این موقعیت فرضی را تصور کنید: پژوهشگری طرح یک مولکول را دریافت می‌کند، اما نمی‌داند این طرح از کجا آمده است. آیا نتیجه مشاهده طبیعت است یا خروجی یک مدل هوش مصنوعی؟ حتی اگر پاسخ را پیدا کند، پرسش دیگری باقی می‌ماند: آیا آن مولکول برای استفاده مورد نظر مناسب و ایمن است؟ این دو پرسش شبیه هم به نظر می‌رسند، ولی شواهد لازم برای پاسخ دادن به آنها یکسان نیست.
گوگل دیپ‌مایند در ۳۰ سپتامبر ۲۰۲۶، SynthID Bio را برای نشانه‌گذاری طرح‌های زیستی تولیدشده با هوش مصنوعی معرفی کرد. مقاله پژوهشی این کار همان روز در Nature منتشر شد. موضوع، آزمایشی برای نشان دادن امکان ردیابی منشأ پروتئین‌هاست؛ خبر عرضه دارو یا درمان تازه نیست. منابع این گزارش در ۲ اکتبر بررسی شده‌اند. اطلاعیه رسمی معرفی SynthID Bio
مولکول، تصویر نیست؛ چرا یک امضا باید کارکرد را حفظ کند؟
طبق تعریف مؤسسه ملی پژوهش ژنوم انسان، پروتئین‌ها مولکول‌هایی هستند که از زنجیره‌های تاخورده اسیدهای آمینه تشکیل می‌شوند و در ساختار، کارکرد و تنظیم بخش‌های بدن نقش دارند. اسید آمینه را می‌توان یکی از واحدهای سازنده این زنجیره دانست. برخی پروتئین‌ها نقش ساختاری دارند و برخی، مانند آنزیم‌ها، به انجام واکنش‌های شیمیایی کمک می‌کنند. بنابراین موضوع فقط شکل زیبای یک مدل سه‌بعدی نیست؛ شکل و ترکیب مولکول به کاری که انجام می‌دهد مربوط می‌شوند.
در یک تشبیه آموزشی، افزودن برچسب روی جلد کتاب معمولاً متن داخل آن را عوض نمی‌کند. اما اگر بخواهیم نشانه را در خود جمله‌ها قرار دهیم، باید مراقب تغییر معنا باشیم. این تشبیه توضیح دقیق شیمی نیست؛ فقط مسئله طراحی را روشن می‌کند: علامت باید قابل تشخیص باشد، در حالی که چیزی که علامت‌گذاری می‌شود همچنان کار مورد انتظار را انجام دهد. حفظ ظاهر و حفظ عملکرد دو معیار جدا هستند و نباید یکی را جای دیگری گذاشت.
ایده نشانه‌گذاری نامحسوس پیش‌تر در رسانه‌ها استفاده شده است. صفحه رسمی SynthID توضیح می‌دهد که این فناوری نشانه‌ای دیجیتال در تصویر، صدا، ویدیو یا متن قرار می‌دهد که انسان آن را مستقیماً تشخیص نمی‌دهد، اما نرم‌افزار ویژه تشخیص نشانه می‌تواند آن را بررسی کند. پس منظور از واترمارک در اینجا لوگوی بزرگی در گوشه تصویر نیست. این ابزار برای تشخیص نشانه‌های سازگار با خودش طراحی شده است؛ نمی‌توان انتظار داشت منشأ هر محتوایی را، حتی اگر چنین نشانه‌ای نداشته باشد، مشخص کند.
دو محل متفاوت برای نشانه: زنجیره و نقشه سه‌بعدی
در مخزن رسمی پژوهش SynthID Bio دو بخش معرفی شده است: یکی برای نشانه‌گذاری توالی پروتئین و دیگری برای ساختارهای پیش‌بینی‌شده. توالی، ترتیب واحدهای زنجیره است؛ ساختار، نمایش آرایش فضایی مولکول. این تمایز مهم است، چون یک فایل حاوی پیش‌بینی سه‌بعدی با یک نمونه ساخته‌شده در آزمایشگاه یک چیز نیست. خواننده خبر باید ببیند ادعای مورد بحث به کدام نوع خروجی مربوط است.
توضیح سازنده این است که روش متناسب با نوع داده تغییر می‌کند: یک روش، انتخاب اسیدهای آمینه را هنگام تولید توالی هدایت می‌کند؛ روش دیگر، تغییرات ظریفی در مختصات ساختار پیش‌بینی‌شده ایجاد می‌کند. هدف، باقی گذاشتن الگویی قابل شناسایی است. نشانه حاصل، الگویی در داده است و به شکل مهر رنگی روی مولکول دیده نمی‌شود. توضیح دیپ‌مایند درباره دو روش
پژوهش چه چیزی را واقعاً آزموده است؟
در مقاله اصلی Nature، پژوهشگران نمونه‌هایی از پروتئین‌های اتصال‌دهنده را بررسی کرده‌اند؛ مولکول‌هایی که برای اتصال به پروتئین هدف طراحی می‌شوند. در آزمایش‌های گزارش‌شده روی سه هدف، توان اتصال نمونه‌های نشانه‌گذاری‌شده با نمونه‌های بدون نشانه مقایسه شده است. نتیجه کلی از امکان حفظ کارکرد مورد بررسی پشتیبانی می‌کند، اما مقاله در بعضی شرایط و آستانه‌ها تفاوت‌هایی نیز گزارش می‌کند. بنابراین تعبیر «هیچ تغییری در هیچ شرایطی رخ نمی‌دهد» دقیق نیست.
