ಹೊಸ ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ಅಣುಗಳ ಹುಡುಕಾಟಕ್ಕೆ Codex ಮತ್ತು ChatGPT ಅನ್ನು ಸಂಶೋಧಕರು ಹೇಗೆ ಬಳಸುತ್ತಾರೆ

ಬ್ಯಾಕ್ಟೀರಿಯಾ, ಶಿಲೀಂಧ್ರಗಳು, ಪರಾವಲಂಬಿಗಳು ಮತ್ತು ವೈರಸ್‌ಗಳು ಸೇರಿದಂತೆ ಔಷಧ-ನಿರೋಧಕ ಸೂಕ್ಷ್ಮಜೀವಿಗಳು ಜಾಗತಿಕವಾಗಿ ಹೆಚ್ಚುತ್ತಿರುವ ಬೆದರಿಕೆಯಾಗಿವೆ. 2021ರಲ್ಲಿ ಸಂಭವಿಸಿದ ಸುಮಾರು ಐದು ಮಿಲಿಯನ್ ಸಾವುಗಳು ಬ್ಯಾಕ್ಟೀರಿಯಾದ ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ನಿರೋಧಕತೆಯೊಂದಿಗೆ ಸಂಬಂಧ ಹೊಂದಿದ್ದವು⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ). ಈ ವಾರ್ಷಿಕ ಸಾವಿನ ಸಂಖ್ಯೆ 2050ರ ವೇಳೆಗೆ ಸರಿಸುಮಾರು ದುಪ್ಪಟ್ಟಾಗಬಹುದು ಎಂದು ಅಂದಾಜಿಸಲಾಗಿದೆ. ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ಔಷಧಗಳಾಗುವ ಸಾಮರ್ಥ್ಯವಿರುವ ಅಣುಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಹಲವು ವರ್ಷಗಳು ಬೇಕಾಗಬಹುದು. ಅನ್ವೇಷಣೆಯ ಈ ಆರಂಭಿಕ ಹಂತವನ್ನು ವೇಗಗೊಳಿಸಲು ಸಂಶೋಧಕರು AI ಅನ್ನು ಬಳಸುತ್ತಿದ್ದಾರೆ.

“ನನ್ನ ಅಭಿಪ್ರಾಯದಲ್ಲಿ, ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ನಿರೋಧಕತೆಯು ಮಾನವಕುಲ ಎದುರಿಸುತ್ತಿರುವ ಅತಿದೊಡ್ಡ ಅಸ್ತಿತ್ವದ ಬೆದರಿಕೆಗಳಲ್ಲಿ ಒಂದು,” ಎಂದು ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ಅಭ್ಯರ್ಥಿಗಳನ್ನು ಹುಡುಕುವ ಅಂತರ್‌ವಿಭಾಗೀಯ ಪ್ರಯೋಗಾಲಯದ ಜೈವಿಕ ಎಂಜಿನಿಯರ್ ಸೆಸಾರ್ ಡೆ ಲಾ ಫುವೆಂಟೆ⁠(ಹೊಸ ಕಿಟಕಿಯಲ್ಲಿ ತೆರೆಯುತ್ತದೆ) ಹೇಳಿದರು. “ಆದರೂ, ಕಳೆದ 50 ವರ್ಷಗಳಲ್ಲಿ ನಮ್ಮಲ್ಲಿ ಹೊಸ ವರ್ಗದ ಪ್ರತಿಜೀವಕವೇ ಬಂದಿಲ್ಲ.”

ಆಧುನಿಕ ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ಔಷಧ ಅಭಿವೃದ್ಧಿಯ ಬಹುಪಾಲು ಈಗಿರುವ ಔಷಧಗಳನ್ನು ಮಾರ್ಪಡಿಸುವುದು ಅಥವಾ ಪರಿಚಿತ ರಾಸಾಯನಿಕ ವರ್ಗಗಳಲ್ಲಿ ಹುಡುಕುವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಿದೆ. ಆದರೆ ಆ ವಿಧಾನದಿಂದ ಸಿಗುವ ಫಲಿತಾಂಶ ಕ್ರಮೇಣ ಕಡಿಮೆಯಾಗುತ್ತಿದೆ.

