Na Uniwersytecie Południowej Kalifornii (USC) filozofowie i inżynierowie razem tworzą AI. Ich cel? Zaprogramować etykę w maszynach i zrewolucjonizować medycynę.
W skrócie:
- Uniwersytet Południowej Kalifornii (USC) połączył wydziały filozofii i inżynierii, by w ramach Instytutu Etyki i Zaufania w Informatyce badać, jak wbudować w AI ludzkie wartości.
- Nowa technologia V‑SYNTHES, opracowana na uczelni, wykorzystuje AI do projektowania potencjalnych leków 5000 razy szybciej niż pozwalają na to tradycyjne metody badawcze.
- Historyczna praca nad międzynarodową Bazą Danych Białek (PDB), którą w 1971 roku współtworzyła Helen Berman z USC, stała się fundamentem dla systemów AI, takich jak AlphaFold.
Sztuczna inteligencja coraz śmielej wkracza w nasze życie, ale kto właściwie decyduje o kierunku, w którym podąży? W USC Dornsife uznali, że sama technologia to za mało. Stworzyli więc przestrzeń, gdzie obok inżynierów i specjalistów od danych pracują filozofowie, etycy i biolodzy. Ich cel jest ambitny – chcą mieć pewność, że to, co nadejdzie, będzie odzwierciedlać najlepsze cechy człowieczeństwa. Bo maszyna, cóż, sama z siebie nie odróżnia dobra od zła. Ktoś musi jej to pokazać.
Jak nauczyć maszynę, co jest dobre, a co złe?
Odpowiedzią na to pytanie jest USC Institute on Ethics & Trust in Computing (IETC), projekt łączący pozornie odległe światy: USC Dornsife School of Philosophy oraz USC Viterbi School of Engineering. To nie jest akademicka dyskusja przy kawie. To realna praca nad algorytmami, które od samego początku mają wbudowane mechanizmy chroniące ludzkie dobro. Naukowcy analizują, w jaki sposób systemy AI ważą decyzje, by projektować technologie, w których etyka nie jest dodatkiem, lecz fundamentem. To próba odpowiedzi na pytania o sprawiedliwość, autonomię i odpowiedzialność w społeczeństwie, gdzie maszyny wywierają coraz większy wpływ na naszą codzienność.
Prace instytutu mają kształtować nie tylko technologię, ale również debatę publiczną. Uczelnia zaprasza do współpracy przemysł i szkoli studentów, którzy potrafią połączyć głęboką refleksję z praktycznym wdrożeniem. Bo jak inaczej mamy polegać na AI w rozwiązywaniu złożonych problemów, jeśli nie będziemy pewni jej moralnego kompasu?
Leki “z probówki” AI, czyli 5000 razy szybciej do celu
Etyka to jedno, ale w USC Dornsife technologia idzie pełną parą naprzód, a jej efekty mogą realnie zmienić ludzkie życie. Badacz obliczeniowy Vsevolod Katritch wywraca do góry nogami proces odkrywania leków. Jego nowa technologia, V‑SYNTHES, wykorzystuje AI do analizy ogromnych zbiorów danych i “składania” molekuł niczym wirtualnych klocków. Zamiast testować w nieskończoność istniejące związki chemiczne, system przewiduje efekt ich połączeń z szybkością 5000 razy większą niż tradycyjne metody. To gigantyczny skok.
Ten proces ma potencjał, by radykalnie skrócić czas i koszty badań, a tym samym przyspieszyć przełomy w terapiach uzależnień, leczeniu nowotworów czy chorób takich jak Alzheimer. Zamiast szukać lekarstw, zaczynamy je projektować. Precyzyjnie i z prędkością, która do niedawna wydawała się niemożliwa. To właśnie tutaj, na styku biologii i sztucznej inteligencji, rodzi się medycyna przyszłości.
Skąd AI wie, jak zbudowane jest życie?
Żaden z tych przełomów nie wziąłby się znikąd. Współczesna sztuczna inteligencja, zwłaszcza w biologii, stoi na ramionach gigantów – naukowców, którzy dekady temu prowadzili badania podstawowe, nie trafiając na pierwsze strony gazet. Jedną z takich postaci jest Helen Berman, biolożka strukturalna i obliczeniowa z USC Dornsife. W 1971 roku współtworzyła międzynarodową Bazę Danych Białek (Protein Data Bank, PDB) – pierwsze otwarte repozytorium trójwymiarowych struktur białek.
Białka to mikroskopijne maszyny, które odpowiadają za niemal wszystkie procesy w naszych ciałach. Ich trójwymiarowy kształt jest kluczowy dla ich funkcji. Problem? Sposobów, na jakie mogą się zwinąć, są miliardy. Kiedyś szacowano, że obliczenie wszystkich możliwych konfiguracji dla prostego białka zajęłoby więcej czasu, niż istnieje wszechświat. Berman i jej zespół, tworząc PDB, dostarczyli dane treningowe, bez których dzisiejsze systemy AI nie mogłyby istnieć. Narzędzia takie jak AlphaFold od DeepMind uczą się na tej bazie rozpoznawać wzorce zwijania białek, co pozwala naukowcom identyfikować cele molekularne dla nowych leków. To historia o tym, jak cierpliwa, naukowa praca sprzed pół wieku stała się paliwem dla rewolucji AI, którą obserwujemy dzisiaj.