ਇੱਕ ਖੋਜਕਾਰ ਨਵੇਂ ਰੋਗਾਣੂਨਾਸ਼ਕ ਅਣੂਆਂ ਦੀ ਭਾਲ ਲਈ Codex ਅਤੇ ChatGPT ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕਰਦਾ ਹੈ

ਬੈਕਟੀਰੀਆ, ਫੰਗਸ, ਪਰਜੀਵੀ ਅਤੇ ਵਾਇਰਸ ਸਮੇਤ ਦਵਾਈਆਂ ਪ੍ਰਤੀ ਰੋਧਕ ਰੋਗਾਣੂ ਇੱਕ ਵਧਦਾ ਹੋਇਆ ਵਿਸ਼ਵਵਿਆਪੀ ਖ਼ਤਰਾ ਹਨ। ਸਾਲ 2021 ਵਿੱਚ ਲਗਭਗ ਪੰਜ ਮਿਲੀਅਨ ਮੌਤਾਂ ਬੈਕਟੀਰੀਆ ਦੇ ਰੋਗਾਣੂਨਾਸ਼ਕ ਪ੍ਰਤੀਰੋਧ ਨਾਲ ਜੁੜੀਆਂ ਹੋਈਆਂ ਸਨ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ)—ਇਹ ਸਾਲਾਨਾ ਅੰਕੜਾ 2050 ਤੱਕ ਲਗਭਗ ਦੁਗਣਾ ਹੋਣ ਦਾ ਅਨੁਮਾਨ ਹੈ। ਰੋਗਾਣੂਨਾਸ਼ਕ ਬਣਨ ਦੀ ਸਮਰੱਥਾ ਰੱਖਣ ਵਾਲੇ ਅਣੂਆਂ ਨੂੰ ਲੱਭਣ ਵਿੱਚ ਕਈ ਸਾਲ ਲੱਗ ਸਕਦੇ ਹਨ। ਖੋਜਕਾਰ ਖੋਜ ਦੇ ਇਸ ਮੁੱਢਲੇ ਪੜਾਅ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ।

“ਇੱਕ ਜੈਵ-ਅਭਿਯੰਤਾ ਜਿਨ੍ਹਾਂ ਦੀ ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਲੈਬ ਰੋਗਾਣੂਨਾਸ਼ਕ ਉਮੀਦਵਾਰਾਂ ਦੀ ਭਾਲ ਕਰਦੀ ਹੈ,” ਡਾ. ਸੀਸਰ ਦੇ ਲਾ ਫੁਏਂਤੇ⁠(ਨਵੀਂ ਵਿੰਡੋ ਵਿੱਚ ਖੁੱਲ੍ਹਦਾ ਹੈ) ਨੇ ਕਿਹਾ, ਮੇਰੇ ਵਿਚਾਰ ਵਿੱਚ ਰੋਗਾਣੂਨਾਸ਼ਕ ਪ੍ਰਤੀਰੋਧ ਮਨੁੱਖਤਾ ਦੀ ਹੋਂਦ ਲਈ ਸਭ ਤੋਂ ਵੱਡੇ ਖ਼ਤਰਿਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ। “ਅਤੇ ਫਿਰ ਵੀ ਪਿਛਲੇ 50 ਸਾਲਾਂ ਤੋਂ ਰੋਗਾਣੂਨਾਸ਼ਕ ਦੀ ਕੋਈ ਨਵੀਂ ਸ਼੍ਰੇਣੀ ਸਾਡੇ ਸਾਹਮਣੇ ਨਹੀਂ ਆਈ ਹੈ।”

