Не первый день сеть шумит расследованиями про возможное попадание в организм человека устройств с названием «нанобот» через всем известную процедуру.
В доказательство приводится архивная статья, которая была удалена из открытых источников, в которой повествуется как раз про сотрудничество фарм-гиганта с лабораторией ДНК-роботов, которой руководит профессор Идо Бачелет из Университета Бар-Илан.
Вот как про обнаружение этой статьи рассказали в сообществе The People’s Voice, связав недавнюю историю времен 2020-2022 как раз с этими данными:
Цитата:
Независимые исследователи в течение многих лет предупреждали, что вакцины с мРНК Covid содержат секретные ингредиенты, и теперь у нас есть подтверждение этого утверждения.
Глубокое погружение в темную историю Pfizer показывает, что они сотрудничали с израильтянином в разработке программируемых нанороботов, которые вводились в организм людей для изменения их ДНК, присвоения им IP-адреса и подключения к Интернету.
Это может звучать как дикая научная фантастика, но когда вы увидите убедительные доказательства, которые мы подготовили для вас, станет ясно, что то, что звучало как фильм ужасов, внезапно становится кошмаром наяву для вакцинированных.
Перед тем как сделать возможные выводы, давайте посмотрим на саму статью.
Профессор Идо Бачелет
Статью можно просмотреть с помощью веб-архива.
Pfizer сотрудничает с лабораторией ДНК-роботов, которой руководит профессор Идо Бачелет из Университета Бар-Илан. Бачелет разработал метод получения инновационных молекул ДНК с характеристиками, которые можно использовать для «программирования» их попадания в определенные участки тела и выполнения там заранее запрограммированных операций в ответ на стимуляцию со стороны организма.
Об этом сотрудничестве было рассказано в лекции президента Pfizer по всемирным исследованиям и разработкам (WRD), председателя комитета по портфельной стратегии и инвестициям и исполнительного вице-президента Микаэля Дольштейна на завершающейся сегодня конференции IATI Biomed в Тель-Авиве. (2015 год)
Bar-Ilan Research & Development Co. Генеральный директор Орли Тори сказал:
«Это первое совместное предприятие Pfizer с кем-либо из израильских высших учебных заведений. Технология довольно новая для фармацевтической компании, но Pfizer согласилась принять вызов и поддержать эту технологию в надежде, что в надлежащее время она принесет пользу компании.
«Как и во всех наших исследовательских соглашениях, компания, представляющая отрасль, имеет право вести переговоры о приобретении технологии в конце процесса».
Финансовый объем сделки не разглашается, но большинство таких соглашений составляют максимум несколько сотен тысяч долларов.
Медицинский сектор, в котором будет осуществляться сотрудничество, также не разглашается, но, похоже, исследования будут сосредоточены на возможности того, что роботы будут доставлять медицинские белки в определенные ткани.
Бачелет пришла в Bar-Ilan из Массачусетского технологического института (MIT) несколько лет назад. На мероприятии Tedmed, состоявшемся два года назад, он объяснил: «Чтобы создать нанометрового робота, мы прежде всего создаем выбранную последовательность ДНК, а затем складываем ее с помощью процесса, называемого ДНК-оригами.
С помощью этого метода человек может дать команду компьютеру, который сворачивает молекулу ДНК по мере необходимости.
«В результате последовательность ДНК может быть получена, например, в виде моллюска и содержать лекарственное средство. Однако молекула ДНК содержит код, активируемый при контакте с определенными веществами в организме.
Например, моллюск может быть сконструирован таким образом, чтобы изменять свою форму и высвобождать лекарство только при встрече с раковой клеткой или нужной тканью.
«Кроме того, молекулы могут получать сигналы друг от друга и теоретически могут изменять свою форму в соответствии с сигналами организма, а также могут быть заранее запрограммированы на прикрепление друг к другу.
В будущем можно будет объединить каждую такую молекулу с миниатюрной антенной. Когда антенна получает внешний сигнал, она производит небольшое изменение в молекуле, которое заставляет ее открываться или закрываться, рассеиваться или соединяться с другой молекулой.»
Тори добавляет:
«Особенность роботов в том, что они открываются и закрываются в соответствии с сигналами из окружающей среды, и это позволяет управлять болезнью. Робот вводит препарат в целевой участок в соответствии с биологическими признаками в организме.
Например, если бы мы разработали продукт для лечения диабета, хотя это и не является целью нашего сотрудничества, можно было бы разработать робота, который выделял бы инсулин только тогда, когда ощущал повышение уровня сахара в крови.»
