Açık kaynak yapay zekâ platformu Hugging Face, genetik araştırmalar için dikkat çekici yeni bir model yayımladı. Carbon-X adı verilen model, DNA dizilerini ve doğal dili aynı anda anlayacak şekilde eğitildi. Böylece araştırmacılar bir DNA parçasındaki değişikliğin gen etkinliğini ve sağlığı nasıl etkileyebileceğini düz cümlelerle sorabiliyor, yanıtı da yine sohbet diliyle alabiliyor.
Model, Çin’deki Zhongguancun Akademisi ve İtalya’daki Napoli Federico II Üniversitesi’nden araştırmacılarla birlikte geliştirildi. Hugging Face’in kıdemli araştırma bilimcisi Lewis Tunstall, bu çalışmayı “dil modellerinde yeni bir yeteneğin kilidini açmak, temelde DNA ile sohbet edebilmek” olarak özetliyor.
“DNA için bir sohbet asistanı” gibi çalışıyor
DNA, doğal dilden çok bilgisayar koduna benziyor: Sıfırlar ve birler yerine A, C, G ve T harfleriyle bilgi saklıyor. İnsan genomu yaklaşık 6 milyar harften oluşuyor ve uçtan uca dizilenmiş olsa da bilim insanları bu dizinin büyük kısmının nasıl çalıştığını hâlâ tam olarak bilmiyor.
Bu alanda daha önce de yapay zekâ modelleri geliştirildi. Google DeepMind’ın geçen yıl tanıttığı AlphaGenome, DNA dizilerinin ve mutasyonların etkilerini sayısal çıktılarla tahmin ediyor ve daha fazla hesaplama gücü gerektiriyor. Arc Institute ile NVIDIA’nın geliştirdiği Evo 2 ise DNA dilini “konuşabiliyor” ve sıfırdan genom üretebiliyor. Carbon-X’i farklı kılan, DNA’yı ve doğal dili tek bir sohbet arayüzünde birleştirmesi. Teknik bilgisi sınırlı kullanıcılar bile başka hiçbir araçla kolayca soramayacakları soruları sorabiliyor.
Nasıl eğitildi?
Ekip, mevcut bir dil modelini temel aldı ve modelin kelime dağarcığını DNA’yı altışar harflik gruplar hâlinde okuyacak şekilde genişletti. Ardından model; DNA dizileri, İngilizce metinler ve DNA ile biyolojik açıklamaları eşleştiren örneklerden oluşan yaklaşık 300 milyar token ile eğitilmeye devam etti.
Eğitimde kullanılan DNA dizileri insanlar dahil memelilerden, diğer omurgalılardan, omurgasızlardan, bitkilerden, mantarlardan ve protozoalardan geliyor. Ekip, modelin tehlikeli amaçlarla kullanılmasının önüne geçmek için virüs dizilerini bilinçli olarak eğitim verisine almadı. Bu tercih, biyolojide yapay zekâ kullanımının güvenlik boyutunun artık en baştan tasarıma dahil edildiğini gösteriyor.
Neden küçük ve yerel bir model?
Carbon-X 14 milyar parametreye sahip. Bu görece küçük boyut bilinçli bir tercih: Araştırmacılar, kimliği belirlenebilir ya da hassas hasta verilerini büyük bulut modellerine yüklemekle ilgili ciddi kısıtlamalarla karşılaşıyor. Carbon-X ise kullanıcının kendi donanımında, örneğin bir dizüstü bilgisayarda çalışabiliyor. Tunstall’a göre hiçbir veri Hugging Face’e ya da başka bir şirkete gönderilmiyor.
Modelin bir sınırı da var: Kullanıcılar tam bir insan genomunu yükleyemiyor. Model yaklaşık 50 bin baz çiftlik dizileri işleyecek şekilde eğitildiği için genomun yalnızca küçük bölümleri sorgulanabiliyor.
Kimin işine yarayabilir?
Geliştiricilere göre aracın temel kullanım alanlarından biri, bir genetik mutasyonun zararsız mı yoksa hastalığa yol açan türden mi olduğunu anlamaya yardımcı olmak. Bu ayrım, hedefe yönelik ilaç ve gen tedavisi geliştirmede kritik bir adım: Yanlış mutasyonu hedefleyen bir müdahale tamamen etkisiz kalabilir, daha kötüsü istenmeyen zararlara yol açabilir. Uzun vadede modelin hastaların kendi genom verilerini yorumlamasına da yardımcı olabileceği belirtiliyor.
Yapay zekâ okuryazarlığı açısından: Tahmin, kanıt değildir
Carbon-X’in geliştiricileri önemli bir uyarıyı da açıkça yapıyor: Model henüz gerçek laboratuvar deneyleriyle doğrulanmadı, bu nedenle tahminlerinin ne kadar isabetli olduğu bilinmiyor. Akıcı ve ikna edici bir sohbet yanıtı, biyolojik bir gerçeğin kanıtı anlamına gelmiyor. Özellikle sağlıkla ilgili sorularda modelin çıktıları bir hipotez olarak görülmeli ve mutlaka uzman değerlendirmesi ile deneysel verilerle sınanmalı. Yine de verinin cihazdan çıkmadığı, açık ve küçük bir modelin bu kadar karmaşık bir alana girmesi, bilimde yapay zekâ kullanımının nereye gittiğine dair güçlü bir işaret.
Kaynak: Hugging Face, Wired
