่า อัลฟ่าโฟลด์ ซึ่งสร้างและพัฒนาขึ้นโดย บริษัท ดีพมายด์ DeepMind ซึ่งเป็นบริษัทลูกของบริษัทกูเกิ้ล Google ได้ทำนายหรือจำลองโครงสร้าง 3 มิติของโปรตีนเกือบทุกชนิดที่รู้จัก ซึ่งมีจำนวนทั้งหมดประมาณ 200 ล้านตัว
แฮสซาบิส Demis Hassabis ประธานบริหารหรือซีอีโอของบริษัทดีพมายด์ และ จัมเปอร์ John Jumper นักวิทยาศาสตร์วิจัยอาวุโส ได้รับ รางวัลการค้นพบหรือการพัฒนาที่ยิ่งใหญ่ทางวิทยาศาสตร์เพื่อชีวิต หรือBreakthrough Prize in Life Sciences ซึ่งเป็นรางวัลที่มีมูลค่าสูงสุดทางวิทยาศาสตร์ เป็นจำนวนเงิน 3 ล้านดอลลาร์ ประจำปี 2022 ในความสำเร็จดังกล่าว ถือได้ว่าเป็นการเปิดประตูไปสู่การประยุกต์การใช้งานของเอไอ นับตั้งแต่การขยายความเข้าใจเกี่ยวกับอณูชีววิทยาพื้นฐาน ไปจนถึงเร่งขบวนการต่างๆ ในการพัฒนายารักษาโรค
แฮสซาบิส กล่าวว่า บริษัท ดีพมายด์ วิจัยและพัฒนาโปรแกรมปัญญาประดิษฐ์อัลฟ่าโฟลด์ ไม่นานหลังจากที่ เครื่องเอไอ (AI) ที่มีชื่อว่าอัลฟ่าโกะ (AlphaGo) ที่เคยดังเป็นข่าวพาดหัวในปี 2016 สามารถเล่นเกมเอาชนะแชมป์โลกคือ Lee Sedol แชมป์โลกกีฬาโกะ (Go) ซึ่งเป็นเกมหมากกระดานที่เราเรียกกันว่าหมากล้อมได้
แต่เป้าหมายที่เรามีอยู่ในใจเสมอคือ การพัฒนาเอไอเพื่อให้สามารถจัดการกับปัญหาสำคัญทางวิทยาศาสตร์ให้ได้ บริษัทดีพมายด์ได้สร้างโครงสร้างของโปรตีนจากเกือบทุกสิ่งมีชีวิต ที่ได้มีการทำวิจัยเพื่อหาลำดับของกรดอะมิโนมา และได้เก็บข้อมูลของลำดับกรดอะมิโนของแต่ละโปรตีนเหล่านั้น ไว้ในฐานข้อมูลสาธารณะที่สามารถจะเข้าถึงได้
วารสาร ไซเอนติฟิค อเมริกัน Scientific American ได้พูดคุยกับ แฮสซาบิส เกี่ยวกับการพัฒนาเครื่องเอไอที่มีชื่อว่า อัลฟ่าโฟลด์ ซึ่งเป็นแอปพลิเคชั่นที่มีศักยภาพที่น่าตื่นเต้นที่สุด และข้อพิจารณาด้านจริยธรรมของเอไอ
บทสัมภาษณ์
ทำไมคุณถึงตัดสินใจสร้างเอไออัลฟ่าโฟลด์ และคุณมาถึงจุดที่เครื่องสามารถสร้างรูปสามมิติของโปรตีนที่รู้จักได้แทบจะทุกโปรตีนได้อย่างไร
