De kunst om kunstmatige intelligentie te gebruiken

Je kunt AI van alles vragen en je krijgt altijd een antwoord. De vraag is of dat antwoord correct is. Een illustratie hiervan staat hieronder. De vraag was om een tekening te maken van wetenschappers die werken aan stamcellen. Te zien zijn twee grijze mannen – een zeldzaamheid in laboratoria, waar het meeste onderzoek gedaan wordt door jonge wetenschappers, en meer dan de helft daarvan is vrouw. Ze werken met wat quasi-wetenschappelijk instrumenteel dat weinig met stamcelonderzoek van doen heeft.

Bron: openart.ai

Deze afbeelding illustreert een mogelijk nadeel van AI: het leert algoritmes door te trainen met behulp van datasets. De kwaliteit van de dataset bepaalt dus hoe goed AI vervolgens kan werken, dus hier geldt het adagium “garbage in, garbage out”. Dit kan mogelijk leiden tot bias en fouten, wat te ondervangen is door te werken met goede datasets. Maar fouten zijn niet altijd goed te herkennen.

Twee Nobelprijzen zijn in 2024 uitgereikt voor de bijdrages van artificial intelligence in de wetenschap, een belangrijke mijlpaal voor AI. Eén van deze prijzen werd uitgereikt voor het modelleren van de 3D-structuur van eiwitten. Een eiwit bestaat uit ketens van bouwstenen (aminozuren) die driedimensionaal gevouwen worden. De 3D-structuur stelt veel eiwitten in staat om hun functie uit te oefenen. Die functies variëren enorm: het samentrekken van spieren, het verteren van voedsel, de herkenning van ongewenste indringers (bijvoorbeeld bacteriën en virussen) die vervolgens uit de weg geruimd kunnen worden. Fouten in deze 3D-structuur kunnen ontstaan doordat er aminozuren gewijzigd worden of ontbreken, wat een mogelijke aanleiding is voor genetische ziektes en kanker.

Het herkennen van eiwitten op bacteriën en virussen door eiwitten op cellen van het menselijk immuunsysteem is een soort kat-en-muisspel: bacteriën en virussen kunnen het immuunsysteem ontwijken door wijzigingen (mutaties) in hun aminozuren, waardoor het immuunsysteem het eiwit niet meer herkent. Het immuunsysteem moet dan het gemuteerde eiwit weer leren herkennen voordat ze de indringer onschadelijk kunnen maken. Eenzelfde principe speelt een rol bij resistentie tegen antibiotica, die de werking van bacteriële eiwitten remmen zodat de bacteriën onschadelijk gemaakt worden. De toenemende resistentie tegen antibiotica is een groot probleem in ziekenhuizen.

Dankzij AI is het mogelijk om de 3D-structuur van eiwitten vrij precies te voorspellen aan de hand van de aminozuurvolgorde. Dit was voorheen lastig en tijdrovend. Dit heeft enorme implicaties: je kan bijvoorbeeld aantonen waardoor eiwitten niet meer herkend worden door het immuunsysteem, waardoor antibiotica niet langer meer werken. Of waardoor mutaties in eiwitten tot ziektes kunnen leiden. Maar AI gaat nog een stap verder: het kan vervolgens modellen maken van antibiotica die mogelijk het gemuteerde eiwit kunnen remmen. Het kan eiwitten die enzymatische reacties uitvoeren actiever maken, en zo mogelijk beter schadelijke stoffen afbreken. De mogelijkheden zijn legio.

Zitten de wetenschappers binnenkort dan zonder werk? Nee, misschien zelfs met meer werk: de mogelijkheden die AI genereert moeten nog steeds in de praktijk getest worden, in een laboratorium – maar naar de grijze mannen zul je moeten zoeken.