Softbank, robotlara insan bilim adamlarından 400 kat daha fazla yatırım yaptı, yapay zekanın biyolojik laboratuvarları devralması bekleniyor
Ekim 2016'da, Japon SoftBank (SoftBank) bir dizi üst düzey risk sermayedarına liderlik etti ve o zamanlar hala bilinmeyen bir başlangıç şirketi olan Zymergen'e toplam 130 milyon ABD doları yatırım yaptı. Bu B tur finansmanın tamamlanmasının ardından, eski ABD Enerji Bakanı ve Nobel Ödülü sahibi Zhu Diwen de Zymergen yönetim kuruluna katıldı.
Basitçe söylemek gerekirse, Zymergen sentetik biyolojiye odaklanmış bir Amerikan başlangıç şirketidir. Esas olarak endüstriyel fermantasyon için genetiği değiştirilmiş bakteriler geliştirir ve otomatik analiz ve biyoinformatik işleme için makine öğrenimini birleştirir. Dün "Science" internet sitesinde ilk kez bir makale yayınlayarak bu gizemli şirketin girişimcilik hırslarını ve arkasındaki bazı teknik ayrıntıları ortaya koydu.
Sentetik biyoloji "biyoloji" olarak adlandırılsa da aslında mühendislik kavramlarına daha yakındır. Mekanik parçalar ve devre bileşenleri gibi geleneksel mühendislik disiplinleriyle karşılaştırıldığında, sentetik biyoloji tarafından işlenen biyolojik parçalar daha karmaşık ve daha değişkendir. Araştırmacılar hücreleri, belirli ürünler üretebilmeleri veya minyatür fabrikalar veya makineler gibi özel görevleri tamamlayabilmeleri için ilgili gen yollarını düzenleyerek "programlar".
Geleneksel biyolojik işlem yöntemi, laboratuvarda insan bilim adamları tarafından ayda 10 kez test edilen sınırlı sayıda hipotez sağlamaktır. Ama şimdi haftalık olarak uygulayabilen bir robot var Verimlilikte 400 kat artışa eşdeğer olan 1000 deneye kadar. Ancak bu robotlar yalnızca komutlara itaat edebilir, bu da doğru komutların girilmesinin bu süreçteki gerçek darboğaz olduğu anlamına gelir.
Bu robotlar, sentetik biyolojiye odaklanan bir şirket olan Zymergen'e aittir. 2014 yılında şirket, California, San Francisco Körfez Bölgesi'ndeki kullanılmış bir elektronik fabrikasına taşındı.
Çok sayıda ekipman arasında, içinde sıvı dolu yüzlerce kare olan plastik bir kutuyu tutan Echo adlı robotik bir kol var. Plastik kutuyu tepsiye koymadan önce, Echo barkodunu tarar ve bundan sonra ne olacağı insan gözüyle görülemez.
Şekil AI tarafından kontrol edilen robotik kol, mikrobiyal florayı tasfiye ediyor
Zymergen'de kurucu ortak, moleküler biyolog ve operasyon ve mühendislik başkan yardımcısı Jed Dean şunları söyledi: "Bu işlem, manuel pipetlemenin basit bir kopyası değil, tamamen farklı bir yoldur."
Her bir kareye sıvıyı aktarmak için geleneksel bir pipet kullanmak yerine robot, sıvıyı titreştirmek ve küçük damlacıklar oluşturmak için saniyede 500 ses dalgası darbesi kullanır.Bu damlacıklar, manuel pipetlemeden daha pahalıdır. Sıvı miktarı binlerce kat daha azdır. Bu nedenle robot doğrudan sıvıya temas etmez.
Aslında sürecin tamamında geleceğe yönelik pek fazla unsur yoktur ve biyolojik laboratuvarlarda küçük ölçekli olarak robotlar ve barkod sistemleri kullanılmaktadır. Yukarıda bahsedilen pipetleme tekniğine bile denir "Sonik Sıvı Transfer Teknolojisi" (Akustik Damlacık Çıkarma) aslında on yıldan fazla bir süredir mevcuttur.
