پلتفرم هاگینگ فیس مدل متن‌باز جدیدی برای درک DNA منتشر کرد که قابلیت اجرا به‌صورت لوکال روی لپ‌تاپ را دارد. این مدل با همکاری پژوهشگران آکادمی ژونگ‌گوان‌کون در چین و دانشگاه ناپل فدریکو دوم در ایتالیا توسعه یافته و با ترکیب توالی‌های ژنومی و زبان طبیعی آموزش دیده است؛ رویکردی که به کاربران اجازه می‌دهد درباره اثرات تغییرات دی‌ان‌ای بر فعالیت ژن‌ها و سلامت انسان سؤال بپرسند و پاسخ‌هایی مکالمه‌محور دریافت کنند.
«لوئیس تونستال»، دانشمند ارشد پژوهشی هاگینگ فیس، اعلام کرده که هدف این ابزار کمک به دانشمندان برای طراحی داروهای نوین و درمان‌های ژنتیکی است و حتی می‌تواند به بیماران در تفسیر ژنوم شخصی‌شان کمک کند. او درباره این مدل که Carbon-X نام دارد، می‌گوید این دستاورد قابلیت جدیدی را در مدل‌های زبانی فراهم کرده که به افراد اجازه می‌دهد با DNA گفت‌وگو کنند. استفاده از زبان طبیعی به این معناست که افراد غیرمتخصص نیز می‌توانند پرسش‌هایی پیرامون DNA را مطرح کنند که پیش ازاین از طریق هیچ ابزار دیگری در دسترس نبود.
DNA شباهت زیادی به کدهای کامپیوتری دارد؛ با این تفاوت که به جای صفر و یک، از چهار باز شیمیایی آدنین (A)، سیتوزین (C)، گوانین (G) و تیمین (T) برای ذخیره‌سازی داده‌ها استفاده می‌کند. ژنوم انسان حاوی ۶ میلیارد مورد از این حروف است. با وجود اینکه توالی‌یابی کامل ژنوم انسان به پایان رسیده، دانشمندان هنوز نحوه کارکرد بخش عمده‌ای از آن را نمی‌دانند.
ساختار فنی و عملکرد مدل Carbon-X در درک کدهای ژنتیکی
اکنون مدل‌های هوش مصنوعی به کمک محققان آمده‌اند تا این رازها را رمزگشایی کنند. سال گذشته، گوگل دیپ‌مایند از مدل AlphaGenome پرده برداشت که اثرات توالی‌های ژنتیکی و جهش‌ها را به شکل داده‌های عددی پیش‌بینی می‌کند و البته به توان پردازشی بسیار بالاتری نیاز دارد. همچنین مدل Evo 2 که توسط مؤسسه Arc و انویدیا با همکاری شرکای دانشگاهی توسعه یافت، به زبان دی‌ان‌ای مسلط است و می‌تواند ژنوم‌ها را از پایه تولید کند. با‌این‌حال، Carbon-X زبان طبیعی و ساختار دی‌ان‌ای را در یک رابط مکالمه‌ای ادغام کرده و عملکردی شبیه به ChatGPT برای ژنتیک ارائه می‌دهد.
تیم توسعه‌دهنده برای ساخت این مدل، کار خود را با یک مدل زبانی پایه آغاز کرد و دایره لغات آن را به شکلی گسترش داده که بتواند حروف DNA را در قالب گروه‌های ۶ حرفی بخواند. در ادامه، این مدل روی ۳۰۰ میلیارد توکن شامل توالی‌های دی‌ان‌ای، متون انگلیسی و نمونه‌هایی که ساختار ژنتیکی را به توصیف‌های زیستی پیوند می‌دادند، آموزش دید. داده‌های ژنتیکی مورد استفاده از پستانداران (از جمله انسان)، سایر مهره‌داران، بی‌مهرگان، گیاهان، قارچ‌ها و تک‌یاختگان جمع‌آوری شده‌اند. تونستال توضیح داده که برای جلوگیری از خطرات بالقوه و کاربردهای خطرناک، توالی مربوط به ویروس‌ها به‌عمد در داده‌های آموزشی گنجانده نشده است.
کاربران نمی‌توانند با این مدل کل ژنوم انسان را به‌صورت یک‌جا بارگذاری کنند؛ چراکه Carbon-X طوری تنظیم شده که در هر ورودی حدود ۵۰ هزار جفت‌باز (واحدهای سازنده پله‌های نردبان دی‌ان‌ای) را پردازش کند و بررسی داده‌ها تنها در بخش‌های مشخص و محدود ژنوم امکان‌پذیر است.
یکی از کاربردهای اصلی Carbon-X، تشخیص بی‌خطر بودن یا بیماری‌زا بودن یک جهش ژنتیکی عنوان شده است؛ موضوعی که نقشی تعیین‌کننده در توسعه داروهای هدفمند و ژن‌درمانی دارد، زیرا خطا در شناسایی جهش هدف می‌تواند درمان را بی‌اثر کرده یا عوارض جانبی پیش‌بینی‌نشده‌ای به همراه داشته باشد.
از سوی دیگر، به دلیل حساسیت اطلاعات هویتی و پزشکی بیماران و محدودیت‌های قانونی اشتراک‌گذاری آنها با سرورهای خارجی، این مدل عمداً در ابعاد کوچک و با ۱۴ میلیارد پارامتر طراحی شده است. این ویژگی به مدل اجازه می‌دهد روی سخت‌افزار شخصی کاربران و بدون نیاز به سرورهای ابری اجرا شود و هیچ داده‌ای به سرورهای هاگینگ فیس یا شرکت‌های دیگر ارسال نشود. با وجود این ویژگی‌ها، سازندگان Carbon-X هشدار داده‌اند که نتایج مدل هنوز در آزمایشگاه‌های تجربی اعتبارسنجی نشده و دقت قطعی پیش‌بینی‌های آن نیازمند بررسی‌های آزمایشگاهی بیشتر است.
هاگینگ فیس که بستری مشابه گیت‌هاب برای مدل‌های هوش مصنوعی محسوب می‌شود، کتابخانه‌ای از ابزارهای آماده و پلتفرمی برای اجرای برنامه‌های متن‌باز و متن‌وزن در اختیار توسعه‌دهندگان، پژوهشگران و کسب‌وکارها قرار می‌دهد. انویدیا چندی پیش برای تصاحب این شرکت با مبلغی نزدیک به ۱۳ میلیارد دلار به توافق رسید. هاگینگ فیس همچنین اوایل سال جاری میلادی در کانون توجه یک رخداد امنیتی مرتبط با مدل‌های OpenAI قرار گرفته بود.