ಡೆ ಲಾ ಫುವೆಂಟೆಯ ಪ್ರಯೋಗಾಲಯವು ಹೆಚ್ಚು ಅನ್ವೇಷಣೆಯಾಗದ ಜೀವಸಂಕೇತದಿಂದ ತನ್ನ ಹುಡುಕಾಟವನ್ನು ಆರಂಭಿಸುತ್ತದೆ. ಜೀವವಿಜ್ಞಾನವು ಒಂದು ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆ ಎಂಬುದೇ ಈ ಕೆಲಸದ ಕೇಂದ್ರ ಕಲ್ಪನೆ. “ಡಿಎನ್‌ಎಯನ್ನು ರೂಪಿಸುವ ನ್ಯೂಕ್ಲಿಯೊಟೈಡ್‌ಗಳು ಹಾಗೂ ಪ್ರೋಟೀನ್‌ಗಳು ಮತ್ತು ಪೆಪ್ಟೈಡ್‌ಗಳನ್ನು ರೂಪಿಸುವ ಅಮೈನೋ ಆಮ್ಲಗಳು ಒಂದು ರೀತಿಯಲ್ಲಿ ವರ್ಣಮಾಲೆಯಂತಿವೆ,” ಎಂದು ಡೆ ಲಾ ಫುವೆಂಟೆ ಹೇಳಿದರು. “ಜೀವವಿಜ್ಞಾನವನ್ನು ಮಾಹಿತಿಯಾಗಿ ಪರಿಗಣಿಸಿದ್ದರಿಂದ, ಕ್ರಿಯಾಶೀಲ ಅಣುವಿಗೆ ಕಾರಣವಾದ ಜೀವದ ಸಂಘಟನಾ ತತ್ವಗಳನ್ನು ಅರ್ಥೈಸಲು ಆರಂಭಿಸಬಹುದಾದ ವಿಧಾನಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ನಮಗೆ ಸಾಧ್ಯವಾಯಿತು.”

ಪ್ರಯೋಗಾಲಯದ ಆಳ-ಕಲಿಕೆ ಮಾದರಿಗಳಿಗೆ ಜೈವಿಕ ಅನುಕ್ರಮಗಳಲ್ಲಿನ ವಿನ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸುವ ತರಬೇತಿ ನೀಡಲಾಗಿದೆ. ಇದರಿಂದ ಅವು ಸಂಭಾವ್ಯ ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆಗಳಿಗಾಗಿ ಅಪಾರ ಜೀನೋಮ್ ಮತ್ತು ಪ್ರೋಟೀನ್ ದತ್ತಾಂಶ ಸಂಗ್ರಹಗಳನ್ನು ಶೋಧಿಸಬಹುದು. ಈ ವಿಧಾನವು ಅಭ್ಯರ್ಥಿ ಅಣುಗಳ ಆರಂಭಿಕ ಹುಡುಕಾಟದ ಅವಧಿಯನ್ನು ವರ್ಷಗಳಿಂದ ಕೆಲವೇ ಗಂಟೆಗಳಿಗೆ ಇಳಿಸಬಹುದು.

ತನ್ನದೇ AI ಮಾಡೆಲ್‌ಗಳ ಜೊತೆಗೆ, ಪ್ರಯೋಗಾಲಯವು ಊಹೆಗಳನ್ನು ರೂಪಿಸಲು, ಸಂಕೇತಗಳನ್ನು ಬರೆಯಲು ಮತ್ತು ಸುಧಾರಿಸಲು, ದತ್ತಾಂಶ ಸಂಗ್ರಹಗಳನ್ನು ಸಂಸ್ಕರಿಸಲು, ಫಲಿತಾಂಶಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಹಾಗೂ ವೈಜ್ಞಾನಿಕ ಶಿಸ್ತುಗಳಾದ್ಯಂತ ಆಲೋಚನೆಗಳನ್ನು ಜೋಡಿಸಲು ChatGPT ಮತ್ತು Codex ಅನ್ನು ಬಳಸುತ್ತದೆ.