เราได้เริ่มต้นโครงการนี้ประมาณหนึ่งวันหลังจากที่เรากลับมาจากการแข่งขันของอัลฟาโกะ (AlphaGo) ในกรุงโซล ประเทศเกาหลีใต้ ซึ่งเครื่องเอไออัลฟาโกะของเรา ได้เข้าแข่งขันกีฬาโกะหรือหมากล้อม โดยเครื่องเอไอของเราใช้ความสามารถจนเอาชนะ Lee Sedol ซึ่งเป็นแชมป์โลกกีฬาโกะ (Go) ผมกำลังคุยกับ ซิลเวอร์ Dave Silver หัวหน้าโครงการอัลฟาโกะ และเราคุยกันว่า "โครงการใหญ่ต่อไปที่ บริษัท ดีพมายด์ควรจะทำ คืออะไร"
ผมรู้สึกเหมือนว่า จะได้เวลาจัดการกับบางสิ่งที่ยากมากๆ ในทางวิทยาศาสตร์แล้ว เพราะเราเองก็เพิ่งปรับและแก้ไขปัญหาไปไม่มากก็น้อย กับเอไอที่เป็นสุดยอดในการแข่งกีฬา และในที่สุดผมเองอยากจะใช้เอไอกับการแก้ปัญหาโลกแห่งความเป็นจริง ซึ่งนั่นเป็นภารกิจของบริษัท ดีพมายด์ นั่นคือ เพื่อพัฒนาอัลกอริทึมสำหรับวัตถุประสงค์ทั่วไป โดยสามารถจะนำไปใช้แก้ปัญหาต่างๆ ทั่วไปได้
จริงอยู่เราเริ่มต้นด้วยเอไอสำหรับการกีฬา เพราะว่ามันมีประสิทธิภาพมากในการพัฒนาสิ่งต่าง ๆ และทดสอบสิ่งต่าง ๆ ในกีฬาด้วยเหตุผลหลายประการ แต่ในท้ายที่สุดแล้ว นั่นไม่ใช่เป้าหมายสุดท้าย เป้าหมายสุดท้ายคือ เพื่อพัฒนาสิ่งต่างๆ เช่นเอไอที่มีชื่อว่า อัลฟ่าโฟลด์ นี่แหละ
มันเป็นโครงการวิจัยขนาดมหึมา เราทำวิจัยมาประมาณห้าหรือหกปี แต่ผลที่ได้ก็คุ้มกับการเหนื่อย ตั้งแต่ก่อนงาน CASP14 เสียอีก (งาน CASP เป็นงานจัดการแข่งขันการสร้างหรือจำลองรูปสามมิติของโปรตีน) และตอนนั้น เราก็มีเอไอเวอร์ชันก่อนหน้านี้ โดยเราได้นำเข้าแข่งขันที่งาน CASP13 ก็คือเครื่องเอไออัลฟ่าโฟลด์ 1 ในตอนนั้น คุณรู้ไหม มันเป็นสุดยอดของความล้ำสมัย มันดีกว่าที่ใครๆ เคยทำมาก่อน และผมคิดว่า นี่เป็นหนึ่งในครั้งแรกๆ ที่แมชชีน
เลิร์นนิ่ง ได้ถูกนำมาใช้เป็นองค์ประกอบหลักและเป็นส่วนที่สำคัญของระบบเอไอ
จุดมุงหมายก็เพื่อพยายามที่จะแก้ปัญหาโครงสร้างสามมิติของโปรตีนนั่นเอง นั่นมันทำให้เรามีความมั่นใจที่จะผลักดันให้ดีขึ้นมากกว่าเดิม เราได้รื้อปรับระบบสิ่งต่างๆ ใหม่หมดเมื่อเราสร้างอัลฟ่าโฟลด์ 2 ขึ้นมา โดยทางเราได้ใส่แนวคิดใหม่ๆ อย่างมากมายลงไปในนั้น เราได้นำผู้เชี่ยวชาญเข้ามาร่วมทีมเพิ่มเติมอีกด้วย ดังเช่น นักชีววิทยา นักเคมี และนักชีวฟิสิกส์ที่ทำงานด้านการสร้างรูปสามมิติของโปรตีน เพื่อที่จะมารวมเข้ากับทีมวิศวกรรมและทีมแมชชีนเลิร์นนิงของเรา
