رهاسازی کلود از محدودیت‌ها؛ هوش مصنوعی پادزهر آزمایشی طراحی می‌کند
۲۰ اکتبر ۲۰۲۶، ساعت ۹:۱۶ صبح به وقت شرق آمریکا
عقرب‌ها هر سال هزاران نفر را می‌کشند که بیشترشان کودک هستند. پادزهرهای جدید می‌توانند جان انسان‌ها را نجات دهند. در همین حال، شرکت آنتروپیک، سازنده هوش مصنوعی کلود، قصد دارد پیش از تعطیلات روز شکرگزاری وارد بورس شود. در شرایطی که بسیاری از مردم از ربات‌های هوشمندی می‌ترسند که ممکن است شغل‌هایشان را بگیرند، کمک به درمان بیماری‌ها می‌تواند تصویر عمومی مطلوب‌تری از هوش مصنوعی بسازد.
اما یک محدودیت مهم وجود دارد: آنتروپیک دسترسی به توانمندترین مدل‌های هوش مصنوعی خود را برای کاربردهای زیست‌علمی محدود می‌کند. پس از تجربه یک همه‌گیری و نگرانی‌های ناشی از یک هشدار درباره شیوع طاعون، این شرکت بر امنیت زیستی تأکید می‌کند. بنابراین، آیا کلود واقعاً می‌تواند به ساخت دارو کمک کند یا این کاربرد صرفاً راهی برای بهبود وجهه عمومی هوش مصنوعی است؟
هفته‌نامه تحقیقاتی هانتربروک برای بررسی این پرسش، در یک بازدید دو روزه از آنتروپیک به همراه شرکت سیتْرینی شرکت کرد. در جریان این بازدید، از یک مدل قدرتمند و هنوز منتشرنشده استفاده کردیم که زیر نظر متخصصان کار می‌کرد، اما محدودیت‌های معمول امنیت زیستی در آن اعمال نشده بود. هدف ما بررسی سموم موجود در زهر عقرب‌ها بود.
بسیاری از مولکول‌هایی که هوش مصنوعی طراحی کرد، در آزمایش‌های لوله‌آزمایش به سموم هدف متصل شدند؛ آنتروپیک جزئیات این نتایج را در گزارش فنی منتشرشده امروز شرح داده است. همان‌طور که سیتْرینی در راهنمای فنی جدید خود درباره فناوری زیستی توضیح داده، هر مرحله آزمایشگاهی به مواد شیمیایی، دستگاه‌ها و ابزارهای دیگری نیاز داشت. هوش مصنوعی روند طراحی را سرعت بخشید، اما نتوانست از همان ابتدا هدف بلندپروازانه ما را محقق کند: ساخت یک مولکول که به چند نوع سم متصل شود. بنابراین، حتی برای شرکتی عظیم با ارزش احتمالی یک یا دو تریلیون دلار، فناوری‌های پیشرفته، دانشمندان ماهر و توان محاسباتی گسترده، دستیابی به دستاوردی واقعاً نو در زیست‌فناوری همچنان زمان‌بر است.
هانتربروک در این پروژه با سیتْرینی همکاری کرد. هیچ‌یک از این دو شرکت از آنتروپیک پولی دریافت نکردند. لورا وادستن، روزنامه‌نگار حوزه سلامت، درباره زهر عقرب، نیاز بالینی و دسترسی به خدمات درمانی گزارش تهیه کرد. ناتانیل هوروویتز، مدیرعامل هانتربروک، مسئول گزارش‌گری درباره هوش مصنوعی و کار آزمایشگاهی بود. او پیش‌تر در تأسیس شرکت‌های مبتنی بر هوش مصنوعی که داروهایشان به مرحله آزمایش بالینی رسیده‌اند مشارکت داشته، به‌عنوان عضو هیئت‌مدیره چند شرکت زیست‌فناوری در یک مجموعه بزرگ حوزه سلامت فعالیت کرده و مدرک زیست‌شناسی مولکولی خود را از دانشگاه هاروارد گرفته است. روث ریدر، روزنامه‌نگار حوزه سلامت، نیز در تهیه گزارش مشارکت داشت و دن دِلورنزو طراحی‌های بصری را بر عهده گرفت.
بر اساس گزارش‌های هانتربروک مدیا، در زمان انتشار این مقاله، هانتربروک کپیتال هم در برخی اوراق بهادار مرتبط با هوش مصنوعی در زیست‌فناوری موقعیت خرید دارد و هم موقعیت فروش استقراضی. این موقعیت‌ها ممکن است در هر زمانی تغییر کنند. این مقاله توصیه سرمایه‌گذاری یا پیشنهاد خریدوفروش نیست.
