Veštačka inteligencija predvidela devet miliona potencijalnih sintetičkih droga

Istraživači sa Univerziteta Britanske Kolumbije koristili su duboku neuronsku mrežu u koju su uneli podatke o hemijskoj strukturi sintetičkih droga, učeći je da pravi hemijske strukture potencijalnih novih droga. Prema njihovoj studiji, objavljenoj ove nedelje, kompjuterska inteligencija je obavila zadatak bolje nego što su naučnici očekivali, piše Raša tudej.

Istraživački tim je koristio bazu podataka poznatih sintetičkih droga – sintetičkih psihoaktivnih supstanci – da obuči veštačku inteligenciju o njihovoj strukturi.

Tržište ovih droga se stalno menja, pošto njihovi proizvođači stalno prilagođavaju svoje formule kako bi zaobišli ograničenja i proizveli nove „legalne“ supstance, a za razbijanje njihove strukture agencijama za sprovođenje zakona su potrebni meseci, napominju istraživači.

„Ogromna većina ovih sintetičkih droga nikada nije testirana na ljudima i potpuno su neregulisane. One predstavljaju veliku pretnju javnom zdravlju i odeljenjima hitne medicine širom sveta“, navodi dr Majkl Skinider, jedan od članova istraživačkog tima.

Posle unosa podataka, veštačka inteligencija je uspela da generiše oko 8,9 miliona potencijalnih sintetičkih droga. Nakon toga, istraživači su pokrenuli listu sa podacima od nekih 196 novih lekova, koji su se već pojavili na tržištu i ustanovili da je više od 90 odsto ovih lekova kompjuter uspeo da predvidi.

„Činjenica da možemo da predvidimo koje će se sintetičke droge pojaviti na tržištu pre nego što se zaista pojave, pomalo liči na naučno-fantastični film iz 2002. godine, Suvišni izveštaj, gde je predznanje o kriminalnim aktivnostima koje će se desiti pomoglo značajnom smanjenju kriminala“, ističe dr Dejvid Višhart, profesor računarskih nauka na Univerzitetu Alberta.

Identifikovanje potpuno nepoznatih supstanci ostaje problem za veštačku inteligenciju, primetio je istraživački tim, ali se nadaju da bi i taj problem mogli da reše, pošto je računar takođe mogao da predvidi koje formule sintetičkih droga će najverovatnije biti stvorene i puštene na tržište.

Model je „rangirao ispravnu hemijsku strukturu neidentifikovane sintetičke droge između 10 kandidata sa 72 odsto preciznosti“, dok je analiza spektrometrije, povećala tačnost na nekih 86 odsto.

„Za nas je bio veliki šok da je model ovo dobro uradio, jer se raščlanjavanje čitavih hemijskih struktura samo na osnovu tačnog merenja mase generalno smatra nerešivim problemom“, dodao je Skinider.