ผมทำงานและคิดเกี่ยวกับเอไอตลอดมาในอาชีพผม แม้กระทั่งสมัยตอนเรียนมหาวิทยาลัย ผมมักจะจดบันทึกปัญหาทางวิทยาศาสตร์ ผมมักจะจินตนาการอยู่เสมอว่า สักวันหนึ่งผมอาจได้รับผิดชอบรูปแบบของอัลกอริธึมที่เราสร้างขึ้นได้ และการสร้างรูปสามมิติของโปรตีน ก็อยู่ในใจสำหรับผมเสมอมา โดยเป็นมาแบบนี้ตั้งแต่ทศวรรษ 1990 แล้ว เพราะตัวผมเองก็มีเพื่อนที่เป็นนักชีววิทยาหลายคน และแต่ละคนก็พูดถึงเรื่องนี้กับผมอยู่เป็นประจำ
คุณแปลกใจไหมที่ เอไออัลฟ่าโฟลด์ ประสบความสำเร็จอย่างมากมายขนาดนี้
ใช่ มันน่าแปลกใจจริงๆ ผมคิดว่ามันเป็นสิ่งที่ยากที่สุดที่เราเคยทำมา และผมจะบอกว่า นี่เป็นระบบที่ซับซ้อนที่สุดเท่าที่เราเคยสร้างมา ผลงานวิจัยเรื่องเอไออัลฟาโฟลด์ของเรา ที่ได้ตีพิมพ์ในวารสารเนเจอร์ Nature นั้น ได้อธิบายวิธีการทำเอไอนี้ไว้ทั้งหมด พร้อมข้อมูลรายละเอียดเพิ่มเติม และรายละเอียดทางเทคนิค ซึ่งรวมกันแล้ว มีความยาวถึง 60 หน้า ประกอบไปด้วยอัลกอริธึมที่แตกต่างกันถึง 32 ชุด และแต่ละชุดของอัลกอริธึมก็เป็นสิ่งจำเป็นที่เอไอจะต้องมี
จึงถือว่าเป็นสถาปัตยกรรมที่ค่อนข้างจะซับซ้อน มีนวัตกรรมเกิดขึ้นมากมายในสิ่งที่เราสร้างขึ้น จึงเป็นสาเหตุที่เราใช้เวลาในการทำวิจัยนานมาก สิ่งสำคัญอย่างยิ่งคือ ต้องป้อนข้อมูลต่างๆ เข้าไป ซึ่งข้อมูลเหล่านี้เป็นข้อมูลตั้งแต่อดีตจนถึงปัจจุบันของแต่ละสิ่งหรือแต่ละสาขาวิชา ที่เราได้ป้อนข้อมูลมากมายเหล่านี้เข้ามาในเครื่อง ก็เพื่อให้เครื่องได้เรียนรู้
และยังมีข้อมูลจากสาขาวิชาที่แตกต่างกันมากมายหลากหลายสาขาวิชาอีกด้วย บริษัทดีพมายด์ของเราทำได้ดีเป็นพิเศษ ก็คือ การผสมผสานหลายอย่างเข้าด้วยกัน ดังนั้น จึงไม่ใช่เพียงแค่แมชชีนเลิร์นนิงและวิศวกรรมเท่านั้น
แต่มีช่วงเวลาที่ยากลำบากหลังจากเราสร้างเครื่องเอไออัลฟ่าโฟลด์ 1 คือเราพยายามผลักดันเครื่องอัลฟ่าโฟลด์ 1 ไปให้ถึงจุดสูงสุด ประมาณหกเดือนหลังจากงานจัดการแข่งขันการสร้างรูปสามมิติของโปรตีน CASP13 เครื่องเอไอของเรายังไม่สามารถทำความแม่นยำระดับอะตอมตามที่เราต้องการได้ เพื่อจะนำไปใช้ในแก้ปัญหาสร้างรูปสามมิติของโปรตีน และเราก็อยากให้เครื่องที่เราสร้างขึ้นนี้ เป็นประโยชน์ต่อนักทดลองวิทยาศาสตร์ และนักชีววิทยา