از یک نظر، ماجرا هنوز چیزی فراتر از یک لپ‌تاپ روی میز نیست.
بااین‌حال، وقتی می‌بینید دانشمندی در آنتروپیک یک مدل پیشرفته و بدون محدودیت‌های معمول را به کار می‌گیرد، بهتر می‌توان فهمید چرا میان هشدارهای آخرالزمانی این شرکت درباره فناوری و تجربه روزمره بسیاری از مردم از هوش مصنوعی فاصله زیادی وجود دارد. در عمل، همه ما از ابزارهای یکسانی استفاده نمی‌کنیم و آن‌ها را به یک شیوه به کار نمی‌گیریم.
در اتاقی در آنتروپیک، نسخه منتشرنشده کلود بسیار سریع‌تر عمل می‌کرد و با محدودیت توان محاسباتی روبه‌رو نبود. دستورهای ورودی نیز با دقت فراوان طراحی شده بودند و برخی از روش‌های داخلی مورد استفاده را اجازه نداشتم ثبت کنم.
اگر تاکنون با محدودیت‌های آزاردهنده امنیت زیستی در پیشرفته‌ترین مدل عمومی آنتروپیک، یعنی فِیبل، برخورد کرده باشید، تفاوت را بهتر درک می‌کنید. این مدل هنگام انجام کارهای زیست‌علمی، وظیفه را به مدلی با توانمندی کمتر واگذار می‌کند. دیدن یک مدل واقعاً پیشرفته که برای نخستین بار آزادانه روی یک هدف زیستی کار می‌کند، تجربه‌ای چشمگیر است.
کلود، مأموریت تو، اگر آن را بپذیری، چنین است: مولکول‌های جدیدی را در محیط رایانه طراحی کن که بتوانیم آن‌ها را در آزمایشگاه بسازیم و به‌عنوان پادزهر آزمایشی، برای اتصال به سموم عقرب به کار ببریم.
یک دستور اولیه که ده‌ها صفحه طولانی‌تر از توضیح بالا بود، به همراه چند دستور تکمیلی کوتاه و هدفمند، فرایند طراحی را هدایت کرد و در نهایت ۲۱۱ طرح انتخاب شد. اما پس از آن باید مولکول‌ها را واقعاً آزمایش می‌کردیم.
در مرحله آزمایش‌های پیش‌بالینی، به محدودیت سرعتی برخورد کردیم که از جنس دنیای فیزیکی است: محدودیت‌های علوم تجربی. قراردادها و سفارش‌ها، حمل‌ونقل، پیمانکارانی که با تأخیر در دریافت مواد روبه‌رو می‌شوند، نتایج کند آزمایش‌ها و ایمیل‌های پی‌درپی.
بنابراین، درحالی‌که بیماران، پزشکان، شرکت‌ها و سرمایه‌گذاران به ظرفیت هوش مصنوعی در زیست‌فناوری امید بسته‌اند، موانع دنیای واقعی همچنان دشواری پژوهش درباره داروهای جدید را آشکار می‌کنند. چند هفته پس از طراحی مولکول‌ها، نتایج اولیه پیش‌بالینی به دست ما رسید. نتایج امیدوارکننده‌اند، اما یکدست نیستند. این آزمایش نمونه‌ای آموزنده از پژوهش زیستی در مرز توانمندی‌های هوش مصنوعی است و هم ظرفیت‌های این فناوری را نشان می‌دهد و هم محدودیت‌هایش را.
حتی اگر یک مولکول نامزد جدید از مطالعات پیش‌بالینی عبور کند، هنوز چندین مرحله کارآزمایی بالینی، تولید صنعتی، بررسی خطرات ایمنی و گذر از مراحل دشوار تأیید مقرراتی باقی می‌ماند. پس از آن نیز مسائلی مانند قیمت مناسب و دسترسی به دارو مطرح‌اند؛ از شرکت‌های عظیم بیمه گرفته تا واسطه‌های صنعت بیمه و حتی واسطه‌های واسطه‌ها. بنابراین، هرچند نرم‌افزار همچنان بخش‌های بیشتری از جهان را دربرمی‌گیرد، باید با پیچیدگی‌های فرایند تولید دارو و رساندن آن به بیماران در سراسر دنیا نیز دست‌وپنجه نرم کند.
عقرب درست هنگامی که راهنمای گردشگری از روی مبل بلند می‌شد، او را نیش زد.
ایان برلند همیشه به موجوداتی علاقه داشت که بیشتر مردم ترجیح می‌دهند از آن‌ها دوری کنند. او پس از هدایت یک برنامه تماشای مارها در نزدیکی آبشار ویکتوریا در زیمبابوه، مشغول استراحت بود که عقرب او را نیش زد.
