پژوهشگر استنفورد با هوش مصنوعی نقشه‌های ژنتیکی ویروس‌ها را طراحی کرد

تصور کنید دنیایی را که در آن هوش مصنوعی تنها داده‌ها را پردازش نمی‌کند، بلکه نقشه‌های ژنتیکی ویروس‌های میکروسکوپی را از صفر می‌نویسد. این مسیر اکنون به واقعیت تبدیل شده و ما را به خلق فرم‌های زیستی طراحی‌شده توسط ماشین نزدیک‌تر می‌کند.

به نقل از گفتگو با MIT Technology Review در ۱۶ اکتبر ۲۰۲۶، ساموئل کینگ (Samuel King)، کاندیدای دکتری دانشگاه استنفورد، جزئیات این پیشرفت را فاش کرد. طراحی موجودات زیستی از ابتدا، پیش از این نیازمند سال‌ها آزمون و خطا بود؛ اما اکنون پژوهشگران با استفاده از هوش مصنوعی زاینده (Generative AI) — که شبیه نویسنده‌ای است که قواعد یک زبان را یاد گرفته و حالا متون جدید می‌سازد — سعی دارند زیست‌شناسی را «بنویسند». این رویکرد در واقع تکامل یافته‌ی تلاشاتی است که پیش‌تر برای طراحی نقشه‌های ژنتیکی ویروس‌های باکتری‌کُش با هوش مصنوعی زاینده به کار گرفته شده بود.

همان‌طور که در تحلیل‌های پیشین ما درباره‌ی مدل‌های مولد اشاره کردیم، این رویکرد دقیقاً مشابه عملکرد مدل‌های زبانی بزرگ (LLM) است؛ با این تفاوت که به جای کلمات، با بلوک‌های سازنده حیات یعنی توالی‌های ژنتیکی سروکار دارد.

طبق گزارش منتشر شده، تمرکز کار کینگ بر سه محور اصلی است:

• نقشه‌های مولد: استفاده از AI برای پیشنهاد توالی‌های ژنتیکی دقیق مورد نیاز برای ساختار ویروس.
• یکپارچه‌سازی مهندسی زیستی: پر کردن شکاف میان پیشنهادهای دیجیتال هوش مصنوعی و سنتز فیزیکی بیولوژیک.
• دیدگاه‌های زیستی جدید: شناسایی الگوهایی در زیست‌شناسی که احتمالاً از دید پژوهشگران انسانی پنهان می‌ماند.

این قابلیت، گلوگاه مهندسی زیستی را از «طراحی» به «سنتز» منتقل می‌کند. اگر هوش مصنوعی بتواند نقشه‌های ژنتیکی قابل‌اجرا را پیشنهاد دهد، چالش اصلی تنها مونتاژ فیزیکی این موجودات در آزمایشگاه خواهد بود. برای شما به عنوان کاربر یا متخصص، این یعنی آینده‌ای که در آن ویروس‌های سفارشی برای درمان‌های پزشکی بسیار دقیق یا دارورسانی هدفمند طراحی می‌شوند.

با تکامل این مدل‌ها، صنعت باید با پیامدهای امنیتی مربوط به پاتوژن‌های طراحی‌شده توسط AI دست‌وپنجه نرم کند. این نگرانی‌ها در حالی شدت می‌یابد که بحث‌های جنجالی پیرامون فیلتر داده‌ها و کشفیات علمی در آزمایشگاه Anthropic نشان می‌دهد که مرز میان پیشرفت علمی و ریسک‌های بیولوژیکی همچنان مورد مناقشه است.

گام بعدی شما

• چارچوب‌های نظارتی جدیدی که به‌طور خاص «زیست‌شناسی زاینده» را هدف قرار می‌دهند، زیر نظر بگیرید.
• دستاوردهای گروه «نوآوران زیر ۳۵ سال» در زمینه حیات مصنوعی را دنبال کنید.
• بررسی کنید که چگونه ابزارهای طراحی پروتئین می‌توانند با این متدولوژی ادغام شوند.

اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.