ಜೀನೋಮ್‌ನ ಒಂದು ಸಣ್ಣ ಭಾಗದ ಕಾರ್ಯ ಮಾತ್ರ ಸ್ಪಷ್ಟವಾಗಿ ಅರ್ಥವಾಗಿದೆ. ಅವುಗಳಲ್ಲಿ ಇನ್ನೂ ಕಡಿಮೆ ಭಾಗವು ಸೋಂಕುಕಾರಕ ಸೂಕ್ಷ್ಮಜೀವಿಗಳ ವಿರುದ್ಧ ಹೋರಾಡಬಲ್ಲ ಅಣುಗಳನ್ನು ಸಂಕೇತಿಸುತ್ತದೆ. ಅಣುವೊಂದನ್ನು ಕ್ರಿಯಾಶೀಲ ಅಥವಾ ಜೈವಿಕವಾಗಿ ಸಕ್ರಿಯಗೊಳಿಸುವ ವಿನ್ಯಾಸಗಳನ್ನು ಗುರುತಿಸಿ, ನಂತರ ಅವುಗಳಲ್ಲಿ ಯಾವುದು ಸೋಂಕುಕಾರಕ ಸೂಕ್ಷ್ಮಜೀವಿಗಳನ್ನು ಎದುರಿಸುವ ಸಾಮರ್ಥ್ಯ ಹೊಂದಿದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವುದೇ ಸವಾಲು.

ವಿಜ್ಞಾನಿಗಳು ಬಹಳ ಹಿಂದಿನಿಂದಲೂ ಸಸ್ಯಗಳು, ಪ್ರಾಣಿಗಳು, ಸೂಕ್ಷ್ಮಜೀವಿಗಳು, ಕೀಟಗಳು, ನೀರು ಮತ್ತು ಮಣ್ಣಿನಲ್ಲಿ ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆಗಳನ್ನು ಹುಡುಕುತ್ತಿದ್ದಾರೆ. ಅವರು ಮಾದರಿಗಳನ್ನು ಸಂಗ್ರಹಿಸಿ, ಅಭ್ಯರ್ಥಿ ಅಣುಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತಾರೆ ಅಥವಾ ಊಹಿಸುತ್ತಾರೆ ಮತ್ತು ಹಲವು ವರ್ಷಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಬಹುದಾದ ಪುನರಾವರ್ತಿತ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ ಅವುಗಳನ್ನು ಪರೀಕ್ಷಿಸುತ್ತಾರೆ.

ಅಂಕೀಯ ಜೀನೋಮ್ ಮತ್ತು ಪ್ರೋಟೀನ್ ದತ್ತಸಂಚಯಗಳು ಈಗ ವಿಜ್ಞಾನಿಗಳಿಗೆ ಹೊಸ ಸಂಯುಕ್ತಗಳಿಗಾಗಿ ಜೀವವೃಕ್ಷದಾದ್ಯಂತ ಹುಡುಕಲು ಅವಕಾಶ ನೀಡುತ್ತಿವೆ. ಇದರಿಂದ ಅನ್ವೇಷಣೆಗೆ ಲಭ್ಯವಿರುವ ದತ್ತಸಂಚಯಗಳ ವ್ಯಾಪ್ತಿ ಅಪಾರವಾಗಿ ವಿಸ್ತರಿಸಿದೆ. ಆದರೆ ಇಷ್ಟೊಂದು ಮಾಹಿತಿ ತನ್ನದೇ ಸವಾಲನ್ನು ತರುತ್ತದೆ. ಅಪಾರ ಸಾಧ್ಯತೆಗಳ ನಡುವೆ ಭರವಸೆಯ ಸಂಕೇತಗಳನ್ನು ಕಂಡುಹಿಡಿಯಬೇಕಾಗುತ್ತದೆ.