درد بلافاصله آغاز شد. او به هانتربروک گفت: «انگار یک میله گداخته را از کف پایم فرو می‌کردند.»
درد مچ پایش را فراگرفت و احساس می‌کرد زهر در امتداد پایش بالا می‌رود. سپس حس قسمت پایین پا را کاملاً از دست داد: «می‌توانستید با تفنگ ساچمه‌ای به من شلیک کنید و چیزی حس نمی‌کردم.»
او عکسی از عقرب را برای دوستی متخصص فرستاد. دوستش در پاسخ نوشت: «شوخی می‌کنی؟»
اعضای گروهش برای کمک شتافتند، اما نزدیک‌ترین درمانگاه تقریباً یک ساعت فاصله داشت و پادزهر هم در آن موجود نبود. برلند سعی کرد به والدینش پیام بدهد، اما صفحه تلفنش درست کار نمی‌کرد؛ انگشتانش آن‌قدر عرق کرده بودند که به گفته خودش، «مثل یک شیر آب کوچک عرق می‌کردند» و گوشی خیس شده بود.
احساس کرد خون از سرش خارج می‌شود و گفت: «وای، بچه‌ها...» سپس بیهوش شد.
زهر عقرب ترکیبی از سموم است که می‌تواند عملکرد بدن را به‌شدت مختل کند. عقرب‌ها هر سال بیش از یک میلیون نفر را نیش می‌زنند و هزاران نفر جان خود را از دست می‌دهند. دکتر ادواردو هرناندس مونوز، همه‌گیرشناس نظام سلامت عمومی مکزیک، هنگام توضیح وضعیت این حوزه برای هانتربروک، این آمار را تشریح کرد.
خوشبختانه، برلند جزو قربانیان مرگبار نبود. او گفت: «این آماری که سازمان جهانی بهداشت از مرگ‌ومیر منتشر می‌کند، مربوط به صدها و هزاران کودک خردسال است.»
اکتبر سال گذشته، دختری پنج‌ساله در پیش‌دبستانی خود در ایالت سونورای مکزیک نیش عقرب خورد.
او را به یک بیمارستان دولتی محلی منتقل کردند. اما بر اساس بیانیه رسمی، بیمارستان تمام ذخیره پادزهر خود را که فقط چند روز پیش تحویل گرفته بود، مصرف کرده بود. کارکنان بیمارستان ۴۵ دقیقه پس از ورود دختر توانستند پادزهر بیشتری پیدا کنند.
اما دیگر دیر شده بود. دختر پیش‌تر دو بار دچار ایست قلبی و تنفسی شده بود. تلاش‌ها برای احیای او نتیجه نداد و کمی بعد، پزشک مرگش را اعلام کرد.
زهر و پادزهر آن
گونه‌های عقرب بسیاری هستند و هر گونه می‌تواند زهر متفاوتی داشته باشد که آثار خاصی بر قربانی می‌گذارد. به همین دلیل، پادزهرها اغلب ترکیبی از مولکول‌های مختلف هستند که با هم تزریق می‌شوند تا به سموم گوناگون متصل شوند. هدف این است که از مرگبار شدن اثر سموم جلوگیری شود.
تنها پادزهر عقرب مورد تأیید سازمان غذا و داروی آمریکا (FDA)، دارویی به نام آناسکورپ است که تأییدیه این سازمان را دریافت کرده است. در کشورهای دیگر نیز فرآورده‌هایی با رویکردی مشابه وجود دارند: اسب‌ها را با زهر ایمن‌سازی می‌کنند و سپس آنتی‌بادی‌هایی را که دستگاه ایمنی آن‌ها علیه سم تولید کرده است، استخراج می‌کنند. به گفته جاناتان لی‌مینگ، متخصص رسیدگی فوری به موارد عقرب‌گزیدگی در جنوب آفریقا، این پروتئین‌ها پس از خالص‌سازی به ماده اصلی و مؤثر پادزهر تبدیل می‌شوند.
لی‌مینگ به هانتربروک گفت: «روش اولیه تولید پادزهر حدود صد سال قدمت دارد. آن زمان، این روش انقلابی بود؛ مثل فرود آمدن روی ماه. اما در دنیای امروز، راه‌های بسیار بهتری برای تولید پادزهری با کیفیت بالاتر وجود دارد.»
توسعه پادزهر برای خطرناک‌ترین گونه‌های عقرب آمریکای شمالی، فرایندی چنددهه‌ای بود که از دهه ۱۹۷۰ در مکزیک آغاز شد.