Опубликовано Globes [онлайн], новости бизнеса Израиля — www.globes-online.com — 14 мая 2015 г.
То, что технология была разработана — это мы поняли, но почему данные об этом событии были удалены — добавляет еще больше вопросов к исследователям и тому, что они, возможно, не до конца раскрыли о своей работе.
Поэтому добавим к этому еще несколько научных данных
Вашему вниманию работа: Биомедицинские микро- и нанороботы с искусственным интеллектом в микрофлюидике
В данной обзорной статье описаны микро- и нанороботы, управляемые искусственным интеллектом. Отмечаем, что это научная литература, которая доказывает факт наличия такого рода технологий (чтобы не воспринимали такую информацию как «желтушную конспирологию»).
Авторы работы из Китая, участвуют в программе 100 Talents, прошли обучение в США и имеют связи с IEEE.
Что снова напоминает нам, что в Китае слишком активно в последнее время ведут работы по генетике:
Авторы исследования заявляют цель своей работы:
В настоящее время искусственный интеллект (ИИ) наделил микро- и нанороботов (МНР) беспрецедентными преимуществами, такими как синтез материалов, оптимальное проектирование, производство и поведение роя. Использование передовых алгоритмов искусственного интеллекта значительно улучшает управление движением, восприятие окружающей среды и роевой интеллект MNR в микрофлюидике.
Эта зарождающаяся междисциплинарная исследовательская тенденция обладает большим потенциалом для продвижения биомедицинских исследований на передний план и внесения ценного вклада в здоровье человека. В этой статье мы впервые познакомим вас с алгоритмами искусственного интеллекта, которые являются неотъемлемой частью разработки MNR. Мы кратко рассмотрим компоненты, конструкции и методы изготовления, применяемые роботами в микрофлюидике, с акцентом на применение ИИ.
Затем мы рассмотрим последние исследования, относящиеся к MNR с искусственным интеллектом, уделяя особое внимание их управлению движением, сенсорным способностям и сложному коллективному поведению в микрофлюидике. Кроме того, мы рассказываем о биомедицинских областях, которые уже переживают или будут претерпевать революционную эволюцию на основе МНР с искусственным интеллектом. Наконец, мы определяем текущие проблемы, которые препятствуют практическому использованию новаторских междисциплинарных технологий.
Вы можете увидеть, как искусственный интеллект используется для отслеживания микророботов и управления ими — да, огромные массивы данных будут генерироваться людьми, которые являются частью Интернета вещей и загружают все свои биометрические данные в облако:
Искусственный интеллект также изменил исследования в области микро- и наноробототехники, обеспечив уникальное мастерство в измерении движения и автономном управлении МНР.44,45 Во-первых, используя методы обработки данных на основе искусственного интеллекта, роботизированные системы могут повысить точность и надежность измерения движения.46 Эти алгоритмы могут извлекать значимую информацию для обеспечения надежного отслеживания и локализации МНР.
Параллельно с этим, благодаря стратегиям управления на основе искусственного интеллекта, MNR могут точно ориентироваться и автономно реагировать на препятствия окружающей среды с улучшенной адаптивностью. 47 Можно выполнять множество сложных задач, таких как сортировка, фильтрация и транспортировка клеток или веществ в микрофлюидной среде.48
Кроме того, в связи с тенденцией к распространенности МНР в медицинской сфере можно предвидеть, что в будущем будут создаваться огромные объемы изображений или видеоданных, данных временных рядов или данных мультимодального зондирования, либо экспериментально, либо клинически.
Именно в этих областях используются микророботы, управляемые искусственным интеллектом, а методы имплантации также относятся к интерфейсу мозг-компьютер.
Мы представляем обзор самых последних исследований, связанных с МНР с искусственным интеллектом, с акцентом на их управление движением, сенсорные возможности и групповую динамику. Кроме того, обсуждаются различные биомедицинские сектора, которые переживают изменения или готовы к преобразованиям в результате интеграции ИИ и МНР.
К таким секторам относятся доставка лекарств, клеточное маневрирование, системы «орган-на-чипе», биопсия и прецизионная хирургия, а также методы имплантации.
В этом пункте отмечается глубокое обучение, которое представляет собой автономную обработку очень сложных данных. Помните, что ИИ может самообучаться, и было показано, что он становится потенциально неконтролируемым для людей.
