Η Τεχνητή Νοημοσύνη «έφτιαξε» 16 ιούς που δεν υπάρχουν στη φύση – Γιατί οι επιστήμονες προειδοποιούν

Μέχρι σήμερα η Τεχνητή Νοημοσύνη είχε δείξει ότι μπορεί να γράφει κείμενα, να δημιουργεί εικόνες και να βοηθά τους επιστήμονες στην ανάλυση τεράστιων όγκων δεδομένων. Τώρα περνά σε ένα πολύ διαφορετικό πεδίο: τον σχεδιασμό ολόκληρων ιών.

Αμερικανοί ερευνητές κατάφεραν να δημιουργήσουν 16 λειτουργικούς ιούς που δεν υπάρχουν στη φύση, χρησιμοποιώντας συστήματα Τεχνητής Νοημοσύνης για να σχεδιάσουν το γενετικό υλικό τους.

Δεν πρόκειται, πάντως, για ιούς σαν εκείνους που προκαλούν γρίπη ή άλλες ανθρώπινες ασθένειες. Οι συγκεκριμένοι οργανισμοί είναι βακτηριοφάγοι, δηλαδή ιοί που επιτίθενται σε βακτήρια.

Και αυτό ακριβώς είναι που κάνει το πείραμα τόσο ενδιαφέρον για την ιατρική.

Οι 16 ιοί που σχεδιάστηκαν από την AI

Η μελέτη δημοσιεύθηκε την Πέμπτη 6 Αυγούστου 2026 στο επιστημονικό περιοδικό Science και πραγματοποιήθηκε από ερευνητές του Στάνφορντ, του Χάρβαρντ και του MIT.

Οι επιστήμονες χρησιμοποίησαν ως βάση έναν γνωστό τύπο βακτηριοφάγου και έδωσαν στην Τεχνητή Νοημοσύνη τη δυνατότητα να δημιουργήσει χιλιάδες διαφορετικά γονιδιώματα ιών.

Από αυτά επέλεξαν και συνέθεσαν στο εργαστήριο περίπου 300.

Το κρίσιμο ερώτημα ήταν απλό: θα μπορούσαν αυτά τα τεχνητά σχεδιασμένα γονιδιώματα να δημιουργήσουν πραγματικούς, λειτουργικούς ιούς;

Η απάντηση ήταν θετική σε 16 περιπτώσεις.

Το πιο εντυπωσιακό αποτέλεσμα ήρθε απέναντι στο E. coli

Το επόμενο βήμα ήταν να εξεταστεί αν οι νέοι βακτηριοφάγοι μπορούσαν πραγματικά να κάνουν τη δουλειά για την οποία σχεδιάστηκαν.

Οι ερευνητές δημιούργησαν ένα «κοκτέιλ» από τους νέους ιούς και το χρησιμοποίησαν εναντίον βακτηρίων E. coli.

Σε εργαστηριακές δοκιμές, ο συνδυασμός κατάφερε να σκοτώσει μικρόβια που είχαν εμφανίσει ανθεκτικότητα απέναντι σε φυσικούς βακτηριοφάγους.

Αυτό είναι ένα από τα σημεία που κάνουν την έρευνα σημαντική. Οι βακτηριοφάγοι εξετάζονται εδώ και χρόνια ως πιθανό όπλο εναντίον δύσκολων βακτηριακών λοιμώξεων, ιδιαίτερα όταν τα βακτήρια δεν ανταποκρίνονται εύκολα στις υπάρχουσες θεραπείες.

Γιατί το πείραμα μπορεί να αλλάξει τον τρόπο που σχεδιάζονται θεραπείες

Οι επιστήμονες εκτιμούν ότι η συγκεκριμένη μέθοδος θα μπορούσε στο μέλλον να βοηθήσει στον σχεδιασμό βακτηριοφάγων προσαρμοσμένων σε συγκεκριμένα παθογόνα.

Με απλά λόγια, αντί οι ερευνητές να ψάχνουν μόνο στη φύση για έναν ιό που μπορεί να επιτεθεί σε ένα βακτήριο, θα μπορούσαν να χρησιμοποιούν την Τεχνητή Νοημοσύνη για να σχεδιάζουν νέες παραλλαγές.

Οι συγγραφείς της μελέτης αναφέρουν ότι η προσέγγιση μπορεί να διευρύνει τις δυνατότητες της συνθετικής γονιδιωματικής και να βοηθήσει στην ανάπτυξη πιο προσαρμοστικών θεραπειών απέναντι σε παθογόνα που εξελίσσονται γρήγορα.

Η ίδια τεχνολογία θα μπορούσε επίσης να χρησιμοποιηθεί μελλοντικά για τον σχεδιασμό μεγαλύτερων και πιο σύνθετων γονιδιωμάτων.

Και κάπου εκεί αρχίζουν οι ανησυχίες.