ਆਧੁਨਿਕ ਰੋਗਾਣੂਨਾਸ਼ਕ ਵਿਕਾਸ ਦਾ ਵੱਡਾ ਹਿੱਸਾ ਮੌਜੂਦਾ ਦਵਾਈਆਂ ਵਿੱਚ ਸੋਧ ਕਰਨ ਜਾਂ ਰਸਾਇਣਾਂ ਦੀਆਂ ਜਾਣੀਆਂ-ਪਛਾਣੀਆਂ ਸ਼੍ਰੇਣੀਆਂ ਵਿੱਚ ਖੋਜ ਕਰਨ 'ਤੇ ਕੇਂਦਰਿਤ ਹੈ। ਪਰ ਇਸ ਪਹੁੰਚ ਦੇ ਨਤੀਜੇ ਲਗਾਤਾਰ ਘੱਟ ਰਹੇ ਹਨ।

ਦੇ ਲਾ ਫੁਏਂਤੇ ਦੀ ਲੈਬ ਕਿਸੇ ਅਜਿਹੇ ਸਥਾਨ ਤੋਂ ਸ਼ੁਰੂ ਹੁੰਦੀ ਹੈ ਜਿਸ ਦੀ ਪੜਚੋਲ ਬਹੁਤ ਘੱਟ ਕੀਤੀ ਗਈ ਹੈ: ਜੀਵਨ ਦਾ ਕੋਡ। ਇਸ ਕੰਮ ਦੇ ਪਿੱਛੇ ਮੁੱਖ ਵਿਚਾਰ ਇਹ ਹੈ ਕਿ ਜੀਵ-ਵਿਗਿਆਨ ਇੱਕ ਸੂਚਨਾ ਪ੍ਰਣਾਲੀ ਹੈ। "DNA ਬਣਾਉਣ ਵਾਲੇ ਨਿਊਕਲੀਓਟਾਇਡਜ਼, ਅਤੇ ਪ੍ਰੋਟੀਨ ਤੇ ਪੇਪਟਾਇਡ ਬਣਾਉਣ ਵਾਲੇ ਅਮੀਨੋ ਐਸਿਡ ਇੱਕ ਤਰ੍ਹਾਂ ਨਾਲ ਵਰਣਮਾਲਾ ਵਾਂਗ ਹਨ," ਦੇ ਲਾ ਫੁਏਂਤੇ ਨੇ ਕਿਹਾ। "ਜੀਵ-ਵਿਗਿਆਨ ਨੂੰ ਸੂਚਨਾ ਵਜੋਂ ਸਮਝਣ ਨਾਲ ਸਾਨੂੰ ਅਜਿਹੇ ਤਰੀਕੇ ਵਿਕਸਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਮਿਲੀ, ਜੋ ਜੀਵਨ ਦੇ ਉਨ੍ਹਾਂ ਸੰਗਠਨਾਤਮਕ ਸਿਧਾਂਤਾਂ ਨੂੰ ਸਮਝਣਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੇ ਇੱਕ ਕਾਰਜਸ਼ੀਲ ਅਣੂ ਨੂੰ ਜਨਮ ਦਿੱਤਾ।”

ਲੈਬ ਦੇ ਡੀਪ-ਲਰਨਿੰਗ ਮਾਡਲਾਂ ਨੂੰ ਜੈਵਿਕ ਤਰਤੀਬਾਂ ਵਿੱਚ ਪੈਟਰਨ ਪਛਾਣਨ ਲਈ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਹ ਸੰਭਾਵੀ ਰੋਗਾਣੂਨਾਸ਼ਕਾਂ ਲਈ ਵਿਸ਼ਾਲ ਜੀਨੋਮ ਅਤੇ ਪ੍ਰੋਟੀਨ ਡੇਟਾਸੈਟਾਂ ਦੀ ਖੋਜ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਪਹੁੰਚ ਉਮੀਦਵਾਰ ਅਣੂਆਂ ਦੀ ਸ਼ੁਰੂਆਤੀ ਖੋਜ ਨੂੰ ਸਾਲਾਂ ਤੋਂ ਘਟਾ ਕੇ ਘੰਟਿਆਂ ਵਿੱਚ ਲਿਆ ਸਕਦੀ ਹੈ।