Представьте себе неконтролируемые алгоритмы DL AI, отвечающие за микророботов в вашем теле. Вот пример того, как легко использовать ИИ в качестве оружия:
Глубокие нейронные сети умеют автономно обрабатывать многомерные и неструктурированные данные, такие как изображения, текст и аудио, независимо от знаний предметной области. Можно избежать необходимости ручного извлечения признаков, характерного для обычного машинного обучения.
DL также процветает благодаря большему набору данных и более высокой вычислительной мощности, что делает его особенно эффективным при работе с большими объемами данных.
В следующем разделе обсуждается роевой интеллект микророботов. Это модальность самосборки, имитирующая природу. В моем подстеке вы можете увидеть микроботов, которые кишат в непривитой крови С19. Ниже описано, как алгоритмы ИИ управляют этим механизмом роения.
Роевой интеллект (СИ) представляет собой инновационную распределенную интеллектуальную парадигму для систем решения проблем, вдохновленную коллективным поведением общественных насекомых и других сообществ животных. Сила СИ проистекает из процесса самоорганизации, когда индивидуумы взаимодействуют друг с другом децентрализованным образом для достижения глобального поведения.
Он в значительной степени воплощает аксиому Аристотеля: «Целое больше, чем сумма частей». Оптимизация муравьиной колонии (ACO) и оптимизация роя частиц (PSO) являются основными используемыми алгоритмами SI, а также оптимизация бактериального фуража, алгоритм искусственного пастуха, искусственный пчелиный рой и поиск рыбных косяков.
Из каких материалов сделаны микророботы? Именно это мы и увидели в наших расследованиях. Полимеры, металлы, гели, пузырьки. Искусственный интеллект помогает находить новые материалы, и это то, с чем мы сталкиваемся, пытаясь найти решения. Попробуйте победить алгоритмы искусственного интеллекта, которые могут использовать эти огромные базы данных:
MNR обычно изготавливаются из твердых материалов (таких как металлы, керамика, полимеры и композиты) или нетвердых материалов (таких как гели, пузырьки и капли), которые подходят для миниатюризации. Эти материалы выбираются по их механической прочности, биосовместимости и реакции на внешние раздражители, такие как свет, акустические и магнитные поля или химические вещества.
Биосовместимость является критическим требованием к материалам, используемым в МНР. Материалы должны быть нетоксичными и неиммуногенными, устойчивыми к коррозии и способными мирно сосуществовать в биологической среде, не вызывая побочных реакций. ИИ способствует развитию материаловедения, ускоряя открытие и разработку новых материалов.
Эти усовершенствованные алгоритмы также обеспечивают уникальные преимущества с точки зрения материала и состава МНР. Для того, чтобы обнаружить новые материалы, алгоритмы машинного обучения были использованы для обработки огромных баз данных существующих материалов. Эти алгоритмы могут извлекать признаки и предсказывать свойства потенциальных материалов и, таким образом, ускорять процесс обнаружения материалов.
Для оптимизации синтеза материалов ИИ сопоставляет параметры и условия с определенными качествами.
Роботы похожи на клетки и уклоняются от иммунной системы. Вы можете видеть, что они знают, как роботы взаимодействуют с клетками в крови. Они называют забор клеток, который мы видим, биосовместимым:
Биомиметика предлагает множество вдохновляющих концепций для улучшения дизайна микро- и нанороботов. Обучаясь на природных структурах и физиологических системах, бионические МНР могут имитировать клетки и микроорганизмы.
Синергетическое взаимодействие между естественными клетками, такими как красные кровяные тельца, макрофаги и интеллектуальные МНР, повышает биосовместимость и автономность движения. Бионические носители, усовершенствованные искусственным интеллектом, называемые «умными наноносителями», такие как пыльца и микроводоросли, также обеспечивали невидимость для иммунной системы, повышая точность нацеливания и минимизируя токсичность.
Как устроены роботы?
Основными методами изготовления МНР являются фотолитография, электронно-лучевая литография методом химического осаждения из газовой фазы и аддитивное производство, в которых используются оптический перенос рисунков, химические реакции, сфокусированные электронные пучки и техника печати, соответственно.103
Они предлагают индивидуальные структуры с высокой точностью на микро/наноуровне. Технологии инкапсуляции для МНР в основном включают самосборку, ДНК-оригами и золь-гель химию. Кроме того, для инкапсуляции роботов можно использовать такие методы нанесения покрытий, как послойная сборка.
Как двигаются роботы?
