L’apporto dell’intelligenza artificiale al mondo della ricerca scientifica sta avendo, negli ultimi mesi, una costante crescita in termini di qualità. Il suo successo in questo campo deriva da diverse applicazioni pratiche (si pensi alla scoperta dei farmaci, all’identificazione delle malattie o alla produzione di pubblicazioni scientifiche) che l’hanno resa col tempo un valido alleato degli addetti ai lavori.
Tra le ultime innovazioni, quella che riguarda l’affiancamento del ricercatore in laboratorio è sicuramente interessante da esaminare.
DeepMind e BioNTech: pionieri degli assistenti IA in laboratorio
È notizia recente che la società londinese pioniera dell’Intelligenza Artificiale DeepMind (di proprietà Google) e il colosso farmaceutico tedesco BioNTech (in partnership con Pfizer per il vaccino anti-Covid-19), stanno parallelamente testando assistenti di laboratorio alimentati da Intelligenza Artificiale per aiutare i ricercatori a pianificare gli esperimenti scientifici in laboratorio e a prevederne meglio i risultati. L’idea è quella di creare un modello specializzato che affianchi il ricercatore come un vero e proprio “assistente di ricerca”, prevedendo l’esito degli esperimenti e aiutando gli scienziati in varie discipline che permettano loro di creare connessioni con altri professionisti. Il modello di linguaggio scientifico di grandi dimensioni che DeepMind sta costruendo potrebbe suggerire e progettare esperimenti basati su una determinata ipotesi e fornire agli scienziati una visione probabilistica del potenziale successo (o del fallimento) di un loro esperimento.
Laila: l’assistente IA specializzato di BioNTech
Nel frattempo, l’azienda farmaceutica tedesca BioNTech, che ha una controllata londinese chiamata InstaDeep (un tempo startup del campo di Intelligenza Artificiale), ha dichiarato recentemente di aver progettato un assistente di Intelligenza Artificiale “specializzato” (su base Llama di Meta), noto come Laila, con una conoscenza dettagliata della biologia. In una dimostrazione dal vivo, un ricercatore di InstaDeep ha mostrato come tale assistente alimentato con Intelligenza Artificiale possa automatizzare le attività scientifiche di routine nella biologia sperimentale, come l’analisi e la segmentazione delle sequenze di DNA e la visualizzazione dei risultati sperimentali.
Gli scienziati del laboratorio BioNTech di Magonza (Germania) hanno anche dimostrato come Laila possa connettersi ai dispositivi di laboratorio e monitorare gli esperimenti in corso o le attività svolte dai robot. BioNTech ha dichiarato che Laila avrebbe addirittura rilevato un guasto meccanico a una macchina impiegata nella produzione di farmaci. Per il management di InstaDeep gli agenti “intelligenti” come Laila sono una sorta di acceleratore di produttività che potrebbe consentire agli scienziati e ai tecnici di dedicare il loro tempo limitato a ciò che conta maggiormente in laboratorio. InstaDeep ha anche presentato modelli di Intelligenza Artificiale che potrebbero aiutare la casa madre BioNTech a identificare o scoprire nuovi bersagli per affrontare i tumori. Peraltro, questa sfida “ardita” è tra i motivi che hanno indotto il colosso farmaceutico tedesco ad acquisire InstaDeep lo scorso anno.
La competizione e la collaborazione nel campo dell’IA farmaceutica
E qui torniamo al parallelismo di inizio articolo. Come si coniuga il rapporto tra Google e BioNTech, tra DeepMind e InstaDeep? Certo, sono rivali in gioco sullo stesso campo; ma non si può negare che siano entrambi “utili alla causa”, rappresentando entrambi come “acceleratori” per l’implementazione dell’Intelligenza Artificiale nel settore farmaceutico. I nuovi “assistenti scientifici” arrivano mentre le aziende tecnologiche spendono miliardi di dollari in modelli e prodotti di Intelligenza Artificiale ritenendo che la tecnologia possa cambiare i settori della sanità, dell’energia e dell’istruzione. L’ondata di innovazione dell’Intelligenza Artificiale nel settore scientifico si è finora concentrata sulla previsione di nuovi (e utili) candidati farmaci. Tuttavia, il collo di bottiglia nel portare nuovi trattamenti sul mercato rimane l’esecuzione di esperimenti nel mondo reale, che è il “gold standard” della ricerca scientifica.
L’IA come acceleratore della ricerca scientifica
L’obiettivo di un assistente di ricerca “intelligente” sarebbe quello di semplificare questo processo pianificando in modo più efficace gli esperimenti, ad esempio selezionando i più promettenti tra una serie di esperimenti possibili. Aziende come Google e Microsoft stanno adattando modelli linguistici di grandi dimensioni “generativi” (software in grado di generare testi, codici, immagini e persino sequenze di DNA o molecolari, sulla base di grandi serie di dati di addestramento, i cosiddetti “training data”) per contribuire a facilitare le scoperte scientifiche.
