جيمس كولينز: لماذا يظل الذكاء الاصطناعي بلا جدوى دون «البيولوجيا الرطبة»

بينما نتجادل حول ما إذا كان ChatGPT سيحلّ محل المبرمجين، تُطرح في مختبرات MIT وهارفارد الهادئة مسألة أكثر إلحاحًا بكثير: كيف لا ننقرض بسبب عدوى عادية بعد عشرين عامًا. يرى البروفيسور جيمس كولينز، الذي ينظر إلى البيولوجيا بوصفها مجموعة من المسائل الهندسية، أننا محكومون بالفشل من دون الذكاء الاصطناعي. لكن نهجه يختلف عن التفاؤل السيليكوني المعتاد. فهو لا يعتقد أنه يمكن ببساطة تسليط شبكة عصبية على المكتبات الكيميائية للحصول على حبة دواء عجائبية. المطلوب رابط وثيق بين الشيفرة والمادة الحية، وهو ما يسميه «البيولوجيا الرطبة».

البحث التقليدي عن الأدوية أشبه باليانصيب، حيث تبلغ كلفة التذكرة مليار دولار ويستمر السحب عشر سنوات. فقد ظل العلماء عقودًا يفحصون آلاف المركّبات على أمل العثور على المركّب الوحيد الذي سينجح. أما كولينز وزملاؤه فقرروا تغيير قواعد اللعبة. فهم لا يستخدمون الذكاء الاصطناعي ككرة سحرية، بل كمسرّع قوي للحدس البشري. غير أن المشكلة الرئيسية التي واجهوها تتعلق بجودة «الوقود». فالشبكات العصبية تتعلم من البيانات، والبيانات البيولوجية كثيرًا ما تكون ملوّثة أو ناقصة أو خاطئة ببساطة. وإذا غذّيت الخوارزمية بالقمامة، فستحصل في المخرجات على سمّ مصمَّم بإتقان بدلًا من الدواء.

ويشدد كولينز على أن سرّ النجاح لا يكمن في تعقيد بنية الشبكة العصبية، بل في تصميم التجارب نفسها. فقد أنشأ فريقه منصات خاصة تولّد مجموعات بيانات ضخمة بمقاييس صناعية، خصيصًا لتدريب النماذج. وهذا يتيح للذكاء الاصطناعي اكتشاف الأنماط حيث لا يرى العقل البشري سوى الفوضى. وبهذه الطريقة تحديدًا، على سبيل المثال، جرى اكتشاف الهاليسين (galicin)، وهو مضاد حيوي قوي يختلف جذريًا عن كل ما استخدمه الطب من قبل. إنه يقتل بكتيريا لم يكن بالإمكان الاقتراب منها طوال عقود، ويفعل ذلك بأناقة تجعل الميكروبات لا تملك الوقت الكافي لتطوير آليات الدفاع.

ماذا يعني ذلك للصناعة ككل؟ نحن ننتقل أخيرًا من عصر الاكتشافات العشوائية إلى عصر التصميم الموجَّه. وهذا تحول جوهري. فبعد أن كنا نبحث عن إبرة في كومة قش لا نهاية لها، صرنا نبني مغناطيسًا عملاقًا يسحب بنفسه كل الإبر المطلوبة. لكن كولينز يحذّر عن حق من الثقة المفرطة في الأرقام المجردة. فالأنظمة البيولوجية شديدة التعقيد وغير خطية، وكثيرًا ما تتصرف بصورة غير منطقية. قد يتنبأ النموذج بتفاعل مثالي على شاشة الحاسوب، لكن الجزيء في الكائن الحي قد لا يصل ببساطة إلى هدفه، أو قد يُحدث سلسلة من الآثار الجانبية. لذلك أصبح التعاون بين خبراء تقنية المعلومات وعلماء البيولوجيا الميدانيين عامل بقاء حاسمًا.

وفي المستقبل القريب، ستبدأ عملية تطوير الأدوية بالتشابه مع عمل شركة برمجيات حديثة. تبدأ بمحاكاة معمّقة، ثم نموذج أولي سريع على منصة روبوتية، فتكرار فوري يستند إلى الأخطاء المكتشفة، وأخيرًا المنتج النهائي. وسيؤدي ذلك إلى تقليص آجال التطوير من سنوات إلى أشهر معدودة. لكن السؤال الأبرز يظل مفتوحًا: هل الجهات التنظيمية والأجهزة البيروقراطية لدينا مستعدة لهذه السرعة؟ فآليات الموافقة الحكومية على الأدوية كثيرًا ما تكون أبطأ بكثير من أخطر البكتيريا وأسرعها طفرًا. ولا يكفي أن نستبدل المجاهر بالشبكات العصبية، بل ينبغي تغيير مبادئ عمل مؤسسات الرعاية الصحية نفسها.

الخلاصة: الذكاء الاصطناعي في الطب ليس بديلًا عن العالِم، بل أداة تتيح لنا أخيرًا أن نلعب على قدم المساواة مع تطور الميكروبات. فهل سنتمكن من الحفاظ على هذه الوتيرة قبل أن تتحول مضادات الحيوية القديمة نهائيًا إلى طباشير عديم الفائدة؟