В микрофлюидике движение этих микроскопических роботов может быть как самодвижущимся, так и дистанционно стимулируемым.108–110 Самодвижение использует химические реакции на поверхности МНР для преобразования химической энергии в кинетическую.
Такие стратегии можно разделить на две категории: химические двигатели, для которых обычно требуется целый ряд химических видов топлива, и движущие силы, основанные на микроорганизмах, таких как ферменты или подвижные клетки.
В статье продолжается описание того, как роботы могут быть активированы с помощью света или акустики. Обсуждаются механизмы управления, навигации и зондирования.
Четко обсуждается, что эти роботы могут атаковать клетки.
Традиционные методы манипулирования клетками включают микропипетку, оптический пинцет и магнитный пинцет, а также диэлектрофорез, акустофорез и оптоэлектронные методы.
Эти методы часто ограничены дополнительными факторами, которые могут препятствовать жизнеспособности и способности клеток к пролиферации, такими как чрезмерный объем и высокие требования к мощности.
В отличие от них, МНР обеспечивают исключительный контроль и адаптивность, что позволяет точно манипулировать клетками, не беспокоясь о повреждении клеточных структур.
Микророботы, управляемые искусственным интеллектом, могут быть использованы для генной инженерии. Оптогенетика – это один из способов:
Таким образом, интеллектуальные MNR могут произвести революцию в манипуляциях с клетками, что приведет к прорывам в таких областях, как генетическая или тканевая инженерия и регенеративная медицина.
Обратите внимание на изображение A Brightfield, выглядит точно так же, как то, что удавалось обнаружить в живой крови (Например, доктору Анне Михальч). В нем говорится: — А) Саморегулируемая доставка лекарств роящимися фотонно-кристаллическими микророботами,
Эти роботы могут проводить операции и сделаны из полимеров, которые могут использовать энергию нашего тела:
МНР способны выполнять процедуры на клеточном уровне. В последнее десятилетие микро- и нанороботизированные инструменты (в том числе нанобурильщики, микрозахваты и микропули) продемонстрировали отличные возможности для минимально инвазивных хирургических процедур при использовании без привязки.
Go et al. Представлены микророботы, которые могут быть магнитно направлены к сосудам, питающим опухоль, для проведения транскатетерной химиоэмболизации в печени in vivo.
Cao et al. Представлены фототактические/фототерапевтические наномоторы, включающие биоразлагаемые блок-сополимеры, украшенные агрегационно-индуцированными эмиссионными мотивами, способными преобразовывать лучистую энергию в движение.
Например, доктор Анна Михальч, которая проводила исследования крови так прокомментировала эту работу:
Все, что я описала в крови, можно найти в технической литературе. Эти роботы управляются искусственным интеллектом. Является ли простым совпадением тот факт, что в июне после 20 лет литературного молчания Рэй Курцвейл, ведущий трансгуманистический технократ, выступающий за постчеловеческую эру, публикует свою новую книгу о том, «когда мы сольемся с искусственным интеллектом»?
Исследовательские работы доктора Анны здесь:
- Новые исследования крови уколотых и что в ней находят
- Все живое заражено нанотехнологиями и синтетической биологией?
- Синтетическое биологическое оружие или новая популяризация редактирования генома
Кстати, если вы не видели выступление футурлога Рэйа Курцвейла, то вот оно:
Футуролог Рэй Курцвейл беседует с корреспондентом радиостанции StarTalk Нилом Деграссом Тайсоном о расширении возможностей человеческого мозга, которое, по его прогнозам, произойдет в 2030-х годах.
Но так. Я просто хочу уточнить, что, по-моему, вы только что сказали, что через 20 лет, плюс-минус. Итак, в середине 2020-х 2030 годов у нас будут наноботы, которых мы сможем вводить в наш мозг и которые будут напрямую подключаться к облаку, а не через что-либо еще. Мы носим их с собой в кармане, и таким образом, по беспроводной сети мы можем загружать целые книги, целые языки, и тогда мы будем знать все это просто в процессе загрузки.
*Неокортекс, также называемый неопаллиум, изокортекс или шестислойная кора, представляет собой набор слоев коры головного мозга , участвующих в функциях мозга более высокого порядка, таких как сенсорное восприятие, когнитивные способности, генерация моторных команд, пространственное мышление и язык. Неокортекс далее подразделяется на истинный изокортекс и произокортекс.
