Biology Beyond Nature | ภาคภูมิ ทรัพย์สุนทร
ในห้องแล็บที่ Aberystwyth University ประเทศเวลส์ “อดัม” ไม่ได้มีหน้าตาเหมือนหุ่นยนต์ในภาพยนตร์ มันกินพื้นที่พอๆ กับรถตู้คันเล็ก ภายในมีตู้แช่สายพันธุ์ยีสต์ ตู้บ่ม เครื่องดูดจ่ายของเหลว แขนกล เครื่องปั่นเหวี่ยง กล้อง เซ็นเซอร์ และคอมพิวเตอร์หลายเครื่องต่อกันเป็นระบบเดียว
หน้าที่ของมันไม่ใช่แค่ทำตามโปรโตคอลที่มนุษย์เขียนไว้ แต่อดัมสามารถตั้งสมมุติฐาน ออกแบบการทดลอง ลงมือทำ อ่านผล แล้ววางแผนการทดลองรอบถัดไปได้เอง
ระบบถูกออกแบบให้เดินการทดลองได้มากกว่า 1,000 ชุด และเก็บค่าการวัดได้มากกว่า 200,000 ค่าต่อวัน
เดือนเมษายน 2009 ทีมของ Ross D. King รายงานในวารสาร Science ว่าอดัมสร้างและทดสอบสมมุติฐาน 20 ข้อเกี่ยวกับเอนไซม์ 13 ชนิดในยีสต์ที่เรารู้ว่าปฏิกิริยานั้นต้องเกิดขึ้นในเซลล์ แต่ยังไม่รู้ว่ายีนไหนเป็นตัวสร้างเอนไซม์ที่เร่งปฏิกิริยานั้น (orphan enzyme)
ผลการทดลองสนับสนุน 12 สมมุติฐาน และทีมวิจัยตรวจยืนยันโดยตรงสามข้อซึ่งนำไปสู่การค้นพบยีนใหม่
ทีมวิจัยจึงเสนอว่าอดัมเป็นเครื่องจักรเครื่องแรกที่สร้าง “ความรู้วิทยาศาสตร์ใหม่” ได้ผ่านวงจรตั้งสมมุติฐานและทดลองจริงด้วยตัวเอง
ทีมวิจัยตั้งชื่อผลงานตีพิมพ์ฉบับนี้อย่างล่อเป้าว่า “The Automation of Science” (เมื่อจักรกลลงมือทำวิทยาศาสตร์)
Cr. Peach nom
เส้นทางของ King เดินข้ามพรมแดนชีววิทยากับคอมพิวเตอร์มาตั้งแต่ต้น เขาจบจุลชีววิทยาจาก University of Aberdeen ในปี 1983 ต่อปริญญาโทวิทยาการคอมพิวเตอร์ที่ Newcastle ในปี 1985 และจบปริญญาเอกจาก Turing Institute ใน Glasgow ในปี 1989 โดยใช้ศาสตร์การเรียนรู้ของเครื่องจักร (machine learning) ทำนายโครงสร้างโปรตีน
เส้นทางแบบนี้ถือว่าแปลกพอสมควรในยุคนั้นที่เอไอเพิ่งผ่านช่วงตกต่ำ (AI winter) และงานชีววิทยากับคอมพิวเตอร์ยังไม่ได้หลอมรวมเป็นสายชีวสารสนเทศ (bioinformatics) เป็นเรื่องเป็นราวอย่างทุกวันนี้
ไอเดีย “หุ่นยนต์นักวิทยาศาสตร์ (Robot Scientist)” ไม่ได้เริ่มจากความฝันอยากแทนนักวิทยาศาสตร์ด้วยหุ่นยนต์
แต่เริ่มจากความหงุดหงิดที่ธรรมดากว่านั้น King เล่าว่า ราวปี 1999 เขาพยายามใช้คอมพิวเตอร์ทำนายความสัมพันธ์ระหว่างโครงสร้างกับคุณสมบัติของโมเลกุล
แต่ทีมของเขากลับหานักเคมีสังเคราะห์มาช่วยสร้างโมเลกุลตามข้อเสนอของโปรแกรมได้ยาก
ในเมื่อคอมพิวเตอร์ตั้งสมมุติฐานได้แล้ว ทำไมไม่ต่อมันเข้ากับเครื่องมือในแล็บให้ลงมือทดสอบสมมุติฐานเองเสียเลย?