ผมจึงตัดสินใจว่าเราต้องกลับไปเริ่มวางแผนใหม่และเริ่มต้นใหม่ทั้งหมด โดยนำความรู้ที่เราได้รับและเรียนรู้มา และดูว่าตรงใหนที่มันใช้ได้ผล และตรงใหนที่มันใช้ไม่ได้ผล จากนั้นดูว่า บางทีเราอาจต้องจะย้อนกลับไปเกือบถึงช่วงที่พวกเราระดมสมอง กับประสบการณ์นั้น กับความรู้นั้น จึงทำให้เกิดแนวคิดใหม่ๆ และเกิดสถาปัตยกรรมใหม่ๆ ขึ้นมามากมาย เราก็ทำอย่างนี้แหละ และในที่สุดก็ได้ผล
หลังจากมาเริ่มต้นใหม่ กินเวลาไปหกเดือนถึงหนึ่งปี สิ่งต่างๆ กลับแย่ลง ไม่ดีขึ้นเลย ระบบอัลฟ่าโฟลด์ 2 ช่วงแรกๆ ที่เราสร้างขึ้นมานั้น มันกลับแย่กว่า อัลฟ่าโฟลด์ 1 มาก มันทำให้เราและทีมงาน รู้สึกกลัวมากในช่วงเวลาที่ดูเหมือนว่าจะถอยหลังลงคลองในเรื่องของแม่นยำของเครื่อง
แต่ยังโชคดี ที่เรามีประสบการณ์ของเอไอด้านกีฬามา และประสบการณ์ที่ได้มาจากการสร้างระบบเอไออื่น ๆ ทั้งหมด ที่เราสร้างขึ้นก่อนหน้านี้ ได้เข้ามามีบทบาทในส่วนนี้ ผมและทีมงานสร้างเอไอของเรา จึงเหมือนกับว่า ได้ผ่านหุบเขามรณะ แล้วในที่สุดพวกเราก็รอดชีวิตออกมาได้
คุณช่วยอธิบายให้เข้าใจง่ายๆ หน่อยได้ไหมว่า อัลฟ่าโฟลด์ ทำงานอย่างไร
มันเป็นเรื่องที่ค่อนข้างซับซ้อน และเราก็ไม่รู้อะไรมากมายหรอก แต่ก็เป็นที่ชัดเจนว่า เครื่องเอไออัลฟ่าโฟลด์ 2 กำลังเรียนรู้โดยอัตโนมัติเกี่ยวกับโครงสร้างของเคมีและฟิสิกส์ โดยเครื่องจะรู้ดีว่าอะไรน่าจะเหมาะสมหรือน่าจะถูกต้อง เพราะอัลฟ่าโฟลด์ 2 ได้เรียนรู้จากที่ได้ดูโครงสร้างของโปรตีนจริงๆ ซึ่งเป็นโครงสร้างโปรตีนที่เรารู้จัก
นอกจากนี้ หนึ่งในนวัตกรรมที่เรามีคือ เครื่องเอไออัลฟ่าโฟลด์ 2 ทำสิ่งที่เรียกว่าการกลั่นตัวเอง ซึ่งก็คือ นำความรู้ความฉลาดมาจากอัลฟ่าโฟลด์ 2 เวอร์ชันแรก เพื่อจะมาทำนายโครงสร้างสามมิติของโปรตีนที่มีอยู่จำนวนมาก และยังสามารถทำนายได้แม่นยำในระดับความมั่นใจสูงอีกด้วย