Еще одни интересные данные про другого фарм-гиганта
В приведенном ниже интервью Дэйв Джонсон (Dave Johnson) из Moderna объясняет, что для этого был использован искусственный интеллект, в котором объясняется, как ИИ использовался для разработки вакцины от Covid-19:
На международной конференции по безопасности рассматривался вопрос о том, как технологии искусственного интеллекта (ИИ) для разработки лекарств могут быть использованы для разработки биохимического оружия de novo. Мысленный эксперимент превратился в вычислительное доказательство.
Швейцарский федеральный институт по защите от РХБ — Лаборатория Шпица — является частью серии конференций «Конвергенция»1, организованной правительством Швейцарии для выявления достижений в области химии, биологии и вспомогательных технологий, которые могут иметь последствия для Конвенций о химическом и биологическом оружии.
Конференция, которая проводится раз в два года, собирает международную группу научных экспертов и экспертов в области разоружения для изучения современного состояния дел в химической и биологической областях и их траекторий, для продумывания потенциальных последствий для безопасности и для рассмотрения того, как эти последствия могут быть наиболее эффективно устранены на международном уровне.
Ниже приведена стенограмма интервью с Дэйвом Джонсоном из Moderna, в котором объясняется, как ИИ использовался для разработки вакцины от Covid-19.
Дженнифер Стронг: Генетическая последовательность вируса COVID-19 была впервые опубликована в январе 2020 года. Это дало старт международному спринту по разработке вакцины… и представляло собой беспрецедентное сотрудничество между фармацевтической промышленностью и правительствами по всему миру. И это сработало. Несколько месяцев спустя правительство США одобрило чрезвычайные разрешения на несколько вакцин.
Меня зовут Дженнифер Стронг, и это «Я был там, когда» — проект устной истории, в котором рассказывается о прорывах и переломных моментах в области искусственного интеллекта и вычислений… Как рассказали очевидцы.
В этом эпизоде мы познакомимся с Дэйвом Джонсоном, директором по данным и искусственному интеллекту в Moderna.
Дэйв Джонсон: Moderna — это биотехнологическая компания, которая была основана на перспективах технологии мРНК.
Меня зовут Дэйв Джонсон. Я директор по данным и искусственному интеллекту в Moderna. мРНК – это, по сути, информационная молекула. Это закодированная последовательность аминокислот, которая, когда они попадают в клетку вашего тела, производит белок, и этот белок может выполнять множество различных функций в вашем организме, от лечения редкого заболевания, потенциально атакующего рак или даже вакцины до борьбы с вирусом, как мы видели с Covid. Фундаментальное отличие этого подхода от типичной фармацевтической разработки заключается в том, что он в большей степени основан на проектировании. Мы говорим, что знаем, что хотим делать. Затем мы пытаемся создать правильную информационную молекулу, правильный белок, который затем окажет такое влияние на организм.
И если вы что-то знаете о фармацевтических разработках, то это, как правило, очень серийный процесс. Вы начинаете с какой-то первоначальной концепции, какой-то первоначальной идеи и проверяете ее в чашках Петри или в небольших экспериментах. А затем вы переходите к доклиническим испытаниям. И если все это выглядит хорошо, то вы, наконец, переходите к испытаниям на людях и проходите через несколько различных фаз клинических испытаний, где третья фаза является самой крупной, где вы доказываете эффективность этого препарата.
И весь этот процесс от начала до конца может быть чрезвычайно дорогим, стоить миллиарды долларов и занимать, знаете ли, до десяти лет. И во многих случаях это все равно не удается. Вы знаете, сейчас существует бесчисленное множество болезней, от которых нет ни вакцины, ни лечения. И дело не в том, что люди не пробовали, просто они бросают вызов.
Поэтому мы создали компанию, думая о том, как мы можем сократить эти сроки. Как мы можем нацелиться на много-много других вещей? Вот так я и попал в компанию. Вы знаете, у меня есть опыт работы в области разработки программного обеспечения и науки о данных. На самом деле у меня есть докторская степень в области так называемой информационной физики, которая очень тесно связана с наукой о данных. И я начал, когда компания была очень молодой, может быть, сотня, 200 человек в то время.
И мы создавали ранний доклинический двигатель компании, который заключается в том, как мы можем нацелиться на кучу разных идей одновременно, провести несколько экспериментов, очень быстро учиться и делать это снова. Давайте проведем сотню экспериментов одновременно, давайте быстро научимся, а затем перейдем к следующему этапу.
