AI מתכנן נגיפים שלא קיימים בטבע: מודל Evo למד ליצור גנומים מאפס

חוקרים בארק אינסטיטוט השתמשו במודל שפה גנומי כדי לתכנן נגיפים חדשים לחלוטין, שאין להם מקבילה בטבע. המחקר, שפורסם ביום חמישי בכתב העת Science, מראה שמודל הבינה המלאכותית Evo למד לא רק לקרוא רצפי DNA אלא לייצר אותם בעצמו, מה שמעלה שאלות מורכבות לגבי בטיחות ורגולציה.

איך מאמנים מודל גנומי

Evo הוא מודל שפה גנומי, כלומר מודל המתייחס לרצפי DNA כאל טקסט שניתן ללמוד ממנו דפוסים ולייצר חדשים. הצוות אימן אותו על כ-9 טריליון נוקלאוטידים, האותיות המרכיבות DNA, ממגוון מקורות: בעלי חיים, צמחים ומיקרואורגניזמים. זהו היקף נתונים שמאפשר למודל ללמוד לא רק רצפים בודדים אלא את הדינמיקה של גנומים שלמים. בשונה ממודלים המתמקדים בחלבונים בודדים, Evo עובד על רמת הגנום כולה, מה שמסביר את היכולת לתכנן נגיפים שלמים ולא רק מקטעים.

מה המודל מייצר בפועל

התוצאה היא נגיפים שתוכננו מאפס על ידי המודל, עם רצפים שלא קיימים בטבע. המחקר עבר שיפוט עמיתים ופורסם ב-Science, כתב עת יוקרתי, כך שמדובר בתוצאות שעברו ביקורת מדעית ולא בפרה-פרינט. עם זאת, חשוב להבדיל בין מה שהמודל מייצר בתנאי מעבדה לבין ההשלכות בעולם האמיתי. הנגיפים תוכננו ונבדקו בסביבה מבוקרת, והמחקר אינו טוען שהם בהכרח פעילים או מדבקים מחוץ לתנאי הניסוי.

הפער בין משקלים פתוחים לקוד פתוח

שחרור מודלים גנומיים מעלה שאלות רגולטוריות שונות מאלו של מודלי שפה רגילים. מודל שפה יכול לייצר טקסט בעייתי, אך מודל המייצר רצפי DNA של נגיפים יכול, לפחות תיאורטית, לייצר חומר ביולוגי. הפער בין משקלים פתוחים לקוד פתוח קריטי כאן: גם אם המודל זמין, היכולת לסנתז DNA מרצף דיגיטלי דורשת תשתית מעבדה וידע מתמחה. הסיכון אינו במודל לבדו אלא בשילוב שלו עם טכנולוגיות סינתזה ביולוגית שהופכות רצף לחומר ממשי.

מה זה אומר לתחום

העבודה הזו מציינת עוד נקודה במפת הדרכים של בינה מלאכותית גנומית. היכולת לתכנן נגיפים חדשים יכולה לשרת מחקר רפואי, למשל פיתוח וקטורים לטיפול גנטי, אך גם מדגישה את הצורך במסגרת רגולטורית שתתמודד עם מודלים שיכולים לייצר חומר ביולוגי. השאלה היא לא רק מה המודל יכול לעשות היום, אלא מה קורה כאשר הטכנולוגיה מתפשטת והופכת נגישה ליותר שחקנים.