Η άλλη πλευρά: Τι γίνεται αν σχεδιαστούν επικίνδυνοι ιοί;

Οι ίδιοι οι ερευνητές αναγνωρίζουν ότι η δυνατότητα σχεδιασμού ολόκληρων γονιδιωμάτων με Τεχνητή Νοημοσύνη δημιουργεί σοβαρά ζητήματα βιοασφάλειας και βιοπροστασίας.

Η ανησυχία δεν αφορά το συγκεκριμένο πείραμα, αλλά το πού μπορεί να φτάσει η τεχνολογία όσο εξελίσσεται.

Οι ερευνητές καλούν όσους εργάζονται πάνω στον σχεδιασμό ολόκληρων γονιδιωμάτων να συνεργάζονται με ειδικούς ασφαλείας σε όλα τα στάδια της έρευνας.

«Η δυνατότητα πλέον υπάρχει»

Ακόμη πιο ξεκάθαρη ήταν η προειδοποίηση των Tom Inglesby και Moritz Hanke από το Κέντρο Ασφάλειας της Υγείας του Πανεπιστημίου Johns Hopkins.

Σε συνοδευτικό άρθρο σημειώνουν ότι η τεχνολογία μπορεί να προσφέρει σημαντικές δυνατότητες στις βιοεπιστήμες, αλλά παράλληλα δημιουργεί επείγοντα ερωτήματα ασφάλειας.

Το βασικό πρόβλημα είναι ότι πλέον έχει αποδειχθεί πως η παραγωγική Τεχνητή Νοημοσύνη μπορεί να χρησιμοποιηθεί για τη δημιουργία ιικών γονιδιωμάτων, ενώ οι κανόνες που θα διέπουν μια τόσο ισχυρή δυνατότητα δεν έχουν αναπτυχθεί στον ίδιο βαθμό.

Μπορεί η ίδια τεχνολογία να σχεδιάσει έναν πιο επικίνδυνο ιό;

Ο Tom Ellis, καθηγητής συνθετικής γονιδιωματικής μηχανικής στο Imperial College του Λονδίνου, χαρακτήρισε τα αποτελέσματα εντυπωσιακά, αλλά τόνισε ότι αποκαλύπτουν και τις δυσκολίες που υπάρχουν όταν επιχειρείται ο σχεδιασμός πιο πολύπλοκων γονιδιωμάτων.

Όπως εξήγησε, ένα σύστημα Τεχνητής Νοημοσύνης που θα εκπαιδευόταν πάνω στον γενετικό κώδικα επικίνδυνων παθογόνων θα μπορούσε θεωρητικά να χρησιμοποιηθεί για τον σχεδιασμό επιβλαβέστερων ιών.

Για τον περιορισμό αυτού του κινδύνου, αναφέρθηκε στον έλεγχο της πρόσβασης σε ευαίσθητα γενετικά δεδομένα και στην εφαρμογή περιορισμών στη σύνθεση γονιδιωμάτων με επικίνδυνα χαρακτηριστικά.

Γιατί οι ειδικοί δεν μιλούν ακόμη για σενάριο καταστροφής

Παρά τις προειδοποιήσεις, ο Tom Ellis ξεκαθαρίζει ότι δεν χρειάζεται να αντιμετωπίζεται η συγκεκριμένη εξέλιξη ως άμεση απειλή δημιουργίας καταστροφικών οργανισμών από την Τεχνητή Νοημοσύνη.

Όπως εξηγεί, σήμερα είναι πολύ ευκολότερο να χρησιμοποιηθεί ένα ήδη υπάρχον παθογόνο και να τροποποιηθεί γενετικά, παρά να σχεδιαστεί από την αρχή ολόκληρο το γονιδίωμα ενός σύνθετου ιού ή βακτηρίου.

Η νέα μελέτη αποδεικνύει, ωστόσο, ότι ένα όριο έχει ήδη ξεπεραστεί: η Τεχνητή Νοημοσύνη δεν περιορίζεται πλέον στην ανάλυση της βιολογίας, αλλά μπορεί να χρησιμοποιηθεί και για τον σχεδιασμό νέων λειτουργικών γονιδιωμάτων.

ΔΙΑΒΑΣΤΕ ΕΠΙΣΗΣ:

• Το χρώμα που έχουν δει μόλις 7 άνθρωποι στον κόσμο
• Δείτε πώς είναι η πρώτη ιστοσελίδα που φτιάχτηκε ποτέ – Υπάρχει ακόμη 35 χρόνια μετά
• Οι φορτιστές και οι κίνδυνοι, τι πρέπει να προσέχουμε με τις ηλεκτρικές και ηλεκτρονικές συσκευές
• Πύραυλος της SpaceX «καρφώθηκε» στη Σελήνη – Η πρόσκρουση με 8.690 χλμ./ώρα που άνοιξε νέο κρατήρα

Ακολουθήστε μας για όλες τις ειδήσεις στο Bing News και το Google News