سم آلتمن: هوش مصنوعی می‌تواند ظرف دو سال به کشف درمانی برای یک بیماری مهم کمک کند
سم آلتمن، مدیرعامل اوپن‌ای‌آی، انتظار دارد پیشرفت هوش مصنوعی در پژوهش‌های علمی طی یکی دو سال آینده به شناسایی درمان‌های بالقوه برای بیماری‌های جدی کمک کند. او در گفت‌وگویی با متیو برمن، پادکستر، درباره ظرفیت این فناوری برای کشف دارو و چالش‌های تبدیل پیشرفت‌های علمی به دستاوردهایی مفید برای جامعه صحبت کرد.
آلتمن معتقد است هوش مصنوعی می‌تواند به پژوهشگران کمک کند تا ظرف دو سال آینده گزینه درمانی بالقوه‌ای برای یک بیماری مهم شناسایی کنند؛ این در حالی است که سامانه‌های هوش مصنوعی به‌تدریج فراتر از توسعه نرم‌افزار و حل مسائل ریاضی، در پژوهش‌های علمی نیز نقش ایفا می‌کنند.
او در مصاحبه‌ای ۴۵ دقیقه‌ای با متیو برمن توضیح داد که مدل‌های پیشرفته‌تر می‌توانند به دانشمندان در بررسی پرسش‌های مرتبط با زیست‌شناسی، علم مواد و انرژی کمک کنند. با این حال، آلتمن ادعا نکرد که چنین کشفی لزوماً ظرف این مدت به تولید دارویی تأییدشده منجر خواهد شد. او یادآور شد که آزمایش‌های بالینی و بررسی‌های نهادهای نظارتی همچنان باید پیش از استفاده بیماران از یک درمان انجام شوند.
او گفت: «امیدوارم طی یکی دو سال آینده، برای نخستین دستاورد واقعاً بزرگ، گزینه درمانی بالقوه‌ای در اختیار داشته باشیم.»
این پیش‌بینی بازتاب‌دهنده علاقه فزاینده به استفاده از هوش مصنوعی برای سرعت بخشیدن به پژوهش‌هایی است که در گذشته به سال‌ها آزمایش، محاسبات و تخصص ویژه نیاز داشتند. با این حال، شناسایی یک گزینه امیدوارکننده تنها یکی از مراحل تولید درمانی ایمن و مؤثر است.
نقش هوش مصنوعی در علم
آلتمن معتقد است روش‌هایی که به سامانه‌های هوش مصنوعی در حل مسائل دشوار ریاضی کمک کرده‌اند، ممکن است زمینه پیشرفت در سایر حوزه‌های علمی را نیز فراهم کنند. اگر بتوان این روش‌ها را با زیست‌شناسی و علم مواد سازگار کرد، مدل‌ها می‌توانند به پژوهشگران در شناسایی روابط و دستیابی به بینش‌هایی کمک کنند که در غیر این صورت شاید هرگز کشف نمی‌شدند.
او همچنین مطرح کرد که سامانه‌های آینده، در صورت برخورداری از توان محاسباتی کافی و دسترسی به داده‌های دنیای واقعی، ممکن است در کشف مواد جدید نقش داشته باشند. چنین قابلیت‌هایی می‌توانند در حوزه‌هایی مانند انرژی کاربرد پیدا کنند، هرچند در این گفت‌وگو زمان‌بندی مشخصی برای دستیابی به این پیشرفت‌ها ارائه نشد.
آلتمن گفت: «فکر می‌کنم وارد دوره‌ای می‌شویم که هوش مصنوعی به ما در کشف دانش جدید و مهم کمک خواهد کرد. مدت‌هاست درباره این موضوع صحبت می‌کنیم و حالا هوش مصنوعی در حال انجام کارهای بسیار دشوار و کشف دانش جدیدی است که هم پیچیده و هم مهم است.»
کشف دارو یکی دیگر از حوزه‌هایی است که آلتمن انتظار دارد هوش مصنوعی در آن نقشی چشمگیر ایفا کند. او گفت امیدوار است پژوهشگران طی یکی دو سال آینده گزینه‌ای مهم برای درمان یا شفای یک بیماری جدی شناسایی کنند.
چنین دستاوردی نقطه عطفی در پژوهش خواهد بود، نه به معنای آماده شدن دارویی که بتوان فوراً از آن استفاده کرد. درمان‌های بالقوه همچنان باید از نظر ایمنی و اثربخشی، مراحل آزمایش و فرایندهای نظارتی لازم را پشت سر بگذارند. آلتمن استدلال کرد که می‌توان بخش‌هایی از مسیر میان کشف علمی و رسیدن به درمان را کارآمدتر کرد، بی‌آنکه تدابیر حفاظتی برای صیانت از سلامت بیماران کنار گذاشته شوند.