ਆਪਣੇ ਖੁਦ ਦੇ AI ਮਾਡਲਾਂ ਦੇ ਨਾਲ-ਨਾਲ, ਲੈਬ ਪਰਿਕਲਪਨਾਵਾਂ ਬਾਰੇ ਵਿਚਾਰ-ਵਟਾਂਦਰੇ ਕਰਨ, ਕੋਡ ਲਿਖਣ ਤੇ ਸੁਧਾਰਨ, ਡੇਟਾਸੈਟਾਂ ਦੀ ਪ੍ਰਕਿਰਿਆ ਕਰਨ, ਨਤੀਜਿਆਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ, ਅਤੇ ਵਿਗਿਆਨਕ ਅਨੁਸ਼ਾਸਨਾਂ ਵਿੱਚ ਵਿਚਾਰਾਂ ਨੂੰ ਆਪਸ ਵਿੱਚ ਜੋੜਨ ਲਈ ChatGPT ਅਤੇ Codex ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ।

ਕਿਸੇ ਜੀਨੋਮ ਦੇ ਸਿਰਫ਼ ਇੱਕ ਛੋਟੇ ਜਿਹੇ ਹਿੱਸੇ ਦਾ ਕੰਮ ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਸਮਝਿਆ ਜਾਂਦਾ ਹੈ, ਅਤੇ ਉਨ੍ਹਾਂ ਵਿੱਚੋਂ ਵੀ ਬਹੁਤ ਘੱਟ ਅਜਿਹੇ ਹੁੰਦੇ ਹਨ ਜੋ ਅਜਿਹੇ ਅਣੂਆਂ ਨੂੰ ਕੋਡ ਕਰਦੇ ਹਨ ਜੋ ਛੂਤਕਾਰੀ ਸੂਖਮਜੀਵਾਂ ਨਾਲ ਲੜ ਸਕਦੇ ਹਨ। ਚੁਣੌਤੀ ਉਨ੍ਹਾਂ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਹੈ ਜੋ ਕਿਸੇ ਅਣੂ ਨੂੰ ਕਾਰਜਸ਼ੀਲ, ਜਾਂ ਜੈਵਿਕ ਤੌਰ 'ਤੇ ਕਿਰਿਆਸ਼ੀਲ ਬਣਾਉਂਦੇ ਹਨ, ਅਤੇ ਫਿਰ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਹੈ ਕਿ ਕਿਸ ਵਿੱਚ ਛੂਤਕਾਰੀ ਸੂਖਮਜੀਵਾਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਦੀ ਸਮਰੱਥਾ ਹੈ।

ਵਿਗਿਆਨੀ ਲੰਮੇ ਸਮੇਂ ਤੋਂ ਪੌਦਿਆਂ, ਜਾਨਵਰਾਂ, ਸੂਖਮਜੀਵਾਂ, ਕੀੜੇ-ਮਕੌੜਿਆਂ, ਪਾਣੀ ਅਤੇ ਮਿੱਟੀ ਵਿੱਚ ਰੋਗਾਣੂਨਾਸ਼ਕਾਂ ਦੀ ਭਾਲ ਕਰਦੇ ਰਹੇ ਹਨ। ਉਹ ਨਮੂਨੇ ਇਕੱਠੇ ਕਰਦੇ ਹਨ, ਉਮੀਦਵਾਰ ਅਣੂਆਂ ਨੂੰ ਵੱਖ ਕਰਦੇ ਜਾਂ ਉਨ੍ਹਾਂ ਦਾ ਪੂਰਵ-ਅਨੁਮਾਨ ਲਗਾਉਂਦੇ ਹਨ, ਅਤੇ ਇੱਕ ਦੁਹਰਾਈ ਜਾਣ ਵਾਲੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਉਨ੍ਹਾਂ ਦੀ ਪਰਖ ਕਰਦੇ ਹਨ ਜਿਸ ਵਿੱਚ ਕਈ ਸਾਲ ਲੱਗ ਸਕਦੇ ਹਨ।

