Googles nya AI-satsning: DNA-karta, väderprognoser och krisanalys

Googles senaste AI-nyheter är snarare en samlad satsning än en enskild produktlansering. I paketet finns en stor resurs för genetikforskning, en ny global vädermodell, arbete med folkhälsoprognoser, forskning om cancerscreening, språkstöd och ett projekt som kartlägger hur AI används i ekonomin. Den gemensamma ambitionen är att göra AI-baserade prognoser och information mer användbara för forskare och allmänhet – men frågor om validering, tillgång och faktisk användning återstår. 4

AlphaGenome Atlas: en sökbar karta över möjliga DNA-förändringar

Den mest konkreta nyheten är AlphaGenome Atlas, en databas med AI-genererade prognoser för de molekylära effekterna av omkring 9 miljarder möjliga enkel-nukleotidvarianter. Det handlar förenklat om tänkbara ändringar av en enda DNA-bokstav i människans arvsmassa. Google DeepMind uppger att modellen AlphaGenome har använts för att förberäkna hur förändringarna kan påverka genreglering. Resultatet är ett dataset på omkring en petabyte. 312

Den praktiska poängen är tidsbesparing. I stället för att köra en modell från grunden för varje möjlig genetisk variant kan forskare söka i färdiga beräkningar. Atlaset använder också AlphaGenome Variant Impact (AVI)-poängen för att hjälpa forskare att prioritera vilka varianter som bör undersökas närmare. Det omfattar både protein-kodande delar av genomet och områden som reglerar geners aktivitet. 212

Det kan bli ett användbart navigeringsverktyg när forskare behöver gallra bland enorma mängder möjliga förklaringar. Men en förutsagd molekylär effekt är inte en diagnos och bevisar inte att en variant orsakar en sjukdom. Resultaten behöver fortfarande följas upp experimentellt, kliniskt och i det enskilda fallet innan de kan ligga till grund för medicinska beslut. 8

Tillsammans med AlphaFold och AlphaMissense

Google placerar AlphaGenome bredvid sina tidigare biologisystem. AlphaFold fokuserar på att förutsäga proteinstrukturer, medan AlphaMissense och AlphaGenome behandlar sannolika effekter av genetiska variationer. Tillsammans ska resurserna hjälpa forskare att gå från en DNA-förändring till hypoteser om hur cellbiologin kan påverkas. 412

Det är viktigt att skilja på systemen: de är kompletterande beräkningsverktyg, inte ett samlat kliniskt system. Hur användbara prognoserna blir beror på hur väl de kan valideras i den biologiska situation som studeras.

AI vid bröstcancerscreening: lovande forskning, inte en ersättare för vården

Google lyfter även forskning som genomförts tillsammans med Imperial College London och brittiska NHS, den offentliga sjukvården i Storbritannien. Enligt Google identifierade ett experimentellt AI-system 25 procent av de intervallcancerfall som tidigare missats vid konventionell granskning av mammografibilder från 175 000 kvinnor. Intervallcancer är cancer som upptäcks efter en screeningundersökning, ofta först när symtom uppstår. 446

Resultatet är relevant forskningsunderlag, men innebär inte att AI kan ersätta mammografiprogram, radiologer eller kliniska bedömningar. Systemet är experimentellt. Inför vårdanvändning krävs validering i olika miljöer, tillsyn och noggrann utvärdering av falskt positiva och falskt negativa resultat samt patientutfall. 46

WeatherNext 3: globala prognoser med satellitdata

WeatherNext 3 är Googles senaste globala AI-modell för väderprognoser. Den använder satellitdata i realtid och tar fram timvisa prognoser i flera geografiska upplösningar, med målet att bland annat förbättra prognoser för nederbörd. 1819

Google uppger att modellen förbättrar nederbördsprognoser jämfört med flera utvärderingsbaslinjer. I företagets publicerade resultat nämns förbättringar på upp till 60 procent mot IMERG, 30 procent mot MRMS och 10 procent mot regnmätardata för kortare prognoshorisonter. I ett regionalt Google-inlägg anges också att träffsäkerheten för regnprognoser från nästa dag och framåt har förbättrats med upp till 50 procent. 1920

Satellitdata är särskilt betydelsefulla i områden där markbaserade observationer är få. Samtidigt måste siffervärden för modellprestanda läsas i sitt sammanhang: de påverkas av mått, jämförelsemodell, geografi och prognoshorisont. AI-prognoser bör därför vara en del av bredare system för väderprognoser, beredskap och krishantering.

Earth AI ska förutse globala kriser

Googles Earth AI Planetary Prediction Engine kombinerar data om global hälsa, livsmedelssäkerhet och socioekonomiska förhållanden för att förutse kriser, som sjukdomsutbrott, livsmedelsbrist och klimatrelaterade risker. Google uppger att systemet kan styras med instruktioner på naturligt språk och har använts under ebolautbrottet i Demokratiska republiken Kongo. Det har också använts för att identifiera sårbara samhällen i USA utifrån 21 hälsoindikatorer från CDC, USA:s federala smittskyddsmyndighet. 4

Ett sådant system kan hjälpa organisationer att tidigare avgöra var de bör undersöka läget närmare eller rikta sin uppmärksamhet. Men resultaten är prognoser, inte säkra besked. Kvaliteten beror på underliggande data, modellens antaganden och de beslut som tas av folkhälso- och hjälporganisationer.

Mer information på fler språk

Google beskriver också AI-stött språkstöd för över 300 språk som talas av omkring 7 miljarder människor, motsvarande ungefär 86 procent av världens befolkning. Målet är att minska språkbarriärer till information och digitala tjänster. 4

Men bred språktäckning är inte samma sak som likvärdig tillgång. Översättningskvalitet, stöd för regionala språkvarianter, kulturell kontext, lokal uppkoppling och tillgången till tillförlitligt källmaterial avgör alla om informationen kan användas säkert och effektivt.

AI & Economy ATLAS: hur AI faktiskt används

AI & Economy ATLAS är ett öppet projekt som ska dokumentera hur människor runt om i världen använder AI i arbetet och vardagen. Tanken är att ge en beskrivande bild av användningen och upplevda effekter, inte att ge ett slutgiltigt facit om framtida jobb eller produktivitet. 414

Skillnaden är central. AI kan skapa nya arbetsuppgifter, verktyg och roller, men också förändra eller minska efterfrågan på annat arbete. Att mäta användningen är värdefullt, men det kan i sig inte avgöra hur vinster, risker och möjligheter kommer att fördelas.

Slutsats

AlphaGenome Atlas är den tydligaste nya forskningsresursen: en publikt tillgänglig, AI-genererad karta med prognoser för cirka 9 miljarder möjliga ändringar av en enskild DNA-bokstav. Runt den fortsätter Google att utveckla verktyg för väderprognoser, kriskartläggning, hälsoforskning, språkstöd och förståelsen av AI-användning. 34

Potentialen är stor, men nyttan kommer inte av sig själv. Vetenskapliga och medicinska prognoser behöver oberoende validering, prognossystem måste användas ansvarsfullt och bredare tillgång måste kombineras med korrekthet, lokal relevans och rättvis implementering.