ปัญหาคอขวดเรื่องคนทำการทดลองจึงกลายเป็นคำถามใหญ่กว่าเดิมว่า “กระบวนการวิทยาศาสตร์” ส่วนไหนบ้างที่เราน่าจะให้เครื่องจักรทำได้
Cr. Peach nom
ถ้าแยกนักวิทยาศาสตร์ออกเป็นสองครึ่ง
ครึ่งหนึ่งคือ “สมอง” ที่มีหน้าที่ค้นคว้าความรู้เก่า มองหาช่องว่าง ตั้งสมมุติฐาน และตัดสินใจว่าการทดลองไหนจะช่วยแยกว่าคำอธิบายไหนน่าเชื่อที่สุด
อีกครึ่งคือ “มือ” ที่เตรียมตัวอย่างหยอดสาร บ่ม วัดผล และบันทึกข้อมูล
ห้องแล็บอัตโนมัติมี “มือ” มานานแล้ว ส่วนเอไอก็ทำงานบางอย่างของ “สมอง” มาหลายทศวรรษ
ความทะเยอทะยานของ Robot Scientist คือเอาสองครึ่งมาต่อกันเป็นวงจรปิด : สมมุติฐาน ? ออกแบบการทดลอง ? ลงมือทดลอง ? วิเคราะห์ผล ? ปรับสมมุติฐาน ? ทดลองใหม่ โดยไม่ต้องรอมนุษย์ตัดสินใจทุกครั้ง
แนวคิดตั้งต้นมีมาตั้งแต่ราวปี 1965 เมื่อ Edward Feigenbaum และ Joshua Lederberg จาก Stanford พัฒนาระบบคอมพิวเตอร์ชื่อ DENDRAL ใช้ความรู้เคมีช่วยอ่านข้อมูลที่บอกมวลของชิ้นส่วนโมเลกุล แล้วเสนอว่าโมเลกุลนั้นน่าจะมีโครงสร้างอย่างไร
ต่อมา META-DENDRAL พยายามให้เครื่องเรียนรู้กฎจากข้อมูลเอง งานเหล่านี้ทำให้เห็นว่าคอมพิวเตอร์ช่วย “ให้เหตุผลทางวิทยาศาสตร์” ได้ แต่ยังไม่ได้เชื่อมการให้เหตุผลเข้ากับห้องแล็บกายภาพเป็นวงจรอัตโนมัติเต็มรูปแบบอย่างที่ King ต้องการ
Robot Scientist เวอร์ชั่นแรกของ King ตีพิมพ์ในวารสาร Nature เมื่อปี 2004
ระบบรุ่นแรกใช้แบบจำลองเชิงตรรกะของเส้นทางที่ยีสต์ใช้สร้างกรดอะมิโนกลุ่มหนึ่ง ตั้งสมมุติฐานเรื่องหน้าที่ยีน เลือกการทดลอง แล้วสั่งเครื่องดูดจ่ายของเหลวและเครื่องอ่านผลการเจริญของยีสต์ให้ทำงาน
ผลที่ได้คือ การ “ค้นพบ” หน้าที่ยีนได้ถูกต้องตรงตามที่นักวิทยาศาสตร์เคยรู้มา
จุดเด่นของระบบนี้คือ มันเลือกการทดลองได้คุ้มค่า : ต้นทุนถูกกว่าวิธีดั้งเดิมที่เลือกการทดลองซึ่งราคาถูกที่สุดก่อนประมาณสามเท่า และถูกกว่าการสุ่มเลือกประมาณร้อยเท่า แต่ระบบกายภาพยังไม่ปิดวงจรสมบูรณ์
King เล่าว่า มนุษย์ยังต้องช่วยย้ายเพลตระหว่างเครื่องอ่านกับตู้บ่ม
งานปี 2004 จึงพิสูจน์ว่า “ตรรกะของวงจรวิทยาศาสตร์” ทำให้เป็นอัตโนมัติได้ แม้ยังไม่ได้ค้นพบความรู้ใหม่จริงๆ
Cr. Peach nom
“อดัม” (ADAM = A Discovery Machine) ที่มีผลงานลงวารสาร Science ปี 2009 ตามที่เล่าไปตอนต้น ถูกยกระดับทั้งสมองและร่างกาย มีตู้แช่ ตู้บ่ม เครื่องดูดจ่ายของเหลวหลายตัว แขนกลสามแขน เครื่องปั่นเหวี่ยง และระบบวิเคราะห์สถิติ เชื่อมกันจนทำงานหลายวันโดยมนุษย์แค่คอยเติมของและเก็บของเสีย ความสำเร็จจึงต่างจากปี 2004 อย่างสำคัญ : คราวนี้ระบบไม่ได้แค่ “ค้นพบซ้ำ” ความรู้ที่มนุษย์รู้อยู่แล้ว แต่เสนอหน้าที่ยีนที่ยังไม่เคยมีหลักฐานโดยตรงมาก่อน
รุ่นต่อมาคือ “อีฟ” (Eve) ซึ่งหันไปค้นหาสารตั้งต้นสำหรับพัฒนายา (lead compound) เพื่อรักษาโรคเขตร้อนที่ถูกละเลย งานหลักตีพิมพ์ในปี 2015 โดยคัดกรองสารจากคลังยาที่เคยผ่านการทดสอบในมนุษย์มาแล้ว หนึ่งในผลที่น่าสนใจคือ TNP-470 ซึ่งเดิมเคยพัฒนาเป็นยาต้านมะเร็ง แต่ผลทดสอบชี้ว่าเอนไซม์เป้าหมาย DHFR ของเชื้อมาลาเรีย Plasmodium vivax ไวต่อสารนี้มากกว่าเอนไซม์ชนิดเดียวกันของมนุษย์ราว 1,000 เท่า [C1.1] แม้อีฟจะยังไม่ถึงกับค้นพบยาใหม่ได้สำเร็จ
แต่ก็เป็นตัวอย่างว่าระบบปิดวงจรสามารถช่วยค้นหาการใช้ยาเดิมในโจทย์ใหม่ได้
บรรยายภาพ
หน้าปก
Cr. Peach nom
อดัม หุ่นยนต์นักวิทยาศาสตร์ที่ตั้งสมมุติฐาน ลงมือทดลอง และเรียนรู้จากผลได้เอง
Cr. Peach nom
ไอเดีย Robot Scientist คือการเอา “สมอง” ของเอไอมาต่อกับ “มือ” ในห้องแล็บให้ครบวงจร
Cr. Peach nom
จาก Robot Scientist รุ่นแรกปี 2004 สู่อดัมและอีฟ เครื่องจักรค่อยๆ รับงานของนักวิทยาศาสตร์มากขึ้น
Cr. Peach nom