ਡਿਜੀਟਲ ਜੀਨੋਮ ਅਤੇ ਪ੍ਰੋਟੀਨ ਡੇਟਾਬੇਸ ਹੁਣ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਨਵੇਂ ਮਿਸ਼ਰਣਾਂ ਲਈ ਜੀਵਨ ਦੇ ਰੁੱਖ ਵਿੱਚ ਖੋਜ ਕਰਨ ਦਿੰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਖੋਜ ਲਈ ਉਪਲਬਧ ਡੇਟਾਬੇਸਾਂ ਦਾ ਦਾਇਰਾ ਨਾਟਕੀ ਢੰਗ ਨਾਲ ਵਧ ਜਾਂਦਾ ਹੈ। ਪਰ ਜਾਣਕਾਰੀ ਦੀ ਇਹ ਭਰਪੂਰਤਾ ਆਪਣੇ ਨਾਲ ਆਪਣੀਆਂ ਚੁਣੌਤੀਆਂ ਵੀ ਲੈ ਕੇ ਆਉਂਦੀ ਹੈ: ਬੇਅੰਤ ਸੰਭਾਵਨਾਵਾਂ ਵਿੱਚੋਂ ਭਰੋਸੇਯੋਗ ਸੰਕੇਤਾਂ ਨੂੰ ਲੱਭਣਾ।

AI ਇਸ ਘਾਹ ਦੇ ਢੇਰ ਵਿੱਚੋਂ ਸੂਈ ਲੱਭਣ ਵਾਲੇ ਕੰਮ ਲਈ ਖਾਸ ਤੌਰ 'ਤੇ ਢੁਕਵਾਂ ਹੈ। ਇਹ ਵਿਸ਼ਾਲ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਸਕੈਨ ਕਰ ਸਕਦਾ ਹੈ, ਉਹਨਾਂ ਪੈਟਰਨਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਖੋਜਕਰਤਾਵਾਂ ਲਈ ਲੱਭਣਾ ਮੁਸ਼ਕਿਲ ਹੋ ਸਕਦਾ ਹੈ, ਅਤੇ ਪ੍ਰਯੋਗਿਕ ਜਾਂਚ ਲਈ ਉਮੀਦਵਾਰਾਂ ਦੇ ਪ੍ਰਬੰਧਨਯੋਗ ਸਮੂਹ ਨੂੰ ਪਹਿਲ ਦੇ ਸਕਦਾ ਹੈ।

ਪਰ ਕਿਸੇ ਭਰੋਸੇਯੋਗ ਉਮੀਦਵਾਰ ਦੀ ਪਛਾਣ ਕਰਨ ਦਾ ਇਹ ਲਾਜ਼ਮੀ ਤੌਰ 'ਤੇ ਇਹ ਮਤਲਬ ਨਹੀਂ ਹੈ ਕਿ ਉਹ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਦਵਾਈ ਬਣ ਜਾਵੇਗਾ।

ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਪਹਿਲਾਂ ਇਹ ਪੁਸ਼ਟੀ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਕੋਈ ਉਮੀਦਵਾਰ ਅਣੂ ਟੀਚੇ ਵਾਲੇ ਸੂਖਮਜੀਵ ਨੂੰ ਮਾਰਦਾ ਹੈ, ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੋਣ ਲਈ ਕਿੰਨੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੈ, ਅਤੇ ਇਸ ਗੱਲ ਦੀ ਜਾਂਚ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ ਕਿ ਇਹ ਮਨੁੱਖੀ ਸੈੱਲਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰਭਾਵਿਤ ਕਰਦਾ ਹੈ। ਫਿਰ ਰਸਾਇਣ ਵਿਗਿਆਨੀ ਇਸ ਦੀ ਪ੍ਰਭਾਵਸ਼ੀਲਤਾ, ਸੁਰੱਖਿਆ, ਜਾਂ ਸਥਿਰਤਾ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਇਸ ਵਿੱਚ ਸੁਧਾਰ ਕਰ ਸਕਦੇ ਹਨ।

