شركة Radical Numerics: الذكاء الاصطناعي لدينا رصد ما بين 22% و33% من التسلسلات الفيروسية المخفية

في المختبر الميداني، لا يكفي قراءة المادة الوراثية من العيّنة؛ بل ينبغي أيضًا معرفة ما إذا كانت التسلسلات المستخرجة تتضمن شيئًا خطرًا. ويفيد البحث في القواعد المرجعية عندما يكون الكائن معروفًا من قبل. أما مع عيّنة غير مألوفة فالأمر أصعب، إذ إن غياب التطابقات لا يدل بحد ذاته على السلامة.

وتقترح Radical Numerics إضافة الذكاء الاصطناعي إلى هذه العملية. فبحسب ما نقلته مجلة WIRED، قدّمت الشركة الناشئة نظام Omnii Defense، وهو نموذج يعمل على حاسوب محمول دون اتصال بالإنترنت ويحلّل التسلسلات الناتجة عن جهاز تسلسل يعمل عبر USB. والمهمة واضحة: أن ينبّه الباحث إلى العيّنة التي تستحق مزيدًا من الفحص، حتى لو لم يكن لها سجل دقيق في قاعدة البيانات.

وتظهر التحفظات الرئيسية فورًا. ففي التجربة التي وصفتها الشركة، صنّف النموذج على أنها «ممرِضة محتملة» ما بين 22% و33% فقط من تسلسلات فيروس استُبعد عمدًا من بيانات التدريب. إنها نتيجة مثيرة للاهتمام لمواصلة البحث، لكنها لا تزال بعيدة عن أن تكون أداة موثوقة لكشف التهديدات.

ما الذي يضيفه النموذج إلى البحث في قواعد البيانات

لنفترض أن باحثًا حصل على تسلسل جيني مجهول المصدر. يحاول البحث التقليدي إيجاد تشابه مع كائنات موصوفة سلفًا. هذا النهج مفيد، لكن إمكاناته تتوقف على محتوى القاعدة المرجعية ودرجة تشابه العيّنة مع السجلات المعروفة.

ووفقًا لوصف المطوّرين، يستفيد Omnii Defense إضافةً إلى ذلك من الأنماط التي استخلصها النموذج من البيانات البيولوجية. فهو يقدّم عدة تنبؤات: هل يمكن أن ينتمي التسلسل إلى مسبّب مرضي، وما مدى احتمال أن يكون ذا أصل اصطناعي، وإلى أي مجموعة تصنيفية هو أقرب.

ثم يمنح النظام الجينوم درجة تهديد إجمالية، تجمع بين تقدير مدى «غرابته» وتنبؤات الوظائف البيولوجية. ومن المهم هنا التمييز بين اسم المؤشر ومعناه. فالدرجة المرتفعة سبب لدراسة العيّنة بعناية أكبر، لكنها وحدها لا تثبت أن أمام الباحث كائنًا خطرًا أو نتاج هندسة متعمَّدة.

وبالنسبة إلى مطوّر المنتجات، هذه بنية مألوفة: يساعد النموذج على انتقاء الحالات للمرحلة التالية من الفحص. وتتحقق القيمة إذا التقط إشارات مفيدة تفوتها الأدوات الحالية، دون أن يُغرق المختصين بإنذارات كاذبة.

ماذا تعني نسبة 22–33% فعليًا

وصفت Radical Numerics تجربة على فيروس بونديبوغيو. فقد أُزيلت أولًا من بيانات التدريب المعلومات عن نوعه، وبعد ذلك صنّف النموذج 33% من التسلسلات المعروضة على أنها ممرِضة محتملة. وعندما استُبعد من التدريب الجنس بأكمله، بلغت النسبة 22%.

لا يصح اعتبار هذه الأرقام دقةً عامة للنظام؛ فهي تصف الرصد ضمن إعداد تجريبي محدد. ومن النتائج المعروضة لا يتضح عدد التسلسلات الآمنة التي عدّها النموذج خطأً مريبة، ولا كيف جرى اختيار عتبة الإنذار، ولا مدى إمكانية تعميم النتيجة على كائنات أخرى.

وتزعم الشركة أيضًا أن الأدوات التي لا تعتمد على الذكاء الاصطناعي لم تُصدر في هذه المقارنة أي إشارة تقريبًا إلى الخطر. غير أن الوصف المتاح لا يكفي للخروج بحكم عن التفوق على جميع المقاربات القائمة. ولذلك يلزم الاطلاع على تفاصيل الاختبار، وشروط مقارنة واضحة، وتقييم مستقل.

أما برونوين ماكينيس، التي تقود مسار مراقبة مسبّبات الأمراض في معهد Broad، فتؤيد فكرة استخدام التقنيات في الدفاع البيولوجي، لكنها تشدد في الوقت نفسه على الفجوة بين رصد الإشارة وإثبات الخطورة الفعلية أو الأصل الاصطناعي للمسبّب المرضي.

لماذا ينبغي لفرق بناء منتجات الذكاء الاصطناعي أن تعرف ذلك

أكثر أجزاء الإعلان عمليةً هو العمل المحلي. فإذا تأكدت القدرات المعلنة، فسيتمكن الباحث من الحصول على تقييم أولي حيث يكون الاتصال غير مستقر أو معدومًا. لكن الحاسوب المحمول الذي يحمل النموذج يبقى جزءًا من سير العمل المخبري؛ فهو لا يغني عن الحصول على بيانات عالية الجودة ولا عن التحقق اللاحق من الاستنتاجات.

وبالنسبة إلى المؤسسين، فإن اختيار المهمة نفسه مفيد هنا: تطبيق نموذج بيولوجي كبير على قيد عملي محدد، هو التحليل في الموقع دون اتصال دائم. وعند تقييم مثل هذا المنتج ينبغي النظر إلى التهديدات الفائتة، والإنذارات الكاذبة، ومتطلبات المعدات، وما يفعله المستخدم بعد انطلاق الإنذار.

وحتى الآن، لا يتاح Omnii Defense إلا لمختبِرين خارجيين موثوقين. وتفيد Radical Numerics بأنها تعمل مع مختبرات وطنية وجهات حكومية وجهات تقييم مستقلة. والمحطة الجوهرية التالية هي نتائج هذه الفحوص، فهي وحدها ستبيّن ما إذا كان النموذج يساعد الباحثين على اتخاذ قرارات أكثر استنادًا إلى الأدلة في الظروف الواقعية.