डॉ. सुधांशु कुमार द्वारा
1346 में, ब्लैक डेथ मंगोल कैटापुल्ट पर क्रीमिया के काफ़ा पोर्ट पर पहुँचा। हथियार एक लाश थी। इसे पहुँचाने का तरीका पुराने ज़माने का था। अगले छह सालों में यूरेशिया में मरने वालों की संख्या 75 मिलियन से 200 मिलियन के बीच थी। दर्ज इंसानी इतिहास की सबसे खतरनाक बायोलॉजिकल घटना के लिए किसी लैब, पैथोजन स्ट्रक्चर की एडवांस जानकारी और वायरल रेप्लीकेशन की समझ की ज़रूरत नहीं थी। इसके लिए सिर्फ़ नज़दीकी, मूवमेंट और समय की ज़रूरत थी।
अब सोचिए कि जब लैब एक लैंग्वेज मॉडल हो तो क्या बदलता है।
2024 में, स्टैनफ़ोर्ड के पुराने PhD रिसर्चर्स द्वारा शुरू की गई रेडिकल न्यूमेरिक्स नाम की एक कंपनी ने EVO नाम के एक AI मॉडल के नतीजे पब्लिश किए। यह मॉडल DNA को वैसे ही ट्रीट करता