دکتر اوخنیو ولادیمیر زالا سانچز، همکار هرناندس، به هانتربروک گفت که با وجود کاستی‌های ترکیب دارویی آناسکورپ، این فرآورده در حال حاضر یکی از مؤثرترین پادزهرهای جهان به شمار می‌رود. ضرورت چنین درمانی نیز روشن است: حدود یک‌چهارم موارد مسمومیت ناشی از زهر عقرب در سراسر جهان در مکزیک رخ می‌دهد.
هرناندس نیز بر این نکته تأکید کرد: «با اینکه بی‌نقص نیست، کار می‌کند.»
دکتر خسوس چاوز گوسمان، پزشک اورژانس در مکزیک، در پیامی به هانتربروک نوشت: «پادزهر همچنان تنها درمانی است که می‌تواند سموم در گردش خون را مستقیماً خنثی کند.»
«این آماری که سازمان جهانی بهداشت از مرگ‌ومیر منتشر می‌کند، مربوط به صدها و هزاران کودک خردسال است.» — ایان برلند
دانشمندان مکزیکی ۲۵ سال برای توسعه این پادزهر وقت صرف کردند و همکاران آمریکایی آن‌ها نیز به یک دهه کارآزمایی بالینی در ایالات متحده نیاز داشتند تا سرانجام تأییدیه سازمان غذا و داروی آمریکا را دریافت کنند. اکنون پادزهرهای دیگری برای عقرب در کشورهای مختلف تولید شده‌اند یا در دست توسعه‌اند، اما این حوزه در اولویت اصلی صنعت داروسازی قرار ندارد؛ صنعتی که معمولاً بازارهای پربازده‌تر و سودآورتر را ترجیح می‌دهد.
زالا سانچز به هانتربروک گفت که در مکزیک نیز، مانند ایالات متحده، تولید پادزهر عقرب در یک آزمایشگاه متمرکز است. وضعیت در جنوب آفریقا هم مشابه است. لی‌مینگ گفت تأمین‌کننده اصلی این منطقه تا ماه اکتبر ذخایر خود را تمام کرده بود و انتظار نمی‌رفت محموله جدیدی تا پایان سال ۲۰۲۶ برسد.
لی‌مینگ در همان روزی که با هانتربروک مصاحبه کرد، به دو تماس درباره عقرب‌گزیدگی پاسخ داده بود. او معتقد است «هیچ دلیلی وجود ندارد که کسی بر اثر مسمومیت ناشی از زهر جان خود را از دست بدهد»، اما تأکید می‌کند که «همیشه شرایط خاص و دشواری وجود دارد». افزون بر دسترسی به درمان و آموزش عمومی، کیفیت پادزهر نیز اهمیت دارد.
به گفته لی‌مینگ، اگر پادزهر بدون استفاده از اسب تولید شود، می‌توان محصولی مؤثرتر و ارزان‌تر ساخت. حتی فرآورده‌های آنتی‌بادی خالص‌شده از اسب نیز ممکن است واکنش‌های آلرژیک، از جمله آنافیلاکسی، ایجاد کنند. بنابراین، به پادزهرهایی با عوارض جانبی کمتر نیاز است.
آیا هوش مصنوعی می‌تواند پادزهرهای آزمایشی جدیدی طراحی کند، آن هم بدون مسموم کردن اسب‌ها؟
طرفداران هوش مصنوعی امیدوارند این فناوری توسعه داروهای جدید را به‌شدت سرعت ببخشد، به‌ویژه برای بیمارانی که خدمات درمانی کافی دریافت نمی‌کنند.
چاوز گوسمان نوشت: «با وجود شمار بالای موارد عقرب‌گزیدگی در کشورهای بومی این گونه‌ها، این مسئله در مقایسه با بسیاری از اولویت‌های مهم دیگر در حوزه بیماری‌های عفونی و غیرواگیر، توجه پژوهشی کمتری دریافت کرده است.»
طراحی مولکول‌های جدید یکی از مراحل مهم کشف دارو است. این مرحله همچنین در مقایسه با بخش عمده مراحل بعدی توسعه دارو، نسبتاً سریع‌تر و کم‌هزینه‌تر است.
دکتر ایمی ابرنثی، که پیش‌تر از مدیران ارشد سازمان غذا و داروی آمریکا بود، گفت: «هوش مصنوعی فرایند کشف دارو را به‌شدت تقویت می‌کند. اما همچنان پرسش‌هایی درباره سرمایه، ایمنی و انتخاب آزمایش‌های مناسب وجود دارد.»
او افزود: «گلوگاه فرایند به مرحله توسعه بالینی منتقل می‌شود. بالاخره در جایی با یک دیوار آجری روبه‌رو خواهید شد.»
