Για πρώτη φορά στην ιστορία της τεχνιτής νοημοσύνης ένας υπολογιστής κατάφερε να αναπτύξει μια νέα επιστημονική θεωρία χωρίς καθοδήγηση απο άνθρωπο.
Επιστήμονες πληροφορικής και βιολογίας από το Πανεπιστήμιο Tufts ρύθμισαν τον υπολογιστή ώστε να είναι σε θέση να αναπτύξει αυτόνομα μια θεωρία όταν του παρουσιαστεί ένα επιστημονικό πρόβλημα. Το πρόβλημα που επέλεξαν προβλημάτιζε τους βιολόγους για 120 χρόνια. Οι επιστήμονες παρατηρούσαν και κατέγραφαν πως τα γονίδια των πλατυσκώλυκων μπορούν να αναπαράγονται, σχηματίζοντας νέους οργανισμούς – αλλά δεν είχαν ιδέα τι ακριβώς συμβαίνει με τα κύτταρα για να είναι δυνατό κάτι τέτοιο.
Όταν ο υπολογιστής βρέθηκε αντιμέτωπος με το πρόβλημα, αποσυμπίλισε μια λύση που εξηγεί τον μηχανισμό της διαδικασίας γνωστής ως Πλανάρια αναγέννηση. Οι λεπτομέρειες που ανακαλύφθηκαν, έχουν δημοσιευθεί στο περιοδικό PLoS Computational Biology μαζί με τη μέθοδο της τεχνητής νοημοσύνης που χρησιμοποιήθηκε για την ανάπτυξη της θεωρίας.
Το σημαντικότερο στοιχείο που ήλπιζαν να ανακαλύψουν οι δύο ερευνητές Daniel Lobo και ο Michael Levin δεν ήταν το πώς παράγεται ο νέος ιστός, αλλά το πώς θα ξέρει σε τι σχήμα και αναλογίες να αναπτυχθεί. Αυτές οι πληροφορίες είναι κλειδωμένες στα γονίδιά μας.
– Αυτο θα επιτρέψει στους γιατρούς να αναγεννούν μέρη του σώματος από τα κύτταρα του ίδιου του ασθενούς που έχει υποστεί ουλές και τραυματισμούς.
“Τα περισσότερα αναγεννητικά μοντέλα που προέρχονται από γενετικά πειράματα είναι απλά διαγράμματα με βέλη που δείχνουν ποιο γονίδιο ρυθμίζει το επόμενο γονίδιο. Αυτό όμως δεν μας προϊδεάζει για την τελική μορφή. Δεν μπορούμε να γνωρίζουμε αν το αποτέλεσμα της διακλάδωσης του γενετικού μοντέλου θα είναι ένα δέντρο, ένα χταπόδι ή ένας άνθρωπος” λέει ο Levin. “Αυτό που χρειαζόμαστε είναι αλγοριθμικά ή τεκμαιρόμενα μοντέλα, τα οποία θα μπορούμε να ακολουθήσουμε με ακρίβεια όπως μια συνταγή που θα μας οδηγεί στο τελικό σχήμα.”
Οι συνέπειες για την αποκωδικοποίηση αυτών των πληροφοριών είναι τεράστιες, τόσο για την εξελικτική βιολογία όσο και ενδεχομένως για τους ανθρώπους. Ιατροί όπως ο John Barker που εκτελεί υψηλού κινδύνου χειρουργικές επεμβάσεις μεταμόσχευσης προσώπου, πιστεύουν ότι η αξιοποίηση των γνώσεων γύρω από τα γονίδια που μας επιτρέπουν να μεγαλώσουμε και να αναπτυχθούμε, θα μπορούσαν μελλοντικά να χρησιμοποιηθούν στην αναγεννητική ιατρική. Αυτο θα επιτρέψει στους γιατρούς να αναγεννούν μέρη του σώματος από τα κύτταρα του ίδιου του ασθενούς που έχει υποστεί ουλές και τραυματισμούς.
Για να φθάσουν στη ρίζα του πλαισίου της Πλανάριας αναγέννησης, Levin και Lobo προγραμμάτισαν τον υπολογιστή να αναλύσει τον μεγάλο όγκο των στοιχείων που συγκεντρώθηκαν από τις πολλές μελέτες που έγιναν σε αυτόν τον τομέα. Ο υπολογιστής προσομοίωσε πολλές φορές το δίκτυο που σχηματίζεται από τα γονίδια ενός σκουληκιού, μέχρι τα αποτελέσματα να συμπίπτουν με εκείνα από τα πειράματα της πραγματικής ζωής. Κάθε φορά που τα αποτελέσματα συνέπιπταν, ο υπολογιστής τροποποιούσε το τυχαίο γενετικό δίκτυο που είχε δημιουργηθεί μέχρι να φτάσει σε ένα κορμό γενετικού δικτύου που να ταιριάζει με τα αποτελέσματα όλων των μελετών. Αυτό πήρε τρεις μέρες δοκιμών με μικροαλλαγές – μια προσέγγιση πολύ αναποτελεσματική για να δοκιμαστεί από άνθρωπο.
Αυτό που ανακάλυψε ο υπολογιστής, ήταν ότι η διαδικασία απαιτεί τρία γνωστά μόρια και δύο προηγουμένως άγνωστες πρωτεΐνες. “Αυτή η ανακάλυψη” λέει ο Levin, “αποτελεί το πιο ολοκληρωμένο μοντέλο Πλανάριας αναγέννησης που βρέθηκε μέχρι σήμερα”.
“Ένα από τα πιο αξιόλογα στοιχεία του έργου ήταν ότι το μοντέλο αυτό δεν ήταν ένα απελπιστικά-μπερδεμένο δίκτυο που κανένας άνθρωπος δεν θα μπορούσε να καταλάβει, αλλά ήταν αρκετά απλό και κατανοητό. Όλο αυτό οδηγεί στο συμπέρασμα ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει με κάθε πτυχή της επιστήμης, όχι μόνο με την εξόρυξη των δεδομένων, αλλά και τη συναγωγή του νοήματος τους.”
