לדבריו, היכולת היום של מאגרי נתונים גדולים ויכולת המיחשוב מאפשרת להגיע להישגים בתחום הבינה המלאכותית
לאחרונה פרסמה חברת DeepMind, חברה בת של אלפבית, שהיא גם החברה האם של גוגל, כי מערכת שבנתה הצליחה לבצע משימה של פיצוח תהליך קיפול החלבונים במסגרת תחרות דו-שנתית בשם CASP (או Critical Assessment of Structure Prediction), שבה מתחרות עשרות קבוצות מרחבי העולם באתגרים של קיפול חלבונים.
האלגוריתם הקודם של אלפא-פולד ניצח בתחרות הקודמת ב-2018, למרות שהצליח לזהות את החלבון רק בדיוק של 60 אחוזים, ומאז עבר מקצה שיפורים משמעותי, הצליח לעקוף את המתחרים ולנבא את אופן קיפול החלבונים בדיוק של 90 אחוז, וכך מקרב אותנו לאתגר הגדול – הבנת מבנה החלבון מבלי להצטרך להשתמש בשיטות יקרות שאורכות זמן רב בניסויים.
ד”ר רועי צזנה, עתידן ומחבר הספרים “המדריך לעתיד” ו”השולטים בעתיד” כותב במאמרו פריצת הדרך שתשנה הכל ברפואה כי היכולת הזו מהווה פריצת דרך לבניית ננו מכונות שיסייעו לאנושות בתחומים רבים ומגוונים. הוא מספק דוגמה מתחום הרפואה לפיה נוכל לייצר תרופות שיזהו תאי סרטן במדויק ויהרגו אותם בתוך הגוף, או ינקו את העורקים כדי למנוע מחלות לב ושבצים מוחיים.”
אשד רבינוביץ’, מדען נתונים בחברת Data Science Group (DSG) ובעל תואר שני במדעי המוח מהפקולטה לרפואה בטכניון שעקב השנה מקרוב אחר התחרות אומר כי משימה זו היא מדד להצלחה של שימוש ב-AI בתחומי הביולוגיה והרפואה.
בשנים האחרונות נעשים ניסיונות רבים לרתום פריצות הדרך בטכניקות בינה מלאכותית (ובראשון “למידה עמוקה – deep learning) לפתרון בעיות רפואיות וביולוגיות. לאחרונה הושגה התקדמות משמעותית כאשר חברת deepmind (חברה בת של גוגל שבעבר פיתחה אלגוריתם שניצח את אלוף העולם בגו – משחק סיני עתיק) הצליחה לנבא את אופן הקיפול של חלבונים במסגרת תחרות דו-שנתית המתקיימת כבר מ-1994.
“לתחרות ניגשו קבוצות מחברות טכנולוגיה ומאוניברסיטאות כאשר הקבוצות קיבלו משימה להבין את המבנה של חלבון מסוים, ומי שהיה הכי קרוב זוכה, כאשר התשובות מוגשות לשופטים בצורה אנונימית. הקבוצה של דיפמיינד הגיעה ליכולת זיהוי של קרוב ל-90 אחוזים , בעוד האחרות הצליחו לכל היותר לזהות 75% מהמבנה. יש לציין שלמערכת של דיפ מיינד היו בשנה שעברה 60 אחוזי הצלחה בלבד, כלומר מדובר בקפיצה. לצערנו איננו יכולים כעת לדעת מה באלגוריתם גרם להצלחה, ונצטרך להמתין ש-deepmind תפרסם אותו בספרות המדעית, אמר רבינוביץ’.”
