دنیای فناوری با یک هشدار جدی مواجه شده است؛ جایی که مرزهای بین هوش مصنوعی و زیست‌شناسی متلاشی می‌شوند. لین یونگ، مدیر ارشد هوش مصنوعی در تشکیلات تنتسنگ، در تازه‌ترین سخنان خود اعلام کرده که ما در آستانه‌ای قرار داریم که الگوریتم‌ها نه‌تنها با داده‌ها، بلکه با ساختارهای مولکولی و زیستی به‌خوبی از پسِ کارها برمی‌آیند. او تأکید می‌کند که این جهش فناورانه، دامنۀ خطرات احتمالی را از فضای دیجیتال به درون آزمایشگاه‌های بیولوژیکی گسترش خواهد داد و مدیریت ایمنی آن دیگر قابل‌مقایسه با مدل‌های زبانی نیست.
پرش از داده به مولکول‌ها
تا به حال، گفت‌وگو درباره خطرات هوش مصنوعی اغلب بر تولید محتوای نادرست، جنایت‌های سایبری یا بی‌کاری متمرکز بوده است. اما نگاه تنتسنگ به سمت «هوش مصنوعی کشف‌گر علم» (AI for Science) است. این مدل‌ها نقشه‌برداری از پروتئین‌ها، طراحی داروهای جدید و درک فرآیندهای سلولی را ممکن می‌سازند. وقتی یک مدل می‌تواند پیش‌بینی کند که یک مولکول خاص چه واکنشی در بدن انسان ایجاد می‌کند، آن دیگر یک ابزار کمک‌کننده نیست؛ یک همکار فعال در زیست‌تخنولوژی محسوب می‌شود.
- کشش‌ها برای توسعه مدل‌های ژنومیک که می‌توانند بیماری‌های مادرزادی را پیش از نفخ زایمان تشخیص دهند.
- طراحی ویروس‌ها و باکتری‌های مهندسی‌شده برای مبارزه با آفت‌های کشاورزی یا بیماری‌های عفونی.
- خزینی‌ه کردن فرآیندهای تحقیقاتی که کوشانده می‌شدند از سال‌ها به چند ماه کاهش یابد.
چالش‌های ایمنی بیولوژیکی
لین یونگ هشدار می‌دهد که همین توانایی‌های نجات‌بخش، دو لبه‌ای دارند. اگر هوش مصنوعی بتواند دارویی طراحی کند، می‌تواند باکتری مقاوم یا سمی نیز خلق کند. امنیت این سطح از فناوری نیازمند استانداردسازی‌های بین‌المللی سخت‌گیرانه‌تر از آنچه برای هوش مصنوعی متنی داریم است. کنترل دسترسی به ماژول‌های اصلاح ژنتیکی الهام‌گرفته از AI باید اولویت اول سیاست‌گذاران فناوری شود.
آینده‌ای که نیازمند شفافیت بیشتر است
کارشناسان معتقدند که تشخیص زودهنگام این ریسک‌ها توسط بازیکنان اصلی صنعت، مثل تنتسنگ، گامی مثبت در مسیر مسئولیت‌پذیری است. اما از آنجا که زیست‌شناسی زیستی (Synthetic Biology) به سرعت در حال رشد است، ایمن‌سازی این لایه از هوش مصنوعی نیازمند همکاری‌های چندنلسی و سرمایه‌گذاری سنگین در تحقیقات ایمنی است. اگر این فرایند به‌موقع مدیریت نشود، ممکن است اولین آسیب جدی ناشی از هوش مصنوعی، نه در اینترنت، بلکه در یک آزمایشگاه یا خاک باشد.
پرسش‌های پرتکرار
مدل‌های هوش مصنوعی چگونه با زیست‌شناسی تعامل می‌کنند؟
مدل‌های جدید هوش مصنوعی برای تحلیل داده‌های ژنومیک، پیش‌بینی ساختار پروتئین‌ها و طراحی ترکیبات دارویی جدید استفاده می‌شوند تا فرآیندهای کشف‌گر زیستی را شتاب‌دهی کنند.
بیگ‌ترین ریسک ایمنی ناشی از ترکیب AI و بیولوژی چیست؟
خطر اصلی، قابلیت استفاده از این ابزارها برای ایجاد عوامل بیولوژیکی مضر، ویروس‌های مهندسی‌شده یا مقاومت بی‌سابقه در پاتوجن‌هاست که مدیریت آن‌ها پیچیده‌تر از هک‌های سایبری است.
