Artificial Intelligence(ભાગ-27)

 

 

અત્યારસુધી આપણે સમજતા હતા કે વાયરસ હંમેશા કુદરતી જ હોય છે પરંતુ મનુષ્યે AI ની મદદ વડે 16 તદ્દન નવા પ્રકારના કૃત્રિમ વાયરસ બનાવી લીધા છે. એવું નથી કે આ નવા વાયરસો, પહેલાથી મૌજૂદ વાયરસોની સુધારેલી આવૃત્તિ(modification) છે પરંતુ તેઓ તદ્દન નવા છે જેમનું પ્રકૃતિમાં પહેલા અસ્તિત્વ જ ન હતું. આ વાયરસોને એક AI આધારિત સોફ્ટવેર GLM(Genomic Language Models) ના બે મોડેલ Evo1 અને Evo2 દ્વારા બનાવવામાં આવ્યા છે. આ બંન્ને મોડેલ ઓપન સોર્સ છે, ઇન્ટરનેટ ઉપર ઉપલબ્ધ છે તથા તેનો ઉપયોગ કોઇપણ કરી શકે છે(જુઓ સ્ટડીની લિંક નીચે મૌજૂદ છે).

 

https://academic.oup.com/biomethods/article/10/1/bpaf022/8093260

 

chatgpt, grok, deepseek જેવા LLM મોડેલની તો આપણને ખબર છે જેઓ લખાણને જોઇને શીખતા હતા. બિલકુલ એ જ પ્રમાણે આપણે એક અન્ય મોડેલ બનાવ્યું જેને Genomic Language Model(GLM) કહે છે. આ મોડેલ ફિલહાલ લાખો genetic sequence મોડેલનો અભ્યાસ કરી રહ્યાં છે કે, તેમનો ક્રમ કેવો હોય છે? ઘણી કવાયત બાદ હવે આ મોડેલ નવા sequence બનાવવા માટે તૈયાર થઇ ચૂક્યાં છે.

-

આ વાયરસોની કુત્રિમ સામગ્રીને જ્યારે અસલ કોષની અંદર દાખલ કરવામાં આવી ત્યારે તેમણે બિલકુલ એવી જ રીતે કાર્ય કરવાનું શરૂ કરી દીધું જે રીતે એક નોર્મલ વાયરસ કાર્ય કરે છે. પરંતુ!! ફિલહાલ રાહતની વાત એ છે કે, આપણે bacteriophages virus બનાવ્યા છે. અર્થાત આ એવા વાયરસો છે જે બેક્ટીરિયાને અસર કરે છે/ તેમને ખતમ કરે છે પરંતુ મનુષ્યો માટે જરાય નુકસાનકર્તા નથી.

-

સામાન્યપણે બેક્ટીરિયા વિરૂદ્ધ લડવા માટેની એન્ટિબાયોટિક્સ હવે બેઅસર થઇ રહી છે જેના કારણ વિષે અગાઉ આપણે ઘણી પોષ્ટમાં ચર્ચા કરી જ છે. થોડું ઉમેરણ, WHO અનુસાર 2050 સુધી યોગ્ય દવા(એન્ટિબાયોટિક્સ) ના હોવાના કારણે લગભગ એક કરોડ લોકોના મૃત્યુ થશે. તો હવે જરા વિચારો! જો આપણે એવા વાયરસો બનાવી દીધાં જે બેક્ટીરિયાને ખતમ કરી નાખે છે તો આપણને એન્ટિબાયોટિક્સની જરૂરિયાત જ નહીં રહે. તેથી જ, શરૂઆતમાં એવી દલીલો રજૂ કરવામાં આવી કે, આપણે એવા વાયરસો બનાવીશું જેના દ્વારા આપણે એન્ટિબાયોટિક્સથી છૂટકારો મેળવી શકીશું.

-

પરંતુ!! અહીં એક તકલીફ છે જેને dual-use dilemma કહે છે અર્થાત તેની હકારાત્મક અને નકારાત્મક બંન્ને અસર જોવા મળી શકે છે. માઇક્રોસોફ્ટે એક રિસર્ચમાં એ દર્શાવ્યુ કે, જ્યારે AI....Genomic material ને ડિઝાઇન કરે છે ત્યારે બાયપ્રોડક્ટ રૂપે એવા ઝેરીલા પ્રોટીન પણ બનાવે છે જેને આપણી સામાન્ય screening system પકડી નથી શકતી. તેને પકડવા માટે AI આધારિત screening system જ બનાવવી પડે. પરિણામે હવે આપણે ડિઝાઇન કરેલા Genomic material ની આગળ AI આધારિત screening નો એવો ફેઝ રાખ્યો છે જે ઝેરીલા પ્રોટીનને દૂર કરી નાંખે છે જેથી તે આગળ દવાઓમાં ન જઇ શકે.

-

ટૂંકમાં આપણે આપણી screening system માં ફેરફાર કરવો પડશે. ઉદાહરણ તરીકે, જ્યાં આપણે કેવળ ડીએનએના sequence નો અભ્યાસ કરતા હતા, ત્યાં હવે આપણે તેના માળખાં(structures) અને કાર્યપદ્ધતિ(function) નો પણ અભ્યાસ કરવો પડશે કેમકે આપણને ખબર છે કે પ્રોટીનનું માળખું અને કાર્યપદ્ધતિ આપસમાં સંકળાયેલ હોય છે.

-

આ સમસ્યાના નિવારણ હેતુ Deepmind ના એક મોડેલ AlphaFold જેણે પ્રોટીનના ઘણા માળખાં/કાર્યને ડીકોડ કર્યા છે, તે આપણને જણાવી દેશે કે અમુક પ્રોટીન toxic છે કે નહીં(કે જેને મનુષ્યો જાણી શકતા નથી)? ટૂંકમાં AI એક વસ્તુ બનાવી રહી છે અને તેને ક્રોસ ચેક પણ કરી રહી છે. તો આ ભવિષ્ય છે જે તરફ માનવી જઇ રહ્યો છે. જો કે, સવાલ તો આખરે એ જ સામે ઉભો હશે કે, આના દુરોપયોગનું શું? કેમકે બાયોલોજી હવે પ્રોગ્રામેબલ વિષય બની ચૂક્યો છે. હવે આપણે નવા પ્રકારનું જીવનનું નિર્માણ લેબમાં કરી શકીએ છીએ. આપણે AI સિસ્ટમ તો વિકસાવતા જઇએ છીએ પરંતુ તેના ઉપર લગામ નાખવાનું વિચાર્યું છે ખરું?