دافنه کولر، مدیرعامل شرکت فناوری زیستی اینسیترو که ابرنثی عضو هیئت‌مدیره آن است، این چالش را با طرح پرسشی بلاغی بیان کرد: «می‌توانم تمام روز مولکول تولید کنم، اما که چه؟»
کولر در گفت‌وگویی با هانتربروک و سیتْرینی گفت: «ما به مولکول‌های بیشتری علیه همان مجموعه اهداف قبلی نیاز نداریم.» او در عوض، بر درک عمیق‌تر زیست‌شناسی و انتخاب بهتر اهداف دارویی تأکید کرد. وقتی آزمایش مبتنی بر هوش مصنوعی را برایش توضیح دادند، پاسخ داد: «اینکه چنین قابلیتی در اختیار داریم عالی است، اما هنوز باید بدانیم آن را متوجه چه هدفی کنیم. دلیل اصلی شکست‌ها در شرایط کنونی این است که اصلاً نمی‌دانیم باید علیه چه چیزی مولکول بسازیم.»
بااین‌حال، مسئله تنها انتخاب اهداف بهتر نیست.
دکتر نوال اوکاش، مدیر پژوهشی آزمایشگاه پادزهر در انستیتو پاستور مراکش، در پیامی به هانتربروک نوشت: «پادزهرهای آزمایشی می‌توانند اثر مرگبار سم را خنثی کنند.» بااین‌حال، به گفته او، پیش از استفاده از این محصولات در انسان باید مراحل دقیق توسعه دارویی، تولید استاندارد و اعتبارسنجی بالینی انجام شود.
این فرایند توسعه شامل مدل‌سازی رایانه‌ای یا in silico، آزمایش در لوله‌آزمایش یا in vitro، مطالعات روی حیوانات آزمایشگاهی یا in vivo و، مهم‌تر از همه، کارآزمایی‌های بالینی انسانی است.
اوکاش نوشت: «هوش مصنوعی و زیست‌شناسی محاسباتی می‌توانند چندین مرحله پژوهش را سریع‌تر و منطقی‌تر کنند. بعید است مولکول‌های طراحی‌شده یا بهینه‌شده با هوش مصنوعی در آینده نزدیک جایگزین پادزهرهای پلی‌کلونال شوند. در عوض، ممکن است بتوان آن‌ها را به‌عنوان درمان‌های مکمل یا کمکی توسعه داد.»
بسیاری از مراحل این فرایند در آینده نزدیک با کمک هوش مصنوعی سریع‌تر نخواهند شد. سلول‌ها باید آزمایش شوند، میمون‌ها باید پرورش داده شوند، بیماران باید شناسایی شوند و مولکول‌ها باید در مقیاسی فزاینده و با کیفیتی کنترل‌شده تولید شوند.
آنا ماری واگنر، مدیرعامل شرکت زیست‌پزشکی ترنسفایر، با اشاره به وضعیت کنونی این حوزه به هانتربروک گفت: «ما همیشه با یک قیف روبه‌رو بوده‌ایم که بخش بالایی آن پهن‌تر است. وقتی این بخش پهن‌تر می‌شود اما بخش میانی گسترش نمی‌یابد، گلوگاه هر بار تنگ‌تر می‌شود.» رنه وِنگژین، هم‌بنیان‌گذار او، نیز در توضیح وضعیت این حوزه مشارکت داشت.
سازمان‌هایی که داروهای جدید را کشف و توسعه می‌دهند، از دانشگاه‌ها و شرکت‌های زیست‌فناوری گرفته تا مراکز رشد سرمایه‌گذاری و مؤسسات پژوهشی، باید نامزدهای دارویی را در دنیای واقعی سنتز، تولید و آزمایش کنند. این کار اغلب به شبکه‌ای جهانی از مراکز و تأمین‌کنندگان نیاز دارد. سپس توسعه‌دهندگان باید داوطلبانی را برای شرکت در کارآزمایی‌های بالینی جذب کنند و بیماران را قانع کنند که مصرف دارویی آزمایشی را بپذیرند؛ دارویی که ممکن است مؤثر نباشد و حتی به آن‌ها آسیب برساند. پس از آن، فرایند دشوار بررسی‌های مقرراتی آغاز می‌شود که به مشارکت متخصصان متعدد و تکمیل هزاران صفحه اسناد تخصصی دولتی نیاز دارد.
هوش مصنوعی ممکن است به شناسایی و جذب بیماران کمک کند و هم‌اکنون نیز انجام الزامات مقرراتی را آسان‌تر کرده است. بااین‌حال، بیماران، خانواده‌هایشان، پزشکان، سازمان‌های پزشکی، شرکت‌ها و کل جامعه همچنان باید منتظر نتایج بالینی هر داروی آزمایشی بمانند.
چند هفته، چند ماه و اغلب چند سال.