ਹੋਰ ਪ੍ਰੀਖਣ ਉਸ ਖੁਰਾਕ ਦਾ ਮੁਲਾਂਕਣ ਕਰਦੇ ਹਨ ਜਿਸ 'ਤੇ ਉਮੀਦਵਾਰ ਜ਼ਹਿਰੀਲਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਇਹ ਦੇਖਦੇ ਹਨ ਕਿ ਸੂਖਮਜੀਵ ਕਿੰਨੀ ਆਸਾਨੀ ਨਾਲ ਇਸ ਅਣੂ ਪ੍ਰਤੀ ਰੋਧਕ ਸ਼ਕਤੀ ਵਿਕਸਤ ਕਰਦੇ ਹਨ, ਅਤੇ ਇਹ ਜਾਂਚ ਕਰਦੇ ਹਨ ਕਿ ਉਮੀਦਵਾਰ ਸਰੀਰ ਵਿੱਚੋਂ ਕਿਵੇਂ ਗੁਜ਼ਰਦਾ ਹੈ। ਟੀਮਾਂ ਇਸ ਅਣੂ ਨੂੰ ਤਿਆਰ ਕਰਨ ਦਾ ਭਰੋਸੇਯੋਗ ਤਰੀਕਾ ਵੀ ਤੈਅ ਕਰਦੀਆਂ ਹਨ। ਜਿਹੜੇ ਉਮੀਦਵਾਰ ਇਨ੍ਹਾਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਪਾਰ ਕਰ ਲੈਂਦੇ ਹਨ, ਉਨ੍ਹਾਂ ਨੂੰ ਮਨਜ਼ੂਰਸ਼ੁਦਾ ਰੋਗਾਣੂਨਾਸ਼ਕ ਦਵਾਈਆਂ ਵਜੋਂ ਮਰੀਜ਼ਾਂ ਤੱਕ ਪਹੁੰਚਣ ਤੋਂ ਪਹਿਲਾਂ ਅਜੇ ਵੀ ਨਿਯਾਮਕ ਸਮੀਖਿਆ ਅਤੇ ਕਲੀਨਿਕਲ ਅਜ਼ਮਾਇਸ਼ਾਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ ਪੈਂਦਾ ਹੈ।

ਦੇ ਲਾ ਫੁਏਂਤੇ ਲਈ, ਇਹੀ ਕਾਰਨ ਹੈ ਕਿ AI ਅਤੇ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਇਕੱਠਿਆਂ ਅੱਗੇ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ। ਉਨ੍ਹਾਂ ਕਿਹਾ, “AI ਦੀਆਂ ਭਵਿੱਖਬਾਣੀਆਂ ਨੂੰ ਪ੍ਰਮਾਣਿਤ ਕਰਨ ਲਈ ਜ਼ਮੀਨੀ-ਸੱਚਾਈ ਵਾਲੇ ਪ੍ਰਯੋਗ ਜ਼ਰੂਰੀ ਹਨ।” “ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਜੀਵ ਵਿਗਿਆਨ ਵਿੱਚ ਇਹ ਬਹੁਤ ਅਹਿਮ ਹੋਵੇਗਾ ਕਿਉਂਕਿ ਅਸੀਂ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਸਮਝਣ ਦੀ ਸਿਰਫ਼ ਸਤ੍ਹਾ ਨੂੰ ਹੀ ਖੁਰਚ ਰਹੇ ਹਾਂ, ਜੋ ਕਿ ਹੋਂਦ ਵਿੱਚ ਮੌਜੂਦ ਸਭ ਤੋਂ ਗੁੰਝਲਦਾਰ ਚੀਜ਼ ਹੈ।”