همین مقاله، این کار را آزمایشی برای نشان دادن امکان اجرای روش معرفی می‌کند و برای کاربرد عملی گسترده، پژوهش بیشتر و هماهنگی میان فعالان حوزه را لازم می‌داند. پژوهش داوری‌شده است، اما نویسندگان آن همان تیم توسعه‌دهنده‌اند؛ انتشار در مجله را نباید تکرار مستقل آزمایش توسط گروهی دیگر معرفی کرد. در این بررسی، شاهدی از تکرار مستقل این نتیجه پیدا نشده است. همچنین نویسندگان مقاومت نشانه در برابر دست‌کاری عمدی و محدودیت‌های آن را بررسی کرده‌اند؛ در نتیجه نمی‌توان نشانه را غیرقابل حذف یا ردیابی را همواره قطعی دانست.
برگه همراه طرح چه اطلاعاتی اضافه می‌کند؟
راه دیگر برای شناخت منشأ، نگهداری اطلاعات همراه طرح است. در پیشنهاد مستقل NTI و Lattice Automation در اوت ۲۰۲۵، استانداردی برای انتقال اطلاعاتی مانند منشأ طراحی، سابقه ویرایش و کاربرد مورد نظر در کنار توالی زیستی مطرح شده است. این پیشنهاد به مسئله‌ای مکمل می‌پردازد: دریافت‌کننده، علاوه بر خود توالی، به سابقه طراحی و کاربرد مورد نظر آن هم نیاز دارد. البته این گزارش پیش از پژوهش تازه گوگل منتشر شده و تأییدکننده نتیجه آزمایش آن نیست.
برای روشن شدن تفاوت، یک پرونده فرضی شامل طرح و برگه توضیحاتش را تصور کنید. برگه می‌تواند بگوید چه کسی طرح را تهیه کرده و چه تغییری در آن داده است؛ نشانه داخلی می‌تواند پرسش دیگری درباره منشأ خود طرح را پاسخ دهد. اگر خواننده بخواهد بداند چرا نسخه جدید ساخته شده، تشخیص منشأ به‌تنهایی پاسخ کامل نیست؛ سابقه تغییرات و توضیح مسئول طرح نیز اهمیت پیدا می‌کند.
یک خبر، دو برداشت؛ کدام جمله قابل دفاع است؟
فرض کنید دبیر یک رسانه عمومی باید بین دو جمله انتخاب کند. جمله اول می‌گوید: «پژوهشگران روشی برای قابل‌ردیابی کردن برخی طرح‌های زیستی آزمایش کرده‌اند.» جمله دوم می‌گوید: «هوش مصنوعی اکنون ایمنی پروتئین‌های ساخته‌شده را تضمین می‌کند.» جمله دوم، پرسش منشأ را به داوری ایمنی تبدیل کرده است. حتی پیش از بحث درباره کیفیت فناوری، این نتیجه‌گیری درست نیست: دانستن اینکه چیزی از کجا آمده، به‌تنهایی همه پیامدهای استفاده از آن را نشان نمی‌دهد.
برای مردم عادی، فایده این تمایز هنگام خواندن خبرهای سلامت و فناوری آشکار می‌شود. هنگام خواندن هر ادعا، مشخص کنید نتیجه از چه نوعی است: پیش‌بینی رایانه‌ای، مشاهده آزمایشگاهی یا نتیجه کاربرد انسانی؟ اینکه یک طرح در رایانه بررسی شده، به معنی ساخته شدن آن در آزمایشگاه یا آزموده شدن آن در انسان نیست. اگر متن فقط از آزمایشگاه صحبت می‌کند، خواننده نباید فاصله باقی‌مانده تا کاربرد عمومی را با یک تیتر هیجان‌انگیز نادیده بگیرد.
از سوی دیگر، محدود بودن یک نتیجه به معنی بی‌ارزش بودن آن نیست. می‌توان اهمیت پرسش پژوهش را جدی گرفت و در عین حال دامنه پاسخ را محدود نگه داشت. در این خبر، دو سؤال را برای خواندن گزارش‌های بعدی حفظ کنیم: «چه چیزی درباره منشأ قابل بررسی شده است؟» و «برای ادعای ایمنی یا سودمندی، چه شاهد جداگانه‌ای داریم؟» پاسخ روشن به هر دو، از عبارت کلی «هوش مصنوعی قابل اعتماد» دقیق‌تر است و روشن می‌کند کدام ادعا هنوز به آزمایش نیاز دارد.
تصویر شاخص: تصویرسازی مفهومی تولیدشده با هوش مصنوعی؛ شخصیت، مولکول و نشانه نورانی نمایش یک پژوهشگر واقعی، ساختار مولکولی اندازه‌گیری‌شده یا عکس آزمایش نیستند.
نظر شما چیست؟