Поэтому, если вы хотите проводить много экспериментов, у вас должно быть много мРНК. Поэтому мы создали массивно-параллельную роботизированную обработку мРНК, и нам нужно было интегрировать все это. Нам нужны были системы, которые могли бы управлять всей этой робототехникой вместе. И, знаете, по мере того, как все развивалось по мере того, как вы собираете данные в этих системах, именно здесь начинает появляться ИИ. Знаете, вместо того, чтобы просто фиксировать то, что произошло в эксперименте, теперь вы говорите: «Давайте использовать эти данные, чтобы сделать некоторые прогнозы». Давайте избавим ученых от принятия решений, которые не хотят просто смотреть и смотреть на данные снова и снова. Но давайте воспользуемся их инсайтами. Давайте создадим модели и алгоритмы, чтобы автоматизировать их анализ, и, знаете, делать гораздо более качественную и гораздо более быструю работу по прогнозированию результатов и улучшению качества наших данных.
Поэтому, когда появился Covid, это был действительно мощный момент для нас, чтобы взять все, что мы построили, все, что мы узнали, и исследования, которые мы провели, и действительно применить это в этом действительно важном сценарии. Когда эта последовательность была впервые опубликована китайскими властями, у нас было всего 42 дня на то, чтобы взять эту последовательность и определить, какие мутации мы хотим сделать. Это белок, на который мы хотим нацелиться.
Сорок два дня с этого момента, чтобы фактически создать клинически безопасное производство, партию и отправить ее в клинику, что совершенно беспрецедентно. Я думаю, что многие люди были удивлены тем, как быстро он двигался, но это на самом деле… Мы потратили 10 лет на то, чтобы прийти к этому. Мы потратили 10 лет на создание этого механизма, который позволяет нам продвигать исследования максимально быстро. Но это еще не все.
Мы подумали, как мы можем использовать науку о данных и искусственный интеллект, чтобы действительно получить наилучший способ получить наилучшие результаты наших клинических исследований. И поэтому одна из первых больших проблем, с которой мы столкнулись, заключалась в том, что мы должны были провести большую третью фазу, чтобы доказать, что в этом исследовании участвовало 30 000 человек, чтобы доказать, что это работает, верно?
Это огромное исследование. Ковид вспыхивал, гм, заражая бесчисленное количество людей. И нам нужно было понять: где мы будем проводить учебу? Мы собираемся выбрать сотню мест в США для проведения этого исследования, и нам нужно было найти баланс между поиском мест, где у нас есть правильное расовое разнообразие, подходящее для страны.
Нам нужно было сбалансировать… практических соображений. Если нам нужно, вы знаете, учреждение подходящего размера и центры клинических испытаний, которые могут предоставить качественные данные. И нам нужно найти места, куда Covid еще не ударил. Так, в то время Нью-Йорк, например, уже сильно пострадал. Таким образом, это не было бы идеальным местом для проведения клинического исследования, потому что мы должны накапливать случаи его проведения.
Так что нам нужно было найти места, которые еще не были затронуты, но места, которые, как мы ожидали, на самом деле, вы знаете, всплеск, может быть, через шесть недель после начала исследования, после того, как люди были привиты. Так что это действительно сложная проблема, которую мы должны были решить. И я хочу сказать, вы знаете, мы, мы не делали все это полностью внутри компании. Мы работали с бесчисленным количеством внешних партнеров. И я не могу сказать вам, сколько различных эпидемиологических моделей мы видели. Казалось, что все вдруг стали эпидемиологами. Но мы включили всю эту информацию в наше внутреннее принятие решений и использовали ее, чтобы попытаться найти: это оптимальные места, где мы должны провести это исследование.
И потом, даже когда мы проводили это исследование, мы спрашивали, как мы можем продолжать оптимизировать и делать лучше? Вы знаете, мы встроили аналитику в режиме реального времени в наш набор на обучение. Таким образом, по мере того, как пациенты или испытуемые, участвующие в исследовании, получали лечение нашей вакциной, мы следим за их разнообразием: возрастным, гендерным и расовым, чтобы убедиться, что окончательный состав этого исследования, когда все сказано и сделано, был репрезентативным для США.
Я хочу сказать, что мы прошли около 80% пути. И мы поняли, что мы не достигнем наших целей, потому что уровень волонтеров не совсем такой, как мы хотели. И поэтому мы приняли действительно трудное решение сказать: «Послушайте, нам нужен газ, некоторые районы страны и сосредоточиться на работе в разных областях, чтобы получить правильный состав, чтобы исследование было репрезентативным».