ਉਸਦੀ ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਉਮੀਦਵਾਰ ਅਣੂਆਂ ਦੀ ਭਾਲ ਲਈ ਜਿਉਂਦੇ ਅਤੇ ਅਲੋਪ ਹੋ ਚੁੱਕੇ ਜੀਵਾਂ ਦੇ ਜੀਨੋਮ ਦੀ ਪੜਚੋਲ ਕਰਦੀ ਹੈ। ਉਨ੍ਹਾਂ ਜੀਨੋਮ ਨੂੰ ਖੰਘਾਲਣਾ, ਇਹ ਸਮਝਣਾ ਕਿ ਉਨ੍ਹਾਂ ਦੇ ਕੋਡ ਕੀਤੇ ਗਏ ਪ੍ਰੋਟੀਨ ਕਿਵੇਂ ਬਣਦੇ ਅਤੇ ਕੰਮ ਕਰਦੇ ਹਨ, ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨਾ ਕਿ ਉਹ ਅਣੂ ਕੀ ਕਰਦੇ ਹਨ, ਲਈ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਮੁਹਾਰਤ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ।

ਦੇ ਲਾ ਫੁਏਂਤੇ ਨੇ ਕਿਹਾ, “ਅਸੀਂ ਇੱਕ ਬਹੁਤ ਹੀ ਅੰਤਰ-ਅਨੁਸ਼ਾਸਨੀ ਸਮੂਹ ਹਾਂ, ਇਸ ਲਈ ਸਾਡੇ ਕੋਲ ਜੀਵ ਵਿਗਿਆਨ, ਰਸਾਇਣ ਵਿਗਿਆਨ, ਕੰਪਿਊਟਰ ਵਿਗਿਆਨ ਅਤੇ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਮਾਹਰ ਸ਼ਾਮਲ ਹਨ।” ਪ੍ਰਯੋਗਸ਼ਾਲਾ ਦੇ ਕੁਝ ਮੈਂਬਰ ਨਿਪੁੰਨ ਪ੍ਰੋਗਰਾਮਰ ਹਨ ਪਰ ਜੀਵ ਵਿਗਿਆਨ ਜਾਂ ਰਸਾਇਣ ਵਿਗਿਆਨ ਬਾਰੇ ਘੱਟ ਜਾਣਦੇ ਹਨ, ਅਤੇ ਇਸ ਤੋਂ ਉਲਟ ਸਥਿਤੀ ਵੀ ਹੈ। Codex ਅਤੇ ChatGPT ਇਨ੍ਹਾਂ ਪਾੜਿਆਂ ਨੂੰ ਪੂਰਾ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਜੀਵ ਵਿਗਿਆਨੀਆਂ ਨੂੰ ਪ੍ਰੋਗਰਾਮ ਬਣਾਉਣ ਅਤੇ ਪ੍ਰੋਗਰਾਮਰਾਂ ਨੂੰ ਜੀਵ ਵਿਗਿਆਨਕ ਸਮੱਸਿਆਵਾਂ ਨਾਲ ਨਜਿੱਠਣ ਵਿੱਚ ਮਦਦ ਮਿਲਦੀ ਹੈ। ਇਸ ਅਰਥ ਵਿੱਚ, AI ਵੱਖ-ਵੱਖ ਵਿਗਿਆਨਕ ਅਨੁਸ਼ਾਸਨਾਂ ਵਿਚਕਾਰਲੀਆਂ ਰੁਕਾਵਟਾਂ ਨੂੰ ਘਟਾਉਂਦਾ ਹੈ।