สิ่งหนึ่งที่เราสร้างและใส่เข้าไปในเครื่องเพื่อให้เครื่องเอไอได้เรียนรู้คือ องศาหรือมุมของพันธะเคมี และ ประวัติศาสตร์การวิวัฒนาการของสิ่งมีชีวิต โดยใช้เทคนิคหรือขบวนการที่เรียกว่า การเปรียบเทียบความเหมือนของสายพันธุกรรม หรือ มัลติซีเควนซ์ อะไลน์เมนต์ multisequence alignment เป็นการเปรียบเทียบความเหมือนกันระหว่างสายของโปรตีนที่เป็นการเรียงลำดับของกรดอะมิโน มากกว่าสองเส้น
แต่วิธีการหรือเทคนิคที่กล่าวมานี้ ก็มีข้อจำกัด ซึ่งเราต้องการจำกัดพื้นที่ หรือจำกัดวงของการค้นหาโปรตีน การที่เราทำเช่นนี้ จะช่วยเอื้ออำนวยการค้นหาโครงสร้างโปรตีนที่เป็นไปได้ เพราะพื้นที่ในการค้นหานั้นจะใหญ่มากเกินไป จึงต้องมีการจัดเป็นหมวดหมู่ หรือทำเป็นกลุ่มไว้ก่อน เพื่อไม่ให้เกินกำลังของเครื่องในการประมวลผล
แต่ก็เห็นได้ชัดว่า วิชาฟิสิกส์ในโลกแห่งความเป็นจริง สามารถแก้ปัญหานี้ได้ เพราะว่าโปรตีนสร้างเป็นรูปสามมิติเร็วมาก ในหน่วยนาโนวินาทีหรือมิลลิวินาทีเท่านั้น และเราก็ทำวิศวกรรมย้อนกลับกระบวนการนั้นอย่างมีประสิทธิภาพ โดยการเรียนรู้จากตัวอย่างที่เป็นผลลัพธ์หรือดูจากเอาท์พุตของเครื่อง ผมคิดว่า เครื่องเอไออัลฟ่าโฟลด์ 2 ได้เรียนรู้ที่ค่อนข้างจะลึกซึ้งมาก เกี่ยวกับฟิสิกส์และเคมีของโมเลกุล
สิ่งที่น่าสนใจเกี่ยวกับเอไอ โดยทั่วไปเอไอก็คือเป็นกล่องดำ แต่ท้ายที่สุด ดูเหมือนว่าเอไอกำลังเรียนรู้กฎเกณฑ์ที่แท้จริงเกี่ยวกับโลกธรรมชาติ
ใช่ เครื่องเอไอกำลังเรียนรู้เกี่ยวกับกฏเณฑ์ธรรมชาติจากสัญชาตญาณ ผมคิดว่าเราจะมีนักวิจัยมากขึ้นเรื่อยๆ ที่ทำงานวิจัยและมีความเชี่ยวชาญทางด้านโปรตีนที่สามารถบอกว่า ส่วนใหนหรือตรงใหนของโปรตีน ที่อัลฟ่าโฟลด์ไม่ถนัดหรือไม่เก่งในการทำนายโปรตีน และถามว่า "จริง ๆ แล้ว มีความไม่เป็นระเบียบทางชีววิทยาหรือไม่ เพราะโปรตีนมักจะมีรูปร่างที่ไม่ชัดเจน ถ้าไม่มีปฏิสัมพันธ์กับบางสิ่ง
โดยประมาณ 30 เปอร์เซ็นต์ของโปรตีนของสิ่งมีชีวิตที่มีนิวเคลียส ที่ไม่เป็นระเบียบ โปรตีนที่ไม่เป็นระเบียบเหล่านี้หลายชนิด ได้ทำให้เกิดโรค เช่น โรคที่เกิดจากการเสื่อมสภาพของระบบประสาท เพราะเส้นโปรตีนเหล่านั้น อาจม้วนพันกันจนยุ่งเหยิง เพราะมันเป็นเพียงเส้นที่อ่อนๆ แทนที่จะเป็นการสร้างเป็นโครงสร้างขึ้นมา