بخش عمده زمان و هزینه لازم برای عرضه یک داروی جدید به بازار، صرف همین مراحل می‌شود؛ همان‌طور که در بررسی هزینه و زمان توسعه دارو توضیح داده شده است. بااین‌حال، طراحی داروهای جدید به کمک هوش مصنوعی در بسیاری از موارد آسان‌تر، سریع‌تر و ارزان‌تر می‌شود.
فناوری‌های جدید به‌طور نابرابر و اغلب ناعادلانه در جامعه گسترش می‌یابند. ویلیام گیبسون، نویسنده آثار علمی‌تخیلی، جمله‌ای دارد که گفته می‌شود از اوست: «آینده همین حالا اینجاست؛ فقط به‌طور یکنواخت توزیع نشده است.»
در یک بعدازظهر گرم و شرجی ماه اوت، در اتاق کنفرانسی ساده در طبقه دوم دفتر آنتروپیک در شهر نیویورک، ما نگاهی به آن آینده انداختیم.
بخش پایانی، تجربه مدیرعامل هانتربروک در مشارکت در پروژه طراحی پادزهر با هوش مصنوعی را روایت می‌کند. او پیش از تأسیس هانتربروک در بخش زیست‌پزشکی فعالیت داشت.
به‌عنوان کسی که زمانی دانشمند بود، در نخستین روز حضورمان در آنتروپیک، شتاب گرفتن روند کشف علمی را با تمام وجود احساس کردم.
اما از همان روز دوم، وقتی مرحله اصلی رایانه‌ای را به پایان رساندیم، و به‌ویژه پس از آنکه دو ماه دیگر در انتظار نتایج آزمایشگاهی گذشت، احساسی روزمره‌تر را که تقریباً فراموش کرده بودم، دوباره شناختم.
کسالت زیست‌فناوری.
حتی با منابعی که تقریباً نامحدود به نظر می‌رسند، پژوهش زیستی اغلب به‌شدت کند پیش می‌رود. زیبایی و اهمیت زیست‌فناوری در این انتظارها برای رسیدن مواد، داده‌ها و پیشرفت‌های ملموس کم‌رنگ می‌شود. این رخوت یکی از دلایلی بود که پس از صرف یک دهه از عمرم در این حوزه، تا حد زیادی آن را ترک کردم و هانتربروک را راه انداختم.
در مدتی که منتظر داده‌های آزمایش آنتروپیک بودم، بی‌صبری سال‌های گذشته دوباره به یادم آمد.
از دوران نوجوانی در مرزهای پیشرفته زیست‌فناوری فعالیت می‌کردم. کارم را با پروژه‌ای در دبیرستان درباره کریسپر آغاز کردم؛ همان سالی که این فناوری ویرایش ژن معرفی شد. در دانشگاه، از این ابزار برای کمک به کشف یک هدف درمانی جدید برای بیماری قلبی استفاده کردم و نتایج این پژوهش را در مقاله‌ای که با همکاری دیگر پژوهشگران منتشر کردم، در مجله علمی Cell به چاپ رساندم.
برای هدایت یک استارتاپ در سیلیکون‌ولی که روی دارویی آزمایشی برای درمان سرطان لوزالمعده کار می‌کرد، تحصیل در هاروارد را نیمه‌کاره رها کردم. در همان دوره با الیزابت هولمز نیز آشنا شدم. بعدها به‌صورت غیررسمی در ساخت مجموعه تلویزیونی «The Dropout» مشاوره دادم. گزارش افشاگرانه وال‌استریت ژورنال درباره شرکت ترانوس نیز بعدها از منابع الهام‌بخش شکل‌گیری تحریریه تحقیقی هانتربروک شد.
مانند بسیاری از پروژه‌های زیست‌فناوری نو، نخستین داروی آزمایشی من هم شکست خورد. به دانشگاه برگشتم و مدرک زیست‌شناسی مولکولی گرفتم. سپس به یکی از شرکت‌های برجسته زیست‌فناوری پیوستم.
در مرکز رشد استارتاپی این شرکت، به طراحی و توسعه شرکت‌های جدید زیست‌فناوری از نقطه صفر کمک کردم. پیش از آنکه نخستین نسخه‌های کلود یا چت‌جی‌پی‌تی در دسترس عموم قرار بگیرند، دو شرکت از کسب‌وکارهایی که در آن‌ها مشارکت داشتم، بر استفاده از هوش مصنوعی برای طراحی زیست‌پزشکی متمرکز بودند.