ಹುಲ್ಲಿನ ಬಣವೆಯಲ್ಲಿ ಸೂಜಿ ಹುಡುಕುವಂತಹ ಈ ಕೆಲಸಕ್ಕೆ AI ವಿಶೇಷವಾಗಿ ಸೂಕ್ತವಾಗಿದೆ. ಅದು ಬೃಹತ್ ದತ್ತಾಂಶ ಸಂಗ್ರಹಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು, ಸಂಶೋಧಕರಿಗೆ ಗುರುತಿಸಲು ಕಷ್ಟವಾಗಬಹುದಾದ ವಿನ್ಯಾಸಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಬಹುದು ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಪರೀಕ್ಷೆಗಾಗಿ ನಿರ್ವಹಿಸಬಹುದಾದಷ್ಟು ಅಭ್ಯರ್ಥಿಗಳಿಗೆ ಆದ್ಯತೆ ನೀಡಬಹುದು.

ಆದರೆ ಭರವಸೆಯ ಅಭ್ಯರ್ಥಿಯನ್ನು ಗುರುತಿಸಿದ ಮಾತ್ರಕ್ಕೆ ಅದು ಪರಿಣಾಮಕಾರಿ ಔಷಧವಾಗುತ್ತದೆ ಎಂದೇನಿಲ್ಲ.

ಅಭ್ಯರ್ಥಿ ಅಣುವು ಗುರಿಯ ಸೂಕ್ಷ್ಮಜೀವಿಯನ್ನು ಕೊಲ್ಲುತ್ತದೆ ಎಂಬುದನ್ನು ವಿಜ್ಞಾನಿಗಳು ಮೊದಲು ದೃಢಪಡಿಸಬೇಕು, ಪರಿಣಾಮಕಾರಿಯಾಗಲು ಬೇಕಾದ ಪ್ರಮಾಣವನ್ನು ನಿರ್ಧರಿಸಬೇಕು ಮತ್ತು ಅದು ಮಾನವ ಜೀವಕೋಶಗಳ ಮೇಲೆ ಬೀರುವ ಪರಿಣಾಮವನ್ನು ಪರೀಕ್ಷಿಸಬೇಕು. ನಂತರ ರಸಾಯನಶಾಸ್ತ್ರಜ್ಞರು ಅದರ ಪರಿಣಾಮಕಾರಿತ್ವ, ಸುರಕ್ಷತೆ ಅಥವಾ ಸ್ಥಿರತೆಯನ್ನು ಹೆಚ್ಚಿಸಲು ಅದನ್ನು ಸುಧಾರಿಸಬಹುದು.

ಮುಂದಿನ ಪರೀಕ್ಷೆಗಳು ಅಭ್ಯರ್ಥಿಯು ಯಾವ ಪ್ರಮಾಣದಲ್ಲಿ ವಿಷಕಾರಿಯಾಗುತ್ತದೆ, ಸೂಕ್ಷ್ಮಜೀವಿಗಳು ಆ ಅಣುವಿಗೆ ಎಷ್ಟು ಸುಲಭವಾಗಿ ನಿರೋಧಕತೆಯನ್ನು ಬೆಳೆಸಿಕೊಳ್ಳುತ್ತವೆ ಮತ್ತು ಅಭ್ಯರ್ಥಿಯು ದೇಹದೊಳಗೆ ಹೇಗೆ ಚಲಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತವೆ. ಅಣುವನ್ನು ವಿಶ್ವಾಸಾರ್ಹವಾಗಿ ತಯಾರಿಸುವ ವಿಧಾನವನ್ನೂ ತಂಡಗಳು ನಿರ್ಧರಿಸುತ್ತವೆ. ಈ ಅಡೆತಡೆಗಳನ್ನು ದಾಟಿದ ಅಭ್ಯರ್ಥಿಗಳು ಅನುಮೋದಿತ ಸೂಕ್ಷ್ಮಜೀವಿ-ತಡೆ ಔಷಧಗಳಾಗಿ ರೋಗಿಗಳನ್ನು ತಲುಪುವ ಮುನ್ನವೂ ನಿಯಂತ್ರಕ ಪರಿಶೀಲನೆ ಮತ್ತು ವೈದ್ಯಕೀಯ ಪ್ರಯೋಗಗಳನ್ನು ಎದುರಿಸಬೇಕಾಗುತ್ತದೆ.