สิ่งที่สำคัญจริงๆ อีกอย่างที่เราทำกับ อัลฟ่าโฟลด์ 2 ซึ่งเราไม่ได้ทำกับระบบแมชชีนเลิร์นนิ่ง คือผลหรือเอาท์พุตของกรดอะมิโนทุกตัวที่ออกมานั้น มีความเชื่อมั่นได้สูง เพราะเราต้องการให้นักชีววิทยาสามารถรู้ได้จริง ๆ ว่าเอาท์พุตหรือผลของกรดอะมิโนที่ออกมาจากเครื่องทุกตัว สามารถจะให้นักชีววิทยาสามารถตรวจสอบได้ว่าส่วนใหนหรือตรงใหนของกรดอะมิโนที่ออกมา มีความน่าเชื่อถือได้ โดยที่นักชีววิทยา ไม่จำเป็นต้องเข้าใจอะไรเกี่ยวกับแมชชีน
เลิร์นนิ่งเลย
แอปพลิเคชั่นที่น่าตื่นเต้นที่สุดของ อัลฟ่าโฟลด์ มีอะไรบ้าง
เรามีกรณีศึกษาที่ดีๆ มากมายจากพันธมิตรของเรา ซึ่งเป็นทีมงานกลุ่มแรกเริ่มในการสร้างเครื่อง มีเวลาเพียงหนึ่งปีในการทำงานกับเครื่องอัลฟ่าโฟลด์ แต่ทีมงานกลุ่มนี้ ได้สร้างผลงานขึ้นมาหลายอย่างจนแทบไม่น่าเชื่อ ตั้งแต่การหาวิธีแก้ไขสายพันธุ์ของเชื้อโรคที่ดื้อยาปฏิชีวนะ ไปจนถึงการแก้ปัญหามลภาวะพลาสติกโดยการออกแบบเอนไซม์ที่ย่อยพลาสติกได้
ผมได้พูดคุยกับ ดูนา Jennifer Doudna ผู้บุกเบิกการทำเทคนิค คริสเปอร์ CRISPR เกี่ยวกับความยั่งยืนของพืชตระกูลถั่วอัลฟัลฟา ทีมวิจัยของเธอกำลังต่อต่อพันธุกรรมพืชผลนี้ให้มีความยั่งยืนมากขึ้น เมื่อต้องเผชิญกับการเปลี่ยนแปลงสภาพภูมิอากาศ
แต่ก็มีงานวิจัยพื้นฐานที่ยอดเยี่ยมมากมายที่กำลังทำอยู่ วารสาร ไซเอนซ์ Science ออกฉบับพิเศษ อุทิศวารสารทั้งฉบับในช่วงเวลานั้น โดยเน้นเนื้อหาเกี่ยวกับ เยื่อหุ้มนิวเคลียส ซึ่งเยื่อหุ้มนิวเคลียสนี้ จะเป็นช่องทางการเข้าออกของสารแมคโครโมเลกุล ซึ่งสารแมคโครโมเลกุลก็คือ โปรตีนที่มีการวิ่งเข้าวิ่งออกระหว่างนิวเคลียสกับไซโตพลาสซึมที่อยู่ภายในเซลล์นั่นเอง
ทีมวิจัยหลายทีมต่างก็ได้คลี่คลายปัญหาของโครงสร้างของโปรตีนที่ใหญ่ที่สุดในร่างกาย และผมคิดว่าทีมวิจัยทั้งสามกลุ่มแก้ปัญหานี้ได้ในเวลาเดียวกัน โดยการใช้ข้อมูลของกล้องจุลทรรศน์อิเล็กตรอนแบบเย็น หรือ ไครโอ-อีเอ็ม cryo-EM แต่ทีมวิจัยทั้งสามกลุ่มนี้ ยังต้องการ การคาดการณ์หรือการทำนายจากเครื่อง อัลฟ่าโฟลด์ เพื่อเพิ่มข้อมูลที่มีความละเอียดต่ำกว่าเครื่องไครโอ-อีเอ็มในบางจุด