AlphaFold: un punto di svolta nella previsione delle strutture proteiche
Nel 2022, DeepMind ha progettato un sistema di Intelligenza Artificiale noto come AlphaFold in grado di prevedere la forma di quasi tutte le proteine conosciute, risolvendo una sfida scientifica vecchia di cinquant’anni e riducendo potenzialmente in modo significativo il tempo necessario per fare scoperte biologiche.
Il genetista e premio Nobel per la medicina Paul Nurse ha dichiarato[1] i membri del suo laboratorio utilizzano AlphaFold in continuazione negli esperimenti biochimici, aggiungendo che il risultato del modello di Intelligenza Artificiale pur non essendo sempre corretto, lo è a sufficienza per essere considerato uno “strumento fantastico”.
Il Premio Nobel 2024: riconoscimento dell’impatto dell’IA nella chimica
Parlando di premio Nobel e restando nel solco del presente articolo, alcuni giorni fa due scienziati di Google DeepMind e un biochimico americano sono stati insigniti del premio Nobel per la chimica 2024 per i progressi compiuti nella previsione e progettazione della struttura delle proteine[2]. Demis Hassabis, fondatore britannico di DeepMind, e John Jumper, che ha guidato lo sviluppo del modello di Intelligenza Artificiale AlphaFold (programma sviluppato da DeepMind per predire la struttura tridimensionale delle proteine) condividono metà del premio.
L’altra metà è stata assegnata al Prof. David Baker, della University of Washington, la cui ricerca computazionale ha portato alla creazione di tipi di proteine completamente nuovi, con applicazioni in vaccini, nano-materiali e minuscoli sensori. Baker ha descritto come l’ambizione di creare proteine completamente nuove sia iniziata come un sogno più di venti anni fa.
I progressi nel campo dell’informatica e della comprensione scientifica negli anni successivi hanno spianato la strada a questa visione per avere un impatto significativo nel mondo, come la progettazione di nuovi vaccini contro il coronavirus. Le proteine controllano e guidano tutte le reazioni chimiche che sono alla base della vita. Funzionano come ormoni, anticorpi e come elementi costitutivi di diversi tessuti.
La missione di Baker era quella di progettare nuove proteine che non esistono in natura e nel 2003 ci è riuscito. Da allora, il suo gruppo ha prodotto nuove proteine con ampie applicazioni in medicina e nella scienza dei materiali. Le proteine sono generalmente composte da venti diversi amminoacidi, collegati tra loro in lunghe stringhe che si ripiegano per formare strutture tridimensionali. Sono queste strutture, oltre alla composizione chimica, a determinare il modo in cui le proteine interagiscono e se, ad esempio, si legano a un farmaco nell’organismo.
Nel 2020, Hassabis e Jumper hanno annunciato lo sviluppo di un modello di Intelligenza Artificiale denominato AlphaFold 2. Jumper ha affermato che i modelli di apprendimento profondo (Deep Learning, sottoinsieme dell’Intelligenza Artificiale che utilizza reti neurali per simulare il cervello umano) hanno fornito il giusto tipo di matematica per affrontare la “complessità irriducibile della biologia”. AlphaFold 2 è stato in grado di prevedere la struttura di quasi tutte le duecento milioni di proteine identificate dai ricercatori. Da quando è stato scoperto, AlphaFold 2 è stato utilizzato da oltre due milioni di persone in quasi tutto il mondo, con applicazioni che vanno dalla comprensione della resistenza agli antibiotici allo sviluppo di enzimi in grado di decomporre la plastica. Alphafold potrebbe essere considerata una prova del potenziale dell’Intelligenza Artificiale nell’accelerare le scoperte scientifiche e nell’apportare benefici alla società. Promuovendo i casi d’uso positivi e, al tempo stesso, mitigando i casi d’uso negativi. In altre parole, dobbiamo essere consapevole dell’esistenza di potenziali rischi. [3]
Note
[1] Nobel Prize scientists on AI, democracy and critical thinking. University World News. https://www.universityworldnews.com/post.php?story=20240308135103305
[2] Google DeepMind scientists and biochemist win Nobel chemistry prize. The Guardian. https://www.theguardian.com/science/2024/oct/09/google-deepmind-scientists-win-nobel-chemistry-prize
[3] DeepMind and BioNTech build AI lab assistants for scientific research. Financial Times. https://www.ft.com/content/64b1bb33-095e-4cc5-a911-50df76fa3d1d