Учитывая эти взгляды Дэйва Джонсона, кажется, что ИИ в разработке лекарств для Большой Фармы является абсолютным чудом. Однако итоги конференции по безопасности, на которой обсуждалось биологическое оружие, приводят к совершенно иному выводу:
Риск неправильного использования
Эта мысль никогда не приходила нам в голову. Мы смутно осознавали проблемы безопасности, связанные с работой с патогенами или токсичными химикатами, но это не относилось к нам; В основном мы работаем в виртуальном пространстве. Наша работа основана на создании моделей машинного обучения для терапевтических и токсичных мишеней, чтобы лучше помогать в разработке новых молекул для разработки лекарств. Мы потратили десятилетия, используя компьютеры и искусственный интеллект для улучшения здоровья человека, а не для его ухудшения.
Мы были наивны, думая о возможном злоупотреблении нашей работой, поскольку наша цель всегда заключалась в том, чтобы избежать молекулярных особенностей, которые могли бы повлиять на различные классы белков, необходимых для жизни человека.
Даже наши проекты по вирусу Эбола и нейротоксинам, которые могли бы вызвать мысли о потенциальных негативных последствиях наших моделей машинного обучения, не вызвали у нас тревоги.
Наша компания Collaborations Pharmaceuticals, Inc недавно опубликовала модели вычислительного машинного обучения для прогнозирования токсичности в различных областях, и, разрабатывая нашу презентацию для встречи в Шпице, мы решили изучить, как ИИ может быть использован для конструирования токсичных молекул. Это было мысленное упражнение, которое мы раньше не рассматривали, но в конечном итоге превратилось в вычислительное доказательство концепции создания биохимического оружия.
Генерация новых токсичных молекул реальна
Ранее мы разработали коммерческий генератор молекул de novo, который мы назвали MegaSyn2, который основан на прогнозах биологической активности модели машинного обучения с целью поиска новых терапевтических ингибиторов мишеней для заболеваний человека. Эта генеративная модель обычно наказывает за прогнозируемую токсичность и вознаграждает прогнозируемую целевую активность.
Мы просто предложили перевернуть эту логику, используя тот же подход к проектированию молекул de novo, но теперь направляя модель так, чтобы вместо этого вознаграждать как токсичность, так и биологическую активность. Мы обучили ИИ на молекулах из общедоступной базы данных, используя набор в основном лекарственных молекул (которые синтезируются и, вероятно, будут поглощены) и их биологическую активность.
Мы решили оценить разработанные молекулы с помощью модели 3 смертельной дозы для конкретного организма (LD50) и конкретной модели, используя данные из той же общедоступной базы данных, которая обычно используется для получения соединений для лечения неврологических заболеваний (детали подхода не разглашаются, но были доступны в процессе обзора). Лежащее в основе генеративное программное обеспечение основано на другом программном обеспечении с открытым исходным кодом, которое легко доступно, и аналогично ему4.
Чтобы сузить вселенную молекул, мы решили сузить генеративную модель до таких соединений, как нервно-паралитическое вещество VX, одно из самых токсичных боевых отравляющих веществ, разработанных в20-м веке — нескольких зерен VX размером с соль (6-10 мг)5 достаточно, чтобы убить человека. Нервно-паралитические вещества, такие как «Новичок», также были в заголовках газет в последнее время.
Менее чем через 6 часов после запуска на нашем внутреннем сервере наша модель сгенерировала сорок тысяч молекул, которые набрали желаемый порог. В процессе ИИ разработал не только VX, но и многие другие известные боевые отравляющие вещества, которые мы идентифицировали с помощью визуального подтверждения с помощью структур в общедоступных химических базах данных.
Также было разработано много новых молекул, которые выглядели столь же правдоподобно. Эти новые молекулы были предсказаны как более токсичные на основе предсказанного LD50 по сравнению с широко известными боевыми отравляющими веществами (рис. 1). Это было неожиданно, так как наборы данных, которые мы использовали для обучения ИИ, не включали эти нервно-паралитические вещества.
Виртуальные молекулы даже занимали область молекулярного пространства, которая была полностью отделена от многих тысяч молекул в микроспецифичной модели LD50, которая в основном состоит из пестицидов, токсинов окружающей среды и лекарств (рис. 1).
Инвертировав использование наших моделей машинного обучения, мы превратили нашу безобидную генеративную модель из полезного инструмента медицины в генератор смертоносных молекул.
