Μέχρι σήμερα μιλάμε για τεχνητή νοημοσύνη είναι να το κάνουμε, χωρίς αμφιβολία, σε ένα από τα πιο επαναλαμβανόμενα θέματα στον κόσμο του σχεδιασμού λογισμικού και υλικού, όχι μάταια σχεδόν όλα τα πανεπιστήμια και τα κέντρα έρευνας και ανάπτυξης έχουν ειδικούς που εργάζονται για το θέμα, για να μην αναφέρουμε ότι, είμαστε μιλώντας για αυτό σήμερα μπορεί να είναι μια από τις υψηλότερες αμοιβές θέσεις εργασίας στον κόσμο των υπολογιστών.
Μακριά από όλα αυτά, η αλήθεια είναι ότι λίγο-πολύ το θέμα της τεχνητής νοημοσύνης επιβάλλεται σχεδόν σε όλους τους τομείς που σχετίζονται, για παράδειγμα, με τον υπολογιστή, το Διαδίκτυο πραγμάτων ή κοινωνικών δικτύων, για να αναφέρουμε ορισμένους από τους τομείς όπου φαίνεται ότι οποιοσδήποτε χρήστης, αν και μερικές φορές χωρίς καν να το γνωρίζει, χρησιμοποιεί αυτόν τον τύπο πλατφόρμας λογισμικού. Σε αυτό το σημείο, πρέπει να σημειωθεί ότι όχι μόνο σε αυτούς τους τομείς επιβάλλεται η τεχνητή νοημοσύνη, αλλά σιγά-σιγά προχωρά σε άλλους επιστημονικούς τομείς όπως, στην περίπτωση αυτή, το ανάπτυξη νέων φαρμάκων.
Μια ομάδα από το MIT κατάφερε να σχεδιάσει λογισμικό ικανό να δημιουργήσει νέα φάρμακα
Ένα από τα κύρια προβλήματα που αντιμετωπίζει ο φαρμακευτικός τομέας, εάν μπορεί να το ονομάσουμε αυτό, είναι ότι η ανάπτυξη νέων μορίων, κάτι απαραίτητο για τη δημιουργία νέων φαρμάκων, εκτελείται χειροκίνητα. Μια διαδικασία που περίεργα είναι η ίδια τόσο για τη δημιουργία ενός εντελώς νέου φαρμάκου όσο και για την εξέλιξη ενός υπάρχοντος για τη βελτίωση των ιδιοτήτων του.
Βασικά και χωρίς να πάμε σε πολλές λεπτομέρειες, αυτό που κάνουν οι χημικοί σε αυτόν τον τύπο διαδικασίας είναι να επιλέξουν ένα μόριο του οποίου το δυναμικό είναι γνωστό ότι καταπολεμά μια πολύ συγκεκριμένη ασθένεια. Μια σειρά χειροκίνητων ρυθμίσεων πραγματοποιείται σε αυτό το ήδη επιλεγμένο μόριο, προκειμένου να ενισχυθούν τα αποτελέσματά του. Ατυχώς Αυτό το καθήκον παίρνει συνήθως τους χημικούς που εμπλέκονται πολύ γιατί, μετά από όλη αυτή τη δουλειά, δεν παίρνει τα αναμενόμενα αποτελέσματα.
Αυτό το λογισμικό μπορεί να σώσει πολλή δουλειά για χημικούς που εμπλέκονται στην ανάπτυξη ενός νέου φαρμάκου.
Όπως μπορείτε να δείτε, μέχρι τώρα το έργο ενός φαρμακοποιού κατά το σχεδιασμό ενός νέου φαρμάκου ήταν ένα έργο που θα μπορούσε να είναι αρκετά απογοητευτικό, τουλάχιστον μέχρι τώρα. Το λέω αυτό από τότε που το Εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης σε συνεργασία με το Τμήμα Ηλεκτρολόγων Μηχανικών και Επιστήμης Υπολογιστών, και οι δύο ανήκουν στο Ινστιτούτο Τεχνολογίας της Μασαχουσέτης (MIT) κατάφεραν να σχεδιάσουν λογισμικό ικανό να αυτοματοποιήσει τη διαδικασία σχεδιασμού ναρκωτικών μέσω της χρήσης αυτοματοποιημένων συστημάτων μάθησης.
Κατά τη διάρκεια των πρώτων δοκιμών που πραγματοποιήθηκαν με αυτό το νέο λογισμικό, ικανό επιλέξτε μόρια με τη δυνατότητα καταπολέμησης μιας συγκεκριμένης ασθένειας με βάση τις επιθυμητές ιδιότητες του φαρμάκου για τροποποίηση μοριακών δομών του ίδιου προκειμένου να επιτευχθεί η υψηλότερη δυνατή ισχύ, ενώ παραμένει χημικά έγκυρο.
Με τα λόγια του Ρομπ Μαθέσον, Γιατρός MIT:
Το μοντέλο παίρνει βασικά δεδομένα από τη μοριακή δομή εισόδου και δημιουργεί άμεσα μοριακά γραφήματα: λεπτομερείς αναπαραστάσεις μιας μοριακής δομής, με κόμβους που αντιπροσωπεύουν άτομα και άκρα που αντιπροσωπεύουν δεσμούς. Αναλύετε αυτά τα γραφήματα σε μικρότερες ομάδες έγκυρων λειτουργικών ομάδων που χρησιμοποιείτε ως «δομικά στοιχεία» που σας βοηθούν να ανακατασκευάσετε και να τροποποιήσετε καλύτερα τα μόρια με μεγαλύτερη ακρίβεια.
Υπάρχουν ακόμη πολλοί μήνες εργασίας για να λειτουργήσει το λογισμικό χωρίς κανένα πρόβλημα
Το αρνητικό μέρος αυτού του έργου είναι ότι είναι απλώς μια δουλειά που έχει ακόμα πολλή ανάπτυξη μπροστά του. Ωστόσο, είναι ιδιαίτερα εντυπωσιακό το γεγονός ότι αυτό το νέο λογισμικό έχει επιτύχει πολύ πιο αποτελεσματικά αποτελέσματα από άλλα συστήματα που έχουν σχεδιαστεί για να αυτοματοποιήσουν τη διαδικασία σχεδιασμού φαρμάκων, καθώς όλα τα μόρια που δημιουργήθηκαν κατά τη διάρκεια των δοκιμών ήταν έγκυρα, ενώ άλλα ευρέως αποδεκτά μοντέλα, έχουν ποσοστό ισχύος 43%.
Με τα λόγια του Wengong jin, Διδακτορικός φοιτητής στο εργαστήριο Επιστήμης Υπολογιστών και Τεχνητής Νοημοσύνης του MIT:
Το κίνητρο πίσω από αυτό ήταν να αντικαταστήσει την αναποτελεσματική ανθρώπινη διαδικασία τροποποίησης του σχεδιασμού μορίων με αυτόματη επανάληψη και να εξασφαλίσει την εγκυρότητα των μορίων που δημιουργήσαμε.