חלבונים בגוף משמשים למטרות שונות (הם מרכיבים את העור, השיער והציפורניים שלנו, הם משמשים כתעלות על קרום התא, כאנזימים וכנוגדנים במערכת החיסון). התהליך לייצור חלבון סופי מתחיל בחיבור חומצות אמינו זו לזו (על פי “מתכון” גנטי). לאחר תהליך של 3-4 שלבים של קיפולים מתקבל החלבון הסופי. המבנה הסופי של החלבון הוא אבן דרך בהבנת התפקוד שלו. באופן מתסכל, בשיטות הקיימות כיום זיהוי המבנה של חלבון יכול לארוך שנים ולעלות כסף רב. המערכת של deepmind מאפשרת ניבוי של מבנה החלבון באופן מדויק, זול ומהיר. הדיוק הגבוה של האלגוריתם הפתיע מדענים מובילים בתחום מפני שאלו טענו שלא האמינו שיראו פתרון לבעיה הזו בימי חייהם. הבנת מבנה החלבון באופן זול ומהיר תאפשר בעתיד הבנה מהירה יותר של מחלות ופיתוח תרופות מהיר יותר.
“ההערכה היא שבשנים הקרובות ייעשה שימוש ביכולת לנבא את המבנה של חלבונים שונים לאיתור מולקולות מטרה לתרופות וחיסונים, והדבר יקצר מאוד את התהליך ויבטיח תשובה מהירה ונכונה, לעיתים כזו שהמדענים לא חשבו עליה.”
מה עושה חברת DSG?
“DSG הינה מרכז מצוינות המתמחה בניתוח נתונים באמצעות למידה עמוקה ולמידת מכונה, אשר הוקם על ידי היזמים ד”ר אילן ששון המשמש כמנכ”ל החברה וד”ר גדעון רוזנטל המשמש כמנהל המחקר. אנו עובדים עם לקוחות בתחומי פינטק, אדטק, הייטק, מיחשוב ענן והערכת סיכונים. כמו כן פיתחנו מוצר מדף לארגונים, תוך ביצוע התאמות נדרשות לצרכים נקודתיים וזהו ה- e-volve – כלי ניטור מערכות מבוססות בינה מלאכותית בסביבה תפעולית, שנועד לוודא את אמינות המודל לאורך זמן”.
היום מדברים על בעיית ההטיה של מערכות AI מה הגורם להטיות אלה?
“אכן, זו בעיה, ולכן צריך מערכת שתבדוק כל הזמן שמערכת הבינה המלאכותית עובדת כראוי ואת זה אנו משיגים באמצעות מערכת e-volve. לימוד מכונה נעשה על ידי דוגמאות, וצריך שהדוגמאות תהיינה מגוונות וכן צריך גם לבדוק שהן עדכניות. לדוגמה מערכת שבנינו המנתחת כותרות ידיעות חדשותיות ומסווגת את הידיעות, לא ראתה דוגמאות שמסבירות את המונח קורונה, למונח הזה היו פירושים אחרים” (למשל עטרת השמש או לדוגמה בירה קורונה א.ב.).
“הסיבה שהיום אפשר לבנות מערכות בינה מלאכותית טובות ולאמן אותן היא שיש לנו מצד אחד המון דאטה על כל דבר, ומצד שני כוח מחשוב שמאפשר לעשות זאת בלי צורך במשאבים של מדינה או חברת ענק, בפרט בעידן הענן. יכולת אימון כזו יכולה להיעשות בקלות במשאבים של אוניברסיטה ממוצעת, וכך יכולים חוקרים אחרים לחזור על הניסוי ולאמת את התוצאות.”
עוד בנושא באתר הידען:
2 תגובות
מענין לציין על דיווח שאבקת מניטול ( כפית מומסת ליום ) ,מסייעת רבות לחולי פרקינסון ( ישנם מיקרים עם דיווחים ). לכן יש חשיבות לבדיקת המנגנון שגורם לכך וכיצד מיתרחשת ההשפעה הנ”ל. יתכן שיש לכך השפעה על מחלות ותופעות גופניות נוספות.
הטיה? אולי המחשב לא מדבר בתקינות פוליטית ומודע לעובדות ביולוגיות וסטטיסטיקה?