डर के पीछे की बायोलॉजी
लेखक : प्रो. डॉ. काईद जोहर एसआर
जूलॉजी डिपार्टमेंट, बायोमेडिकल टेक्नोलॉजी और ह्यूमन जेनेटिक्स, गुजरात यूनिवर्सिटी, अहमदाबाद, गुजरात, इंडिया
www.daylifenews.in
आर्टिफिशियल इंटेलिजेंस ने बायोलॉजी समेत साइंस के लगभग हर एरिया में एंट्री कर ली है। इससे एक डरावना सवाल खड़ा हुआ है: क्या कोई एडवांस्ड AI ऐसा माइक्रोऑर्गेनिज्म डिजाइन कर सकता है जो सभी इंसानों को मार सके? यह आइडिया साइंस फिक्शन जैसा लगता है, लेकिन इसके पीछे का सवाल सीरियस साइंटिफिक चर्चा का हकदार है।
AI पहले से ही रिसर्चर्स को बहुत सारे बायोलॉजिकल डेटा की स्टडी करने, प्रोटीन के आकार का अनुमान लगाने, संभावित ड्रग टारगेट खोजने और बायोलॉजिकल सीक्वेंस बनाने में मदद कर सकता है। जैसे-जैसे ये स्किल्स बेहतर हो रही हैं, स्वाभाविक रूप से इस बात की चिंताएँ बढ़ रही हैं कि इनका गलत इस्तेमाल भी किया जा सकता है। उदाहरण के लिए, एक AI सिस्टम ऐसी जानकारी दे सकता है जो किसी को नुकसानदायक गुणों वाले माइक्रोऑर्गेनिज्म को डिज़ाइन करने या बदलने में मदद करती है।
लेकिन जानकारी देने और बायोलॉजिकल तबाही मचाने के बीच एक ज़रूरी अंतर है। AI अपने आप माइक्रोऑर्गेनिज्म को पर्यावरण में नहीं छोड़ता है। एक व्यक्ति या ऑटोमेटेड लैब सिस्टम को कंप्यूटर डिज़ाइन को एक जीवित जीव में बदलना होगा और फिर उसे पर्यावरण में जाने देना होगा। हर कदम में बहुत जटिल बायोलॉजिकल प्रोसेस शामिल होते हैं।
बायोलॉजी का पूरी तरह से अंदाज़ा नहीं लगाया जा सकता
AI और बायोलॉजिकल रिस्क के बारे में बातचीत में एक ज़रूरी बात जो अक्सर छूट जाती है, वह यह है कि हम माइक्रोऑर्गेनिज़्म को पूरी तरह से नहीं समझते हैं।
हम वायरस, बैक्टीरिया और दूसरे माइक्रोऑर्गेनिज़्म के बारे में बहुत कुछ जानते हैं। हम उनके जेनेटिक कोड पढ़ सकते हैं, उनके प्रोटीन की स्टडी कर सकते हैं, और उनके कई बायोलॉजिकल प्रोसेस को टेस्ट कर सकते हैं। लेकिन किसी ऑर्गेनिज़्म का जेनेटिक कोड जानने का मतलब यह नहीं है कि हम ठीक-ठीक अंदाज़ा लगा सकते हैं कि वह क्या करेगा। एक माइक्रोऑर्गेनिज़्म एक कॉम्प्लेक्स बायोलॉजिकल सिस्टम के अंदर रहता है। यह कैसे काम करता है, यह उसके होस्ट, आस-पास, इम्यून रिएक्शन, म्यूटेशन, दूसरे माइक्रोऑर्गेनिज़्म के साथ इंटरैक्शन और कई दूसरी चीज़ों पर निर्भर कर सकता है।
इसलिए, किसी खास जेनेटिक सीक्वेंस को डिज़ाइन करने का यह मतलब नहीं है कि हम असल दुनिया में उसके बिहेवियर का अंदाज़ा लगा सकते हैं।
क्या कोई बहुत खतरनाक माइक्रोऑर्गेनिज्म डिज़ाइन किया जा सकता है?