Наши модели токсичности изначально были созданы для использования во избежание токсичности, что позволяет нам лучше виртуально сканировать молекулы (для фармацевтических и потребительских товаров), прежде чем в конечном итоге подтвердить их токсичность с помощью тестирования in vitro.
Обратное, однако, всегда было верно: чем лучше мы можем предсказать токсичность, тем лучше мы можем управлять нашей генеративной моделью для создания новых молекул в области химического пространства, населенной преимущественно смертоносными молекулами.
Мы также физически не синтезировали ни одну из молекул, но с учетом того, что по всему миру существует множество сотен коммерческих компаний, предлагающих химический синтез, это не обязательно слишком большой шаг, который плохо регулируется с небольшими проверками, если таковые вообще имеются, чтобы предотвратить синтез новых чрезвычайно токсичных веществ, которые потенциально могут быть использованы в качестве химического оружия.
Наше доказательство концепции показывает, что автономный создатель смертоносного химического оружия, не являющийся человеком, вполне осуществим.
Тревожный звонок от авторов
Не впадая в панику, скажу, что это должно послужить тревожным звонком для наших коллег из сообщества «ИИ в разработке лекарств». Несмотря на то, что для создания токсичных веществ или биологических агентов, которые могут причинить значительный вред, по-прежнему требуются некоторые знания в области химии или токсикологии, когда эти области пересекаются с моделями машинного обучения, где все, что вам нужно, — это умение кодировать и понимать выходные данные самих моделей, они значительно снижают технические пороги.
Программное обеспечение для машинного обучения с открытым исходным кодом является основным способом обучения и создания новых моделей, подобных нашей, а наборы данных о токсичности10, которые обеспечивают базовую модель для прогнозов для целого ряда целей, связанных со здоровьем человека, легко доступны.
Наше доказательство концепции было сосредоточено на VX-подобных соединениях, но оно в равной степени применимо и к другим токсичным малым молекулам с аналогичными или другими механизмами с минимальными изменениями в нашем протоколе. Параллельно совершенствуются и программные средства ретросинтеза, позволяющие исследовать новые пути синтеза известных и неизвестных молекул.
Таким образом, вполне возможно, что для боевых отравляющих веществ могут быть предсказаны новые маршруты в обход национальных и международных списков контролируемых или контролируемых химических веществ-прекурсоров для известных путей синтеза.
Реальность такова, что это не научная фантастика. Мы всего лишь одна очень маленькая компания во вселенной, состоящей из многих сотен компаний, использующих программное обеспечение на основе искусственного интеллекта для разработки лекарств и разработки de novo. Многие ли из них хотя бы рассматривали возможность перепрофилирования или неправильного использования?
Большинство из них будут работать с малыми молекулами, и многие из них очень хорошо финансируются и, вероятно, используют глобальную химическую сеть для создания своих молекул, разработанных искусственным интеллектом.
Ранее в научном сообществе не было серьезных дискуссий по поводу двойного назначения ИИ, используемого для создания молекул de novo, по крайней мере, публично.
Для нас джинн выпущен из бутылки с лекарством, когда дело доходит до перепрофилирования нашего машинного обучения. Теперь мы должны спросить: каковы последствия?
Подойдя так близко, как только мы осмелились, мы все же пересекли серую моральную границу, продемонстрировав, что создание виртуальных потенциально токсичных молекул возможно без особых усилий, времени или вычислительных ресурсов. Мы можем легко стереть тысячи молекул, которые мы создали, но мы не можем стереть знания о том, как их воссоздать.
Предупреждение о риске двойного применения таких технологий от Фабио Урбина вполне себе реально.
Что делать с этой информацией — каждый решает сам. Мы лишь приводим ее в доказательство, что история «про наноботов» и применение ИИ в медицине и теле человека — это не просто байка городских сумасшедших — это вполне себе давно ведущаяся научная исследовательская работа.
И мы не знаем, где она применяется и с какими средствами введения в человека. Доказательств как наличия, так и отсутствия оных «безопасных экспериментов» — нигде нет.
Источники:
- Globes Publisher Itonut (1983) Ltd. 2015
- Биомедицинские микро- и нанороботы с искусственным интеллектом в микрофлюидике
- Двойное использование лекарств на основе искусственного интеллекта
Да, умный человек полагает, что Навальный умер, получив сигнал со спутника в свой организм с этими нано- роботами, сформировавшими тромб. Вот так.