Τον Μάρτιο του 2020 ο κόσμος σταμάτησε. Οι δρόμοι άδειασαν, τα νοσοκομεία γέμισαν, και δισεκατομμύρια άνθρωποι αναρωτήθηκαν το ίδιο πράγμα: “Πότε θα υπάρξει εμβόλιο;”
Παραδοσιακά, ένα εμβόλιο για να μπορέσει να βγει στην αγορά χρειάζεται περίπου 8-15 χρόνια, κυρίως λόγω της αργής διαδικασίας, δηλαδή την απομόνωση και μελέτη του παθογόνου, την ανάλυση των κατάλληλων πρωτεϊνικών στόχων, την σύνθεση πιθανών εμβολιαστικών μορίων αλλά και των πολυετών κλινικών δοκιμών. Ωστόσο, τα πρώτα εμβόλια για τον SARS-CoV-2 αναπτύχθηκαν μέσα σε λιγότερο από 12 μήνες. Αυτό δεν οφείλεται σε “παράκαμψη ασφαλείας”, αλλά σε έναν συνδυασμό τεχνολογικής προόδου, χρηματοδότησης και στη χρήση AI.
Όμως, όσο γρήγορα προχωρούσε η επιστημονική έρευνα, άλλο τόσο μεγάλωνε και η κοινωνική αμφισβήτηση. Σε μια εποχή κρίσης και φόβου, πολλοί άνθρωποι άρχισαν να αναρωτιούνται,
“Μπορούμε να εμπιστευτούμε κάτι που φτιάχτηκε τόσο γρήγορα;”, “Πόσο ασφαλή είναι αυτά τα εμβόλια;”
Αυτές οι αντιδράσεις είναι απολύτως ανθρώπινες και κατανοητές. Δεν σας κρύβω ότι και εγώ η ίδια δεν έκανα ποτέ το εμβόλιο γιατί πίστευα ότι δεν είναι σωστό και φυσιολογικό μέσα σε ένα τόσο μικρό χρονικό διάστημα να έχουν φτιάξει το εμβόλιο κατά την προστασία από τον κορονοϊό.
Ας δούμε όμως από που ξεκίνησε το AI.
Η ιδέα της τεχνητής νοημοσύνης γεννήθηκε με την ερώτηση του Turing, αλλά πήρε επίσημη μορφή το 1956 στο συνέδριο Dartmouth, όπου ο John McCarthy χρησιμοποίησε για πρώτη φορά τον όρο Artificial Intelligence. Τις επόμενες δεκαετίες, οι ερευνητές προσπάθησαν να δημιουργήσουν “έξυπνα” προγράμματα που μπορούσαν να παίζουν σκάκι, να λύνουν μαθηματικά προβλήματα και να κατανοούν βασική γλώσσα. Όμως η τεχνολογία της εποχής δεν ήταν αρκετά ισχυρή. Αυτό οδήγησε σε δύο “AI winters”, περιόδους απογοήτευσης και χαμηλής χρηματοδότησης (όπως επιβεβαιώνει η Encyclopaedia Britannica).
Από τη δεκαετία του 1990, χάρη σε πιο γρήγορους υπολογιστές και μεγαλύτερες βάσεις δεδομένων, άρχισαν να εμφανίζονται επιτυχίες που άλλαξαν την πορεία της τεχνητής νοημοσύνης. Το 1997, ο Deep Blue της IBM νίκησε τον παγκόσμιο πρωταθλητή στο σκάκι Γκάρι Κασπάροφ. Το 2012, το σύστημα ImageNet, μια τεράστια βάση εικόνων (που βρήκα στο Stanford AI Lab), εκτόξευσε την ποιότητα των νευρωνικών δικτύων. Και το 2016, το AlphaGo της DeepMind νίκησε τον κορυφαίο παίκτη του Go, όπως καταγράφεται στο Nature.
Ο ρόλος του AI στα εμβόλια COVID-19
Σύμφωνα με το Nature Biotechnology και το Science, τα συστήματα τεχνητής νοημοσύνης χρησιμοποιήθηκαν αρχικά στην ανάλυση της πρωτεΐνης ακίδας του ιού.Ύστερα, στον σχεδιασμό mRNA αλληλουχιών και μετά στη μοντελοποίηση της εξάπλωσης.
Κατ’ αυτόν τον τρόπο, αντί για 5–10 χρόνια, τα εμβόλια δημιουργήθηκαν σε λιγότερο από 12 μήνες. Το AI δεν “έφτιαξε” μόνο του τα εμβόλια, αλλά επιτάχυνε δραματικά την επιστημονική διαδικασία.
Κάθε μεγάλη τεχνολογία προκαλεί αρχικά φόβο. Όμως η ιστορία μάς έχει δείξει πως όταν οι άνθρωποι χρησιμοποιούν τη γνώση με υπευθυνότητα, φροντίδα και ηθική, η τεχνολογία γίνεται δύναμη προόδου. Το ίδιο ισχύει και για το AI. Δεν είναι ένας “αυτόνομος εγκέφαλος”, αλλά ένα εργαλείο που λειτουργεί μόνο μέσα στα όρια που του θέτουμε.
Η πραγματική δύναμη, τελικά, δεν βρίσκεται στις μηχανές, αλλά σε εμάς τους ανθρώπους. Εμείς είμαστε αυτοί που τις δημιουργούμε, τις καθοδηγούμε και αποφασίζουμε πώς θα τις χρησιμοποιήσουμε. Το μέλλον της τεχνητής νοημοσύνης δεν είναι ένας δρόμος που πρέπει να φοβόμαστε, αλλά μια ευκαιρία που μπορούμε να αξιοποιήσουμε με σύνεση και αισιοδοξία. Δεν θα πάρει ποτέ την θέση μας, είναι αδύνατο να συμβεί.