Şekil Sonic sıvı aktarım teknolojisi, fiziksel temas olmadan iz sıvılarının hassas bir şekilde çıkarılmasını sağlayabilir
Ancak ilginç olan, Jed Dean'e bu robotların şu anda hangi deneyleri yaptıkları sorulduğunda, aslında kendinden emin bir şekilde yanıt vermesidir: "Bilmiyorum."
Aslında, tüm deneysel süreç bilgisayar programları tarafından kurulur ve çalıştırılır. Deneyle ilgili bilgileri öğrenmek istiyorsanız, ona sadece bilgisayar ekranından bakmanız yeterli, neden kafanızda tutmanız gerekiyor?
Zymergen'in CEO'su Joshua Hoffman şunları söyledi: "Tüm deney sürecine yalnızca bir insan bilim adamı katıldı ve deneysel sonuçların analizinden ve gerçek kontrolünden sorumluydu." Ancak Zymergen'in nihai amacı deneysel verileri yorumlamak, hipotezler oluşturmak ve deneyler planlamaktır. Evet "İnsan sezgisinin tüm müdahalesini ortadan kaldırın" ve tüm bilimsel deney sürecinin yapay zekasını gerçekleştirin.
Şekil Joshua Hoffman, Zymergen CEO'su
Zymergen'in yaklaşımı biyoteknoloji şirketleri için bir trendi temsil ediyor : İnsanların bilimsel araştırmadaki rolünü güçlendirmek ve hatta değiştirmek için yapay zekayı kullanmak, "AI güdümlü biyoteknoloji" yi gerçekleştirmektir.
Makro açıdan bakıldığında, tıpkı bir fabrikadaki üretim hattı gibi, bilimsel keşif de aşamalı bir süreçtir: bilim adamları makaleler yayınlar, ardından laboratuvarda deneylerin tamamlanmasına rehberlik eder ve ardından yepyeni keşifler elde eder ve son olarak bilimsel makaleler şeklinde Ortaya çıkmak. Bu standart bir döngüdür ve günümüzün en tipik yapay zekası bile, bu rotayı takip eden otomasyon avantajıyla insan emeğinin yerini alır:
Şekil "AI güdümlü biyoteknoloji" akış şeması
Yukarıda bahsedilen "AI güdümlü biyoteknoloji" nin önemli bir parçası olarak, Zymergen'in çalışması, biyoyakıtlar, plastikler, ilaçlar vb. İçin endüstriyel mikrobiyal formülasyonlar sağlamaktır. Mikroorganizmaların üretim verimliliğini artırmak için, müşteriler genellikle ana türü doğrudan Zymergen'e gönderir ve daha sonra buradaki robotlar, tasarlanmış mikroorganizmanın verimli bir versiyonunu elde etmek için her mikroorganizmanın genlerini analiz edip onarır.
Sorun şu ki, müşteri tarafından Zymergen'e gönderilen mikroplar zaten yüksek oranda optimize edilmiş durumda. Bu nedenle, bu temelde verimliliği daha da artırmak istiyorsak, yalnızca daha derin genom araştırmaları yapabilir, deneyler tasarlayabilir ve verileri analiz edebiliriz. başka bir deyişle, Verimlilik iyileştirmenin son noktasını ne kadar sıkıştırmak isterseniz, o kadar ileri teknoloji gerekir .
Şekil Zymergen'in deneysel süreci temelde tamamen otomatiktir
Peki, deneyleri tasarlamak için algoritmaları nasıl kullanıyorsunuz? İlkel bir mikroorganizmanın yaklaşık 5.000 geni vardır.Belirli bir geni değiştirmenin 10 yolu olduğunu varsayarsak, 50.000 farklı kombinasyon vardır. Daha sonra deneyler için 1000 suş kullanılabilir ve her suş mutasyona uğratılabilir ve belki 25 suş yeterli hedef kimyasal üretecektir. Bu tür suşlar, bir sonraki deneysel yetiştirme turunda kullanılabilir ve geri kalan suşlar, dondurucuya yerleştirilir.