در سال ۲۰۱۹، شرکت تریانا را بنیان گذاشتم؛ شرکتی که از هوش مصنوعی برای کمک به طراحی رده جدیدی از داروها به نام «چسب مولکولی» استفاده می‌کند. هفت سال و بیش از صد میلیون دلار سرمایه‌گذاری بعد، نخستین داروی نامزد این شرکت در بهار امسال وارد مرحله کارآزمایی بالینی شد؛ یک مطالعه فاز یک و دو برای درمان سرطان ریه.
در سال ۲۰۲۱، شرکت سوپرلومینال را نیز بنیان گذاشتم که از هوش مصنوعی برای بهینه‌سازی سریع مولکول‌های درمانی استفاده می‌کند. انویدیا در تأمین مالی ۱۲۰ میلیون دلاری این شرکت سرمایه‌گذاری کرد؛ بخشی از این سرمایه برای خرید توان محاسباتی انویدیا در نظر گرفته شده بود. سوپرلومینال اخیراً اعلام کرد که ده‌ها میلیون دلار سرمایه جدید جذب کرده است تا پاییز امسال وارد مرحله بالینی شود؛ پنج سال پس از تأسیس.
تریانا و سوپرلومینال هر دو شرکت‌هایی متکی بر هوش مصنوعی هستند که مدیران باتجربه رهبری‌شان می‌کنند و شرکت‌های سرمایه‌گذاری معتبر، منابع مالی قابل‌توجهی در اختیارشان گذاشته‌اند. بااین‌حال، پس از گذشت سال‌ها، هنوز مشخص نیست داروهای آن‌ها در بدن انسان مؤثر خواهند بود یا حتی شرایط دریافت تأییدیه سازمان غذا و داروی آمریکا را پیدا خواهند کرد یا نه.
نرم‌افزارها دهه‌هاست به کشف دارو کمک می‌کنند؛ هانتربروک پیش‌تر در گزارشی درباره یکی از پیشگامان این حوزه، شرکت شرودینگر، به این موضوع پرداخته بود. هوش مصنوعی زمانی بیش از پیش در کانون توجه صنعت زیست‌فناوری قرار گرفت که نرم‌افزار آلفافولد گوگل دیپ‌مایند حل مسائل مهم مربوط به تاخوردگی پروتئین‌ها را آغاز کرد. دو نفر از رهبران این پروژه به‌همراه استادی که در طراحی محاسباتی پروتئین تخصص دارد، جایزه نوبل دریافت کردند.
بخش موسوم به فناوری زیستی یا «تک‌بیو» در دوران همه‌گیری رونق گرفت، اما با افزایش بیش از حد ارزش‌گذاری شرکت‌ها و بالا رفتن نرخ بهره، بخشی از این رونق فروکش کرد. اکنون ممکن است این حوزه دوباره در حال رشد باشد؛ موضوعی که افزایش ارزش سهام برخی شرکت‌های فعال در آن نیز نشانه‌ای از آن است.
بخشی از بهبود فضای سرمایه‌گذاری در زیست‌فناوری در ماه‌های اخیر، از توجه بیشتر آنتروپیک و اوپن‌ای‌آی به کاربرد هوش مصنوعی در پژوهش‌های زیست‌پزشکی ناشی شده است؛ روایتی که از نظر افکار عمومی پذیرفتنی‌تر از جایگزینی نیروی کار انسانی یا خطر نابودی بشر است. آنتروپیک حتی یک شرکت زیست‌فناوری را خریداری کرد و آزمایشگاه پژوهش زیست‌پزشکی خود را راه‌اندازی کرد.
اما این منابع و امکانات بیشتر، در مقایسه با آنچه پیش‌تر امکان‌پذیر بود، واقعاً چه دستاوردی دارند؟
پس از آنکه کلود مولکول‌ها را طراحی کرد، آنتروپیک و سیتْرینی هزینه دو آزمایشگاه برون‌سپاری‌شده را پرداختند تا ۲۱۱ طرح را سنتز و آزمایش کنند. هر دو آزمایشگاه از نوع سازمان‌های پژوهشی قراردادی یا CRO بودند.
کار به‌سادگی آغاز شد: کلود با یکی از پیمانکاران همیشگی آنتروپیک مکاتبه کرد و فهرست مولکول‌هایی را که باید ساخته می‌شدند، برای او فرستاد. پیمانکار نیز صورت‌حساب، زمان‌بندی و مراحل بعدی آزمایش مولکول‌های اتصال‌یافته را اعلام کرد.
اما تقریباً بلافاصله، مانند بسیاری از پروژه‌های پژوهشی، زمان‌بندی به تأخیر افتاد. با خودم گفتم: باز هم شروع شد؛ همان ناکامی‌هایی که در پروژه‌های مشابه، حتی پروژه‌های ساده‌تر، تجربه کرده بودم.