ดังนั้น การรวมกันของข้อมูลโครงสร้างจากการทดลอง กับข้อมูลจากเครื่องเอไออัลฟ่าโฟลด์ จึงเป็นประโยชน์อย่างแท้จริงสำหรับนักชีววิทยาเชิงโครงสร้าง ที่เราไม่ต้องไปคาดการณ์เอง
และในทางปฏิบัติแล้ว บริษัทยาเกือบทุกแห่งที่เราคุยด้วย ก็ใช้เครื่องอัลฟ่าโฟลด์ เราก็คงไม่มีทางรู้หรอกว่าผลกระทบจากการใช้เครื่องอัลฟ่าโฟลด์ทั้งหมดคืออะไร เพราะเห็นได้ชัดว่า พวกเขาปกปิดข้อมูลเพราะเป็นความลับของแต่ละบริษัท แต่ผมชอบที่จะคิดว่า เราได้ช่วยเร่งในการรักษาโรค และเร่งการพัฒนายาได้อย่างแท้จริงภายในเวลาไม่กี่ปี
มีโฆษณามากมายเกี่ยวกับ เอไอ และทุกสิ่งทุกอย่างที่เอไอสามารถทำได้ โดยเฉพาะอย่างยิ่งทางด้านวิทยาศาสตร์และการแพทย์ แต่ดูเหมือนว่า อัลฟ่าโฟลด์ จะเป็นประโยชน์อย่างชัดเจน
คุณต้องตัดสินใจเอาเอง แต่ผมจะบอกว่า คนจำนวนมากบอกผมว่า กรณีที่เป็นรูปธรรมที่สุด และมีประโยชน์มากที่สุดของเอไอ ก็คือ การนำเอไอมาทำงานในด้านวิทยาศาสตร์ เรากำลังทำตามสัญญาของเอไอ บางที คุณอาจจะพูดว่า ผมได้ "โฆษณาเกินจริง" แต่ผมว่า ให้งานของเราพูดแทนตัวมันเองจะดีกว่า
ผมจำได้ เมื่อเราเริ่มงานในปี 2010 ในช่วงเวลานั้น ไม่มีใครทำงานเกี่ยวกับเอไอ และตอนนี้ 12 ปีต่อมา ดูเหมือนว่าทุกคน รวมทั้งสุนัขของพวกเขา ก็กำลังพูดถึงเรื่องเอไอ และส่วนใหญ่ คุณจะต้องฟังหูไว้หูตลอดเวลา บางครั้ง มันเหมือนกับว่าพวกเขาไม่รู้ว่าเอไอ คืออะไร หรือใช้คำนี้ในทางที่ผิด หรือไม่ประทับใจว่าเกิดอะไรขึ้น
แต่ผมคิดว่า อัลฟ่าโฟลด์ เป็นเครื่องพิสูจน์แนวคิด หรือเป็นแบบทดลองที่ดี ของสิ่งที่อาจเกิดขึ้นในอนาคตได้ และผมคิดว่า เราจะเห็นสิ่งแบบนี้มากขึ้นในทศวรรษหน้าของเอไอ ที่จะเป็นตัวช่วยเร่งความก้าวหน้าทางวิทยาศาสตร์อย่างแท้จริง และเราหวังว่าจะได้เป็นส่วนหนึ่งในหลายๆ ด้าน เราคิดว่า นี่เป็นเพียงแค่จุดเริ่มต้น
ย้อนกลับไปเล็กน้อย ในช่วงที่ผ่านมา มีข่าวสารเอไอมากมาย ไม่ว่าจะเป็นการผลิตภาษาอัจฉริยะ หรือการสร้างงานศิลปะดิจิทัล คุณคิดว่า เอไอ ถูกฝังอยู่ในจิตสำนึกสาธารณะมากขึ้นหรือไม่ และเราควรคิดถึงผลที่ตามมาอย่างไร