यहीं पर सवाल और भी मुश्किल हो जाता है।
दुनिया भर में तबाही मचाने के लिए एक माइक्रोऑर्गेनिज्म को कई बायोलॉजिकल कंडीशन पूरी करनी होंगी। उसे ज़िंदा रहना होगा, सही होस्ट को इन्फेक्ट करना होगा, अच्छी तरह से बच्चे पैदा करने होंगे, लोगों के बीच फैलना होगा और ग्रुप में फैलते रहना होगा। अगर वह कोई गंभीर बीमारी फैलाता है, तो उस बीमारी को भी काफी लोगों को प्रभावित करना होगा। ये खूबियां सिर्फ इसलिए एक साथ नहीं आतीं क्योंकि कोई खास जेनेटिक सीक्वेंस डिज़ाइन किया गया है। बीमारी कितनी आसानी से फैलती है और कितनी नुकसानदायक है, जैसे गुणों के बीच बायोलॉजिकल कॉम्प्रोमाइज हो सकते हैं, हालांकि ये सख्त बायोलॉजिकल नियम नहीं हैं। कुछ जर्म्स आसानी से फैल सकते हैं और गंभीर बीमारी भी पैदा कर सकते हैं। इसलिए, हमें यह नहीं मान लेना चाहिए कि नेचर बहुत खतरनाक जर्म्स को आने से रोकती है।
साथ ही, हमें यह नहीं मान लेना चाहिए कि AI बायोलॉजी को ऐसा ऑर्गेनिज्म बनाने और एक प्रेडिक्टेबल रिजल्ट पाने के लिए कह सकता है।
ज़्यादा असल चिंता
तो, शायद सबसे ज़रूरी चिंता यह नहीं है कि AI खुद इंसानियत को खत्म कर देगा।
बड़ी चिंता यह है कि AI किसी ऐसे इंसान के हाथ में एक मज़बूत टूल बन सकता है जो बायोलॉजिकल साइंस का गलत इस्तेमाल करना चाहता है। लेकिन यह संभावना सिर्फ़ AI तक ही सीमित नहीं है। एक जानकार साइंटिस्ट, एक टेक्स्टबुक, एक रिसर्च पेपर, या एक अनुभवी मेंटर भी ऐसी जानकारी दे सकता है जिसका गलत इस्तेमाल हो सकता है। AI में जो बदलाव आता है, वह यह है कि मदद कितनी तेज़ी से, आसानी से और बड़े पैमाने पर उपलब्ध होती है। बायोलॉजी की कम जानकारी वाले किसी व्यक्ति को ज़्यादा बार डिटेल में जानकारी मिल सकती है, वह बहुत ज़्यादा रिसर्च कर सकता है, और मुश्किल बायोलॉजिकल समस्याओं में मदद पा सकता है।
यह एक असली बायोसिक्योरिटी चिंता है।
“AI हमें मार देगा” और “क्या AI सभी इंसानों को मार देगा?”
एक बेहतर सवाल यह है:
“AI उन बायोलॉजिकल एक्टिविटीज़ को करने में आने वाली रुकावटों को कितना कम कर सकता है जो पहले बहुत ज़्यादा ट्रेंड स्पेशलिस्ट तक ही सीमित थीं?”
यह सवाल ज़्यादा काम का है क्योंकि इसकी साइंटिफिक तरीके से जांच की जा सकती है।
अगर AI ऑटोमेटेड बायोलॉजी लैब्स से ज़्यादा जुड़ जाता है, तो स्थिति और बदल सकती है। एक AI सिस्टम एक एक्सपेरिमेंट को डिज़ाइन करने, नतीजों की स्टडी करने और अगले एक्सपेरिमेंट का सुझाव देने में मदद कर सकता है। AI, बायोलॉजिकल डेटाबेस, क्रिएशन टेक्नोलॉजी और लैब ऑटोमेशन के इन मिक्स पर ध्यान से नज़र रखने की ज़रूरत है।
साथ ही, ये टेक्नोलॉजी लोगों को नई दवाएं खोजने, वैक्सीन बनाने, बीमारियों को समझने और नए इन्फेक्शन पर तेज़ी से रिएक्ट करने में मदद कर सकती हैं।
असली सबक
माइक्रोऑर्गेनिज्म लाखों सालों से इंसानों के साथ विकसित हुए हैं और उनके साथ इंटरैक्ट करते रहे हैं। हम उनकी कुछ बायोलॉजी को बहुत अच्छी तरह समझते हैं, जबकि दूसरी बातें अभी भी ठीक से समझी नहीं गई हैं।
AI उस बुनियादी बायोलॉजिकल कॉम्प्लेक्सिटी को नहीं बदलता है। यह बदलता है कि लोग हमारे पास पहले से मौजूद नॉलेज को कितनी तेज़ी से सर्च, स्टडी और इस्तेमाल कर सकते हैं। इसलिए, सबसे स्मार्ट जवाब न तो चिंता को नज़रअंदाज़ करना है और न ही यह सोचना है कि AI से बना सुपर-पैथोजन पक्का है। इसके बजाय, हमें बायोलॉजिकल सेफ्टी, ज़िम्मेदार AI डेवलपमेंट, लैब सुपरविज़न और ऐसे सिस्टम को बेहतर बनाना चाहिए जो खतरनाक बायोलॉजिकल जानकारी या एबिलिटीज़ का गलत इस्तेमाल होने से रोकें। गुस्सा सिर्फ़ AI बनाम इंसानियत नहीं है। यह इंसानी इरादे, पावरफुल टेक्नोलॉजी और अधूरे बायोलॉजिकल नॉलेज का कॉम्बिनेशन है। और यह एक बहुत ज़्यादा दिलचस्प—और साइंटिफिकली ज़्यादा रियलिस्टिक—सवाल है। (लेखक के अपने विचार हैं)