Aslında, sadece kör bir şekilde verimliliği artırmak, bilimsel keşifte büyük ilerlemeler getirmeyecektir. Çünkü tüm mutasyonlar tek bir mikroorganizma halinde birleştirilirse, "1 + 1> 2" etkisi çoğu zaman elde edilemez, birinin diğerini kaybetmesi çok muhtemeldir - mikroorganizma bunun yerine "patolojik" görünecektir ve bu tip patolojik suş, öncekinden daha iyi olmayabilir. Değişiklik olmadan orijinal suş.
Bu nedenle, doğru rotayı seçmek için bir "harita" gereklidir. Bu "harita" tüm mutasyonların etkisini gösterebilir ve birden çok boyuta dayanır çünkü insanların makine öğrenimi için bir yön belirlemesi gerekir.
Örneğin, sentetik biyolojide, bir metabolik yol genellikle bir düzineden fazla veya düzinelerce gen ekspresyon ürününe sahiptir - bunların bazıları üretkenlikte önemsiz gelişmelere sahipken diğerleri önemlidir ve metabolik yollar arasında sıklıkla alışverişler ve karşılıklı ayarlamalar vardır. Tasarlanmış bir bakteriyi başarılı bir şekilde üretmek için, doğru cevaba adım adım yaklaşmak için genellikle yüzlerce veya binlerce deneme ve hata gerekir. .
Moleküler biyolojide bahsedilen "metabolik yol" genellikle bir veya birkaç genin ekspresyonunda yer alan tüm enzimleri veya sinyal moleküllerini ifade eder. Hücredeki bu farklı metabolik yollar, organizmaların kararlı bir iç ortamı korumasına izin veren metabolik bir ağ oluşturur.
Ancak Zymergen'in modeli tamamen farklıdır, yapay zeka teknolojisinin geniş deneysel verilerden analiz yapmasına, metabolik yolların kilit noktalarına işaret etmesine ve ihtiyaçlara göre gerçekleştirilebilecek karşılık gelenleri bulmasına olanak tanıyan, bu amaçla özel olarak bir makine öğrenme sistemi geliştirmişlerdir. Spesifik fonksiyonların gen ekspresyonu, bu ifadeyi mikroorganizmalara yazıp nihayet gerekli mikroorganizmaları üretebilir, Karmaşık deneme yanılma sürecinden kaçınmak için .
Şekil Labirent - hücrelerin metabolik yollarının bir özeti
Ancak burada garip bir sorun var: Robotlar nihayet verimi artırabilecek bu genetik değişiklikleri keşfettiklerinde, arkasındaki spesifik biyokimyasal mekanizmaları bilmiyorlar.
Deneyler biyolojik ilkeler konusundaki anlayışımızı derinleştiremezse, buna gerçekten "bilim" denebilir mi? Zymergen'in baş teknoloji sorumlusu Aaron Kimball için bu felsefi nokta o kadar önemli olmayabilir ve açıklaması oldukça basit: "Bize gelir getiren şey, ilkeleri anlayıp anlamadığımız değil, nihai sonuçtur."
Şimdiye kadar, Zymergen'in robotik laboratuvarı, mikroorganizmaların kimyasal üretim verimliliğini% 10'dan fazla artırdı. Bu sayı önemsiz görünebilir, ancak kimya endüstrisinde büyük ölçüde mikrobiyal fermantasyona dayanan bazı sektörler olduğunu bilmelisiniz.Küçük bir teknolojik gelişme, Amerika Birleşik Devletleri Ulusal Bilim Vakfı'nı bile aşarak çok fazla maliyet tasarrufu sağlayabilir ve daha fazla fayda sağlayabilir. Yıllık bütçesi 7 milyar dolar olacak.