ಡೆ ಲಾ ಫುವೆಂಟೆಯ ಪ್ರಕಾರ, AI ಮತ್ತು ಪ್ರಯೋಗಾಲಯ ಜೀವವಿಜ್ಞಾನ ಒಟ್ಟಿಗೆ ಪ್ರಗತಿ ಸಾಧಿಸಬೇಕಿರುವುದು ಇದೇ ಕಾರಣಕ್ಕೆ. “AI ಯ ಮುನ್ಸೂಚನೆಗಳನ್ನು ದೃಢೀಕರಿಸಲು ವಾಸ್ತವಾಧಾರಿತ ಪ್ರಯೋಗಗಳು ಅತ್ಯಗತ್ಯ,” ಎಂದು ಅವರು ಹೇಳಿದರು. “ಇರುವುದರಲ್ಲೇ ಅತ್ಯಂತ ಸಂಕೀರ್ಣವಾದ ಜೀವವಿಜ್ಞಾನದ ಕುರಿತು ನಮ್ಮ ತಿಳುವಳಿಕೆಯ ಮೇಲ್ಪದರವನ್ನು ಅನ್ವೇಷಿಸುವುದನ್ನು ಮುಂದುವರಿಸಬೇಕಾದರೆ, ಮುಂಬರುವ ವರ್ಷಗಳಲ್ಲಿ ಜೀವ ವಿಜ್ಞಾನಕ್ಕೆ ಇದು ನಿರ್ಣಾಯಕವಾಗಲಿದೆ.”

ಅವರ ಪ್ರಯೋಗಾಲಯವು ಅಭ್ಯರ್ಥಿ ಅಣುಗಳಿಗಾಗಿ ಜೀವಂತ ಮತ್ತು ಅಳಿದುಹೋದ ಜೀವಿಗಳ ಜೀನೋಮ್‌ಗಳನ್ನು ಅನ್ವೇಷಿಸುತ್ತದೆ. ಆ ಜೀನೋಮ್‌ಗಳನ್ನು ಶೋಧಿಸಲು, ಅವು ಸಂಕೇತಿಸುವ ಪ್ರೋಟೀನ್‌ಗಳು ಹೇಗೆ ರೂಪುಗೊಂಡು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ಆ ಅಣುಗಳು ಏನು ಮಾಡುತ್ತವೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಲು ಹಲವು ಕ್ಷೇತ್ರಗಳ ಪರಿಣತಿ ಅಗತ್ಯ.

“ನಮ್ಮದು ಅತ್ಯಂತ ಅಂತರ್‌ವಿಭಾಗೀಯ ತಂಡ. ಹೀಗಾಗಿ ಜೀವವಿಜ್ಞಾನ, ರಸಾಯನಶಾಸ್ತ್ರ, ಗಣಕ ವಿಜ್ಞಾನ ಮತ್ತು ಎಂಜಿನಿಯರಿಂಗ್ ಕ್ಷೇತ್ರಗಳ ಜನರು ನಮ್ಮಲ್ಲಿದ್ದಾರೆ,” ಎಂದು ಡೆ ಲಾ ಫುವೆಂಟೆ ಹೇಳಿದರು. ಕೆಲವು ಪ್ರಯೋಗಾಲಯ ಸದಸ್ಯರು ಪ್ರೋಗ್ರಾಮಿಂಗ್‌ನಲ್ಲಿ ನಿಪುಣರಾಗಿದ್ದರೂ ಜೀವವಿಜ್ಞಾನ ಅಥವಾ ರಸಾಯನಶಾಸ್ತ್ರದ ಬಗ್ಗೆ ಕಡಿಮೆ ತಿಳಿದಿರುತ್ತಾರೆ. ಮತ್ತೆ ಕೆಲವರಲ್ಲಿ ಇದಕ್ಕೆ ವಿರುದ್ಧವಾದ ಸ್ಥಿತಿಯಿದೆ. Codex ಮತ್ತು ChatGPT ಆ ಅಂತರಗಳನ್ನು ನಿವಾರಿಸಲು ನೆರವಾಗುತ್ತವೆ. ಇದರಿಂದ ಜೀವವಿಜ್ಞಾನಿಗಳು ತಂತ್ರಾಂಶಗಳನ್ನು ನಿರ್ಮಿಸಬಹುದು ಮತ್ತು ಪ್ರೋಗ್ರಾಮರ್‌ಗಳು ಜೈವಿಕ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಬಹುದು. ಆ ಅರ್ಥದಲ್ಲಿ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯು ವೈಜ್ಞಾನಿಕ ಶಿಸ್ತುಗಳ ನಡುವಿನ ಅಡೆತಡೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡುತ್ತದೆ.