ਇਹ ਲੈਬ ਦੇ ਮੈਂਬਰਾਂ ਨੂੰ ਆਪਣੇ ਬਹੁ-ਵਿਸ਼ਾਈ ਕੰਮ ਲਈ ਲੋੜੀਂਦੇ ਅਣਜਾਣ ਵਿਸ਼ਿਆਂ ਦੀ ਸਮੀਖਿਆ ਕਰਨ, ਸ਼ਬਦਾਵਲੀ ਸਪਸ਼ਟ ਕਰਨ, ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਦੇ ਤਰੀਕਿਆਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਅਤੇ ਦਵਾਈਆਂ ਦੀ ਖੋਜ ਲਈ ਵਿਚਾਰ ਵਿਵਸਥਿਤ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕਰਦਾ ਹੈ। ਦੂਸਰੇ ਵੱਡੇ ਜੀਨੋਮ ਡੇਟਾਸੈਟਾਂ ਨੂੰ ਡਾਊਨਲੋਡ ਕਰਨ, ਵਿਵਸਥਿਤ ਕਰਨ ਅਤੇ ਪਹਿਲਾਂ ਤੋਂ ਪ੍ਰਕਿਰਿਆਬੱਧ ਕਰਨ ਲਈ AI ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ। ChatGPT ਲੈਬ ਦੇ ਮੈਂਬਰਾਂ ਨੂੰ ਆਪਣੇ ਕਾਰਜ-ਪ੍ਰਵਾਹ ਨੂੰ ਤੇਜ਼ ਕਰਨ ਲਈ ਰੁਕਾਵਟਾਂ ਨੂੰ ਘਟਾਉਂਦੇ ਹੋਏ ਆਪਣੀਆਂ ਮੂਲ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਕੰਮ ਕਰਨ ਦੀ ਸਹੂਲਤ ਵੀ ਦਿੰਦਾ ਹੈ।

ਦੇ ਲਾ ਫੁਏਂਤੇ ChatGPT ਨੂੰ ਵਿਚਾਰ-ਚਰਚਾ ਸਾਥੀ ਵਜੋਂ ਵਰਤਦਾ ਹੈ। ਉਹ ਸਹਿਕਰਮੀਆਂ ਨਾਲ ਵਿਚਾਰਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਜਾਰੀ ਰੱਖਦਾ ਹੈ, ਪਰ ਉਹ ਕਿਸੇ ਪਰਿਕਲਪਨਾ ਨੂੰ ਰੂਪ ਦੇਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਦੀ AI ਦੀ ਸਮਰੱਥਾ ਦੀ ਕਦਰ ਕਰਦਾ ਹੈ। ਉਸਨੂੰ ਇਹ ਵੀ ਪਸੰਦ ਹੈ ਕਿ ਉਹ ਇੱਕ ਬਟਨ ਦੇ ਕਲਿੱਕ ਨਾਲ ਦੁਨੀਆ ਦੀ ਜਾਣਕਾਰੀ ਤੱਕ ਪਹੁੰਚ ਕਰ ਸਕਦਾ ਹੈ।

ਦੇ ਲਾ ਫੁਏਂਤੇ ਨੇ ਕਿਹਾ, “ਸਾਡਾ ChatGPT ਵਰਕਸਪੇਸ ਉਹਨਾਂ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਲੋਕਾਂ ਵੱਲੋਂ ਇਨਪੁਟ ਪ੍ਰਾਪਤ ਕਰ ਰਿਹਾ ਹੈ ਜੋ ਉਹਨਾਂ ਸਮੱਸਿਆਵਾਂ ਬਾਰੇ ਵੱਖਰੇ ਤਰੀਕੇ ਨਾਲ ਸੋਚਦੇ ਹਨ ਜਿਨ੍ਹਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੀ ਅਸੀਂ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਾਂ।” ਲੈਬ ਦੇ ਮੈਂਬਰ ਇਸ ਵਿੱਚ ਆਪਣੇ ਚੰਗੇ ਅਤੇ ਮਾੜੇ ਵਿਚਾਰ ਪਾਉਂਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਇਹ ਇੱਕ ਤਰ੍ਹਾਂ ਦਾ ਸਹਿਯੋਗੀ ਵਿਚਾਰ-ਵਟਾਂਦਰਾ ਪਲੇਟਫਾਰਮ ਬਣ ਜਾਂਦਾ ਹੈ।