Robotlar, bilim adamları tarafından gözden kaçan faydalı genetik değişiklikler bulabilir, çünkü üretkenliği artıran genlerin çoğu, insanların öngörebileceği ürünlerle doğrudan ilişkili değildir. Doğru kombinasyon olmadan, bazı genler hiç ifade edilmeyebilir. Jed Dean: "Bu modeli birkaç farklı mikroorganizmada gördüm. Makine öğrenimini kullanmazsanız, doğru gen kombinasyonunu bulmak, son derece karmaşık bir kodu kırmaya çalışmak gibidir.İnsan sezgisi ve güveni, sorunun karmaşıklığından kolayca etkilenebilir. "
Şekil İnsan sezgisi bilimsel araştırmadaki belirsizliği artıracak mı?
Farklı alanlardaki araştırmacılar, bilimsel araştırmanın makineler tarafından ne ölçüde tamamlanabileceği konusunda farklı cevaplara sahip olacaklardır. Kaliforniya Üniversitesi, Davis'te bir bilgisayar bilimcisi olan Ilias Tagkopoulos'a göre: "Bilginin geri dönüşünü maksimize etmek için, hedefe yaklaşmak için verilerin deneysel adımları belirlemesine izin vermeliyiz." Profesörün araştırma alanı genetiktir ve o sonsuz gibi görünüyor Sonsuz araştırma konuları, bakterilerin sürekli değişen hastane ortamına nasıl uyum sağladığını tahmin etmeyi, daha sağlıklı atıştırmalıklar tasarlamayı ve diğer birçok sorunu içerir.
Makineler, belirli bilimsel araştırma görevlerinde insan emeğinin bir kısmını gerçekten değiştirebilirse, birçok bilim insanı bunu kabul etmekten mutluluk duyacaktır. Fabrika işçilerinden veya taksi şoförlerinden farklı olarak, Çoğu araştırma bilimcisi, çalışmalarının bir bölümünü otomatikleştirmek ister, Bu, özellikle manuel pipetleme, hücreleri kültürleme ve koloni sayısını sayma gibi hantal ve maliyetli bağlantıların özellikle doğru olduğu moleküler ve hücre biyolojisi için geçerlidir.
Bir yüksek lisans öğrencisinin yaptığı küçük bir hata haftalar süren sıkı çalışmayı boşa harcayabilir. Daha da kötüsü, lisansüstü öğrenciler için deneyler tasarlayan doktorun aylarca süren sıkı çalışması boşuna olabilirdi.
Şekil Zymergen otomasyon ekipmanının verimli çalışması
Ancak yapay zeka, biyoteknoloji alanına tüm sürprizleri getirmiyor. Verileri yorumlamak ve deneyleri tasarlamak için AI teknolojisini kullanmaya çalıştıktan sonra, bazı biyologlar hayal kırıklığını dile getirdi.
Stanford Üniversitesi'nde hesaplamalı biyokimyacı olan Rhiju Das'ın ana işi, moleküllerin yeni ilaçlar tasarlamak için nasıl katlandığını incelemektir. Mevcut makine öğrenimi yöntemlerinin hala ilgili görevleri tamamlayamadığını söyledi. İnsan bilim insanlarıyla karşılaştırıldığında, AI, RNA tasarım konularında çok zayıf bir performans sergiliyor ve bu "tasarım" görevleri insan sezgisini gerektiriyor gibi görünüyor.
Şekil Zymergen'in otomasyon ekipmanı
Ayrıca yapay zekanın "kara kutu" sorunu da biyoteknoloji alanında daha ön plana çıkmış gibi görünüyor. AI tarafından kontrol edilen araştırma çalışmasının sonuçları yorumlanabilirlikten yoksun olacaktır.
Bu bağlamda, Carnegie Mellon Üniversitesi'nden bilgisayar bilimcisi Adrien Treuille ilginç bir noktaya değindi: "Açıklanabilir" bilim çağından gitgide uzaklaşıyoruz. Araştırmacılar sadece bilimsel araştırmalar için bilgisayarlara güvenmiyorlar, aynı zamanda ilkeleri açıklamak için bilgisayarlara bile ihtiyaçları var. Biyoloji çok karmaşık Mevcut AI teknolojisi yeniden emekleme aşamasında Her şey bilgisayara verilirse, insanlar gerçekten rahat edebilir mi?