ใช่ แน่นอน พวกเราที่บริษัท ดีพมายด์ มีแบบทดลองภาษาขนาดใหญ่ และมีระบบแปลงข้อความเป็นรูปภาพของเราเอง และเราจะเปิดตัวแบบทดลองบางส่วนในปีหน้า มันน่าสนใจจริงๆ ที่ได้เห็นการพัฒนาอย่างรวดเร็ว เห็นได้ชัดว่า เอไออัลฟ่าโฟลด์ ยิ่งใหญ่มากในชุมชนวิทยาศาสตร์ แต่ว่า เอไอที่เป็นภาษา และเอไอที่เป็นรูปภาพ เป็นสิ่งที่เข้าใจง่ายและเรียนรู้ง่ายสำหรับทุกคน จึงได้กลายเป็นกระแสหลัก เพราะว่า ทุกคนรู้เกี่ยวกับภาษา และทุกคนสามารถชื่นชมภาพได้ โดยที่คุณไม่จำเป็นต้องมีความเชี่ยวชาญทางวิทยาศาสตร์ใดๆ
แต่ผมคิดว่า เราควรคิดถึงปัญหาด้านจริยธรรมเสมอ และนั่นเป็นเหตุผลหนึ่งที่เรายังไม่เปิดเผยปัญหาของเรา เรารับผิดชอบในการตรวจสอบจริงๆ ว่าแบบทดลองทางวิทยาศาสตร์เหล่านี้ สามารถทำอะไรได้บ้าง วิธีที่แบบทดลองจะไปก่อโทษ จะเกิดอะไรขึ้นหากพวกมันเป็นพิษ สิ่งเหล่านี้ล้วนอยู่ในใจ เป็นความเห็นของเราว่า
ระบบทดลองเหล่านี้บางระบบไม่พร้อมที่จะเผยแพร่สู่สาธารณะ เช่น ไม่จำกัดความสามารถของเครื่องไว้
แต่เมื่อถึงจุดหนึ่งที่จะเกิดขึ้น ที่บริษัท ดีพมายด์ เรามีวลีนี้ คือ "การบุกเบิกอย่างมีความรับผิดชอบ" และสำหรับผม นั่นคือการใช้วิธีการทางวิทยาศาสตร์เพื่อวิเคราะห์ระบบเหล่านี้ และสร้างระบบเหล่านี้ ผมคิดหลายครั้ง โดยเฉพาะอย่างยิ่งในซิลิกอนวัลเลย์ ที่ยังมีความคิดแบบแฮ็กเกอร์แบบว่า "เราจะแฮ็คมัน และนำมันออกไปเปิดเผย แล้วดูว่าเกิดอะไรขึ้น" และผมคิดว่านั่นเป็นแนวทางที่ไม่ถูกต้องสำหรับเทคโนโลยีที่ส่งผลกระทบอย่างมาก และอาจจะทรงพลังอย่างเอไอ
ผมทำงานเกี่ยวกับเอไอมาทั้งชีวิต เพราะผมคิดว่าเอไอจะเป็นประโยชน์ต่อมนุษยชาติมากที่สุด อย่างเช่น รักษาโรค ช่วยแก้ปัญหาเรื่องสภาพอากาศ และสิ่งต่างๆ ทั้งหมดนี้ที่เอไอได้ทำประโยชน์ ก็เป็นธรรมดาที่เทคโนโลยีอาจเป็นเหมือนดาบสองคม ในฐานะเป็นส่วนหนึ่งในสังคม ขึ้นอยู่กับการตัดสินใจว่าเราจะนำมันออกมาใช้ และเราจะใช้เพื่อทำอะไร
ผู้เขียน: Tanya Lewis
แปลไทยโดย: Wichai Purisa (senior scientist)
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2025 Blockdit