وقتی از آلتمن پرسیده شد که دوست دارد شاهد چه پیشرفت علمی‌ای باشد، او به کشفی بزرگ در فیزیک اشاره کرد. با این حال، پذیرفت که کشفی که از نظر فکری برایش هیجان‌انگیزتر است، لزوماً بیشترین فایده را برای بشریت به همراه نخواهد داشت.
این گفت‌وگو همچنین به این پرسش پرداخت که چه کسانی باید از دستاوردهای علمی بهره‌مند شوند. آلتمن اظهار کرد که دست‌کم بخشی از پژوهش‌های بنیادین باید در دسترس عموم باقی بمانند و صرفاً به‌عنوان دارایی فکری دارای ارزش تجاری تلقی نشوند. با این حال، او نگفت که تمام کشفیات حاصل از هوش مصنوعی باید به‌طور خودکار و آزادانه در اختیار همگان قرار گیرند.
هوش مصنوعی امیدهای تازه‌ای برای کشف دارو ایجاد می‌کند
پژوهشگران بیش از گذشته در حال بررسی این موضوع هستند که آیا هوش مصنوعی می‌تواند به تولید درمان‌هایی برای بیماری‌هایی کمک کند که یافتن دارو برای آن‌ها با روش‌های متداول دشوار بوده است یا خیر. از بیماری پارکینسون و اختلالات ژنتیکی نادر گرفته تا عفونت‌های ناشی از باکتری‌های مقاوم به آنتی‌بیوتیک، هوش مصنوعی مسیرهای تازه‌ای برای پژوهش گشوده است؛ هرچند بسیاری از درمان‌های بالقوه هنوز در مراحل ابتدایی بررسی قرار دارند.
مقاومت به آنتی‌بیوتیک یکی از فوری‌ترین چالش‌ها در این زمینه است. باکتری‌ها در برابر داروهای موجود مقاوم‌تر می‌شوند و در نتیجه، مهار عفونت‌هایی که پیش‌تر قابل درمان بودند، روزبه‌روز دشوارتر می‌شود. بر اساس برآوردهای پژوهشی جهانی، مقاومت میکروبی باکتریایی مستقیماً سالانه عامل حدود ۱٫۱ میلیون مرگ است. در صورت نبود مداخلات مؤثر، این بار بیماری می‌تواند به میزان قابل‌توجهی افزایش یابد.
توسعه آنتی‌بیوتیک‌های جدید دشوار بوده است؛ هزینه‌های بالای پژوهش، طولانی بودن فرایند تولید و انگیزه‌های تجاری محدود، سرمایه‌گذاری در این حوزه را کاهش داده‌اند. از سال ۲۰۱۷ تا ۲۰۲۲، تنها ۱۲ آنتی‌بیوتیک جدید تأیید شدند و بسیاری از آن‌ها به گروه‌های دارویی موجود تعلق داشتند؛ مسئله‌ای که احتمال غلبه بر مقاومت میکروبی از طریق رویکردهایی کاملاً جدید را محدود می‌کند.
هوش مصنوعی می‌تواند با تحلیل داده‌های زیستی و شناسایی ترکیباتی که ارزش بررسی بیشتر دارند، به پژوهشگران کمک کند دامنه جست‌وجو برای یافتن گزینه‌های دارویی امیدوارکننده را محدودتر کنند. روش‌های مشابه برای بیماری‌هایی مانند پارکینسون نیز در دست بررسی‌اند؛ بیماری‌ای که پژوهشگران در آن به دنبال راه‌هایی برای کند کردن یا جلوگیری از پیشرفت بیماری هستند. این فناوری همچنین می‌تواند در پژوهش درباره بیماری‌های نادری که گزینه‌های درمانی محدودی دارند، کاربرد داشته باشد.
با این حال، شناسایی یک مولکول امیدوارکننده تنها نقطه آغاز است. گزینه‌های دارویی باید پیش از تبدیل شدن به داروهای تأییدشده، مطالعات آزمایشگاهی، کارآزمایی‌های بالینی و ارزیابی‌های نظارتی را پشت سر بگذارند. هوش مصنوعی ممکن است بخش‌هایی از این فرایند را سرعت ببخشد، اما هنوز مشخص نیست که آیا این فناوری می‌تواند به‌طور مستمر و در مقیاسی گسترده، درمان‌هایی ایمن و مؤثر تولید کند یا خیر.