سنتز مولکول‌های اتصال‌یاب نسبتاً ساده بود، اما تهیه سموم عقرب و برخی مواد شیمیایی دیگر مورد نیاز برای آزمایش آن‌ها زمان بیشتری برد. اکنون مولکول‌های اتصال‌یاب اولیه برای چهار مورد از پنج سم هدف را در اختیار داریم؛ نتیجه مربوط به سم پنجم پیچیده‌تر و ناموفق‌تر بود. آزمایش‌ها ثابت نکردند که این مولکول‌ها می‌توانند سموم را خنثی کنند یا به‌عنوان پادزهر مؤثر باشند. همچنین، هرچند مولکول‌های اتصال‌یاب در آزمایشی با یک پروتئین نامرتبط عملکرد قابل‌قبولی داشتند، آزمایش‌های گسترده‌تر نشان دادند که برخی از آن‌ها ممکن است به‌صورت ناخواسته به مواد دیگر بچسبند؛ بنابراین، اختصاصی بودن عملکردشان هنوز تأیید نشده است. آنتروپیک امروز نتایج کامل را در گزارش فنی جدید خود منتشر کرده است؛ گزارشی که کارشناسان دانشگاهی مستقل آن را بررسی کرده‌اند.
با وجود امیدوارکننده بودن یافته‌های اولیه، تولید پادزهر جدید در آینده نزدیک اتفاق نخواهد افتاد. اگر این پروژه یک برنامه کامل توسعه دارو بود، هنوز در نخستین مراحل سفری طولانی و دشوار قرار داشت. البته برای ساخت این مولکول‌ها، هیچ اسبی با زهر عقرب مسموم نشد.
آیا یک تیم متخصص می‌توانست بدون هوش مصنوعی و با استفاده از ابزارهای موجود طراحی پروتئین، کاری مشابه انجام دهد و در عین حال از اسب‌ها نیز استفاده نکند؟
بله. در این مورد، هوش مصنوعی به دستاوردی نرسید که متخصصان با ابزارهای موجود قادر به دستیابی به آن نباشند. کلود نتوانست مولکولی طراحی کند که به بلندپروازانه‌ترین هدف مطالعه برسد: یک مولکول واحد که به چند سم متفاوت متصل شود و معیارهای تعیین‌شده را برآورده کند.
بااین‌حال، بر اساس تجربه پیشین من در پروژه‌های مشابه، بدون کلود طراحی‌ها احتمالاً کندتر و گران‌تر پیش می‌رفتند و به دلیل نرخ موفقیت پایین‌تر، به تعداد بیشتری مولکول اتصال‌یاب نیاز بود. این امر به سنتز مولکول‌های بیشتر و آزمایش‌های آزمایشگاهی گسترده‌تری منجر می‌شد. افزون بر این، به‌جز یک دانشمند آنتروپیک، هیچ‌یک از افراد مستقیماً درگیر پروژه متخصص کشف دارو نبودند. اعضای تیم سیتْرینی که پروژه را هدایت می‌کردند، حتی در زیست‌علوم نیز تخصصی نداشتند.
بنابراین، نکته اصلی این است که هوش مصنوعی، آن‌گونه که فرض می‌شود اما هنوز به‌طور قطعی ثابت نشده، می‌تواند طراحی مولکول‌ها را بسیار آسان‌تر و کارآمدتر کند؛ حتی برای افرادی که متخصص نیستند، مانند کارآفرینان فاقد دانش فنی یا والدین فداکاری که برای یافتن درمان فرزندانشان تلاش می‌کنند. در نتیجه، احتمالاً شمار داروهای جدیدی که وارد مسیر توسعه می‌شوند، افزایش خواهد یافت.
این پیشرفت بیشتر از آنکه جهشی کوانتومی باشد، داده مهم دیگری در مسیری کلی و نمایی است؛ مسیری که زیست‌فناوری از زمان شکل‌گیری خود در آن حرکت کرده و به کشفیات شگفت‌انگیزی در درمان سرطان و بسیاری بیماری‌های دیگر انجامیده است. این روند را می‌توان به تکثیر سلول‌ها در ظرف کشت تشبیه کرد.
موج جدید هوش مصنوعی پیشرفت را سرعت خواهد بخشید. هرچند تشخیص جایگاه کنونی فناوری در مسیر یک منحنی نوآوری دشوار است، به نظر نمی‌رسد شتاب پیشرفت به‌صورت عمودی افزایش یافته باشد. بااین‌حال، در آزمایشگاه‌های زیست‌فناوری و هوش مصنوعی سراسر جهان، آینده هر روز بیشتر به مرزهای امکان نزدیک می‌شود.
«و آن هیولای ناهموار، اکنون که زمانش فرا رسیده...»