ਪਰ ਉਹ ਸਿਰਫ਼ AI ਉੱਤੇ ਨਿਰਭਰ ਰਹਿਣ ਤੋਂ ਸੁਚੇਤ ਕਰਦੇ ਹਨ। ਦੇ ਲਾ ਫੁਏਂਤੇ ਨੇ ਕਿਹਾ, “ਸਪੱਸ਼ਟ ਤੌਰ 'ਤੇ ਤੁਹਾਨੂੰ ਸ਼ੁੱਧਤਾ ਲਈ ਹਮੇਸ਼ਾ ਮੁੜ ਜਾਂਚ ਕਰਨੀ ਪਵੇਗੀ।”

ਫਿਰ ਵੀ, ਉਹ ਵਿਗਿਆਨਕ ਅਨੁਸ਼ਾਸਨਾਂ ਦੀਆਂ ਹੱਦਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨ ਵਿੱਚ ਖੋਜਕਾਰਾਂ ਦੀ ਮਦਦ ਕਰਨ ਦੀ AI ਦੀ ਸਮਰੱਥਾ ਦੀ ਕਦਰ ਕਰਦੇ ਹਨ। “ਇਹੀ ਉਹ ਥਾਂ ਹੈ ਜਿੱਥੇ ਵੱਡੀਆਂ ਸਫਲਤਾਵਾਂ ਖੋਜੇ ਜਾਣ ਦੀ ਉਡੀਕ ਕਰ ਰਹੀਆਂ ਹਨ। ਉਹ ਅਸਲ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਖੇਤਰਾਂ ਦੀਆਂ ਉਨ੍ਹਾਂ ਸਰਹੱਦਾਂ ਉੱਤੇ ਹੁੰਦੀਆਂ ਹਨ ਜਿੱਥੇ ਬਹੁਤ ਘੱਟ ਲੋਕ ਜਾਂਦੇ ਹਨ।”

ਉਹ ਇਸ ਕੰਮ ਨੂੰ ਬਹੁਤ ਲੰਮੀ ਵਿਗਿਆਨਕ ਪਰੰਪਰਾ ਦਾ ਹਿੱਸਾ ਮੰਨਦੇ ਹਨ। “ਅਸੀਂ ਆਪਣੇ ਆਲੇ-ਦੁਆਲੇ ਦੀ ਦੁਨੀਆ ਨੂੰ ਸਮਝਣ ਲਈ ਹਮੇਸ਼ਾ ਸਾਧਨਾਂ ਅਤੇ ਮਸ਼ੀਨਾਂ 'ਤੇ ਨਿਰਭਰ ਰਹੇ ਹਾਂ,” ਦੇ ਲਾ ਫੁਏਂਤੇ ਨੇ ਕਿਹਾ। “ਦੂਰਬੀਨ ਨੇ ਬ੍ਰਹਿਮੰਡ ਨੂੰ ਰੌਸ਼ਨ ਕੀਤਾ ਅਤੇ ਖੁਰਦਬੀਨ ਨੇ ਅਦਿੱਖ ਦੀ ਦੁਨੀਆ ਨੂੰ ਸਾਹਮਣੇ ਲਿਆਂਦਾ।” ਮਸ਼ੀਨਾਂ ਹੁਣ ਖੋਜਕਾਰਾਂ ਨੂੰ ਜੀਵ ਵਿਗਿਆਨ ਨੂੰ ਸਮਝਣ, ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਅਤੇ ਘੜਨ ਵਿੱਚ ਮਦਦ ਕਰਦੀਆਂ ਹਨ। “ਸਾਡਾ ਕੰਮ ਬੱਸ ਇਹੀ ਕੁਝ ਹੈ,” ਉਨ੍ਹਾਂ ਕਿਹਾ।