ಇದು ಪ್ರಯೋಗಾಲಯದ ಸದಸ್ಯರಿಗೆ ತಮ್ಮ ಅಂತರ್‌ವಿಭಾಗೀಯ ಕೆಲಸಕ್ಕೆ ಅಗತ್ಯವಿರುವ ಅಪರಿಚಿತ ವಿಷಯಗಳನ್ನು ಪರಿಶೀಲಿಸಲು, ಪರಿಭಾಷೆಯನ್ನು ಸ್ಪಷ್ಟಪಡಿಸಲು, ವಿವಿಧ ಕ್ಷೇತ್ರಗಳ ವಿಧಾನಗಳನ್ನು ಹೋಲಿಸಲು ಮತ್ತು ಔಷಧ ಅನ್ವೇಷಣೆಗಾಗಿ ಆಲೋಚನೆಗಳನ್ನು ವ್ಯವಸ್ಥೆಗೊಳಿಸಲು ನೆರವಾಗುತ್ತದೆ. ಇತರರು ದೊಡ್ಡ ಜೀನೋಮ್ ದತ್ತಾಂಶ ಸಂಗ್ರಹಗಳನ್ನು ಡೌನ್‌ಲೋಡ್ ಮಾಡಲು, ವ್ಯವಸ್ಥೆಗೊಳಿಸಲು ಮತ್ತು ಪೂರ್ವಸಂಸ್ಕರಿಸಲು AI ಅನ್ನು ಬಳಸುತ್ತಾರೆ. ChatGPT ಪ್ರಯೋಗಾಲಯದ ಸದಸ್ಯರು ತಮ್ಮ ಮಾತೃಭಾಷೆಗಳಲ್ಲೇ ಕೆಲಸ ಮಾಡಲು ಅವಕಾಶ ನೀಡುವ ಮೂಲಕ ಅಡೆತಡೆಗಳನ್ನು ಕಡಿಮೆ ಮಾಡಿ, ಅವರ ಕಾರ್ಯಪ್ರವಾಹವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ.

ಡೆ ಲಾ ಫುವೆಂಟೆ ಅವರು ಆಲೋಚನೆಗಳನ್ನು ರೂಪಿಸುವ ಸಹವರ್ತಿಯಾಗಿ ChatGPT ಅನ್ನು ಬಳಸುತ್ತಾರೆ. ಅವರು ಸಹೋದ್ಯೋಗಿಗಳೊಂದಿಗೆ ಆಲೋಚನೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದನ್ನು ಮುಂದುವರಿಸುತ್ತಾರೆ. ಜೊತೆಗೆ, ಊಹೆಯನ್ನು ರೂಪಿಸಲು AI ನೀಡುವ ನೆರವನ್ನೂ ಮಹತ್ವದ್ದೆಂದು ಪರಿಗಣಿಸುತ್ತಾರೆ. ಒಂದು ಗುಂಡಿಯನ್ನು ಕ್ಲಿಕ್ ಮಾಡುವ ಮೂಲಕ ಜಗತ್ತಿನ ಮಾಹಿತಿಯನ್ನು ಪಡೆಯಬಹುದೆಂಬುದೂ ಅವರಿಗೆ ಇಷ್ಟ.

“ನಾವು ಪರಿಹರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ಸಮಸ್ಯೆಗಳ ಬಗ್ಗೆ ವಿಭಿನ್ನ ರೀತಿಯಲ್ಲಿ ಯೋಚಿಸುವ ಅನೇಕ ಜನರಿಂದ ನಮ್ಮ ChatGPT ವರ್ಕ್‌ಸ್ಪೇಸ್‌ಗೆ ಮಾಹಿತಿ ಬರುತ್ತಿದೆ,” ಎಂದು ಡೆ ಲಾ ಫುವೆಂಟೆ ಹೇಳಿದರು. ಪ್ರಯೋಗಾಲಯದ ಸದಸ್ಯರು ತಮ್ಮ ಒಳ್ಳೆಯ ಮತ್ತು ಕೆಟ್ಟ ಆಲೋಚನೆಗಳನ್ನು ಅದಕ್ಕೆ ನೀಡುತ್ತಾರೆ. ಹೀಗಾಗಿ ಅದು ಒಂದು ರೀತಿಯ ಸಹಯೋಗಿ ವಿಚಾರಮಂಥನ ವೇದಿಕೆಯಾಗುತ್ತದೆ.

ಆದರೆ AI ಅನ್ನೇ ಸಂಪೂರ್ಣವಾಗಿ ಅವಲಂಬಿಸಬಾರದು ಎಂದು ಅವರು ಎಚ್ಚರಿಸುತ್ತಾರೆ. “ನಿಖರತೆಯನ್ನು ನೀವು ಯಾವಾಗಲೂ ಮರುಪರಿಶೀಲಿಸಲೇಬೇಕು ಎಂಬುದು ಸ್ಪಷ್ಟ” ಎಂದು ಡೆ ಲಾ ಫುವೆಂಟೆ ಹೇಳಿದರು.

ಆದರೂ, ವೈಜ್ಞಾನಿಕ ಶಿಸ್ತುಗಳ ನಡುವಿನ ಗಡಿಗಳನ್ನು ಅನ್ವೇಷಿಸಲು ಸಂಶೋಧಕರಿಗೆ ನೆರವಾಗುವ AI ಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಅವರು ಮೆಚ್ಚುತ್ತಾರೆ. “ಹೊಸ ಮಹತ್ವದ ಆವಿಷ್ಕಾರಗಳು ಪತ್ತೆಯಾಗಲು ಕಾಯುತ್ತಿರುವುದು ಅಲ್ಲಿಯೇ. ಅವು ಸಾಮಾನ್ಯವಾಗಿ ಕೆಲವೇ ಜನರು ಹೋಗುವ ಕ್ಷೇತ್ರಗಳ ನಡುವಿನ ಅಂಚುಗಳಲ್ಲಿವೆ.”

ಅವರು ಈ ಕೆಲಸವನ್ನು ಬಹಳ ದೀರ್ಘವಾದ ವೈಜ್ಞಾನಿಕ ಪರಂಪರೆಯ ಭಾಗವಾಗಿ ನೋಡುತ್ತಾರೆ. “ನಮ್ಮ ಸುತ್ತಲಿನ ಜಗತ್ತನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ನಾವು ಯಾವಾಗಲೂ ಉಪಕರಣಗಳು ಮತ್ತು ಯಂತ್ರಗಳನ್ನು ಅವಲಂಬಿಸಿದ್ದೇವೆ,” ಎಂದು ಡೆ ಲಾ ಫುವೆಂಟೆ ಹೇಳಿದರು. “ದೂರದರ್ಶಕವು ಬ್ರಹ್ಮಾಂಡವನ್ನು ಬೆಳಕಿಗೆ ತಂದಿತು ಮತ್ತು ಸೂಕ್ಷ್ಮದರ್ಶಕವು ಅದೃಶ್ಯ ಜಗತ್ತನ್ನು ಅನಾವರಣಗೊಳಿಸಿತು.” ಈಗ ಯಂತ್ರಗಳು ಜೀವವಿಜ್ಞಾನವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ಮುನ್ಸೂಚಿಸಲು ಮತ್ತು ವಿನ್ಯಾಸಗೊಳಿಸಲು ಸಂಶೋಧಕರಿಗೆ ನೆರವಾಗುತ್ತಿವೆ. “ನಮ್ಮ ಕೆಲಸದ ಉದ್ದೇಶವೇ ಅದು,” ಎಂದು ಅವರು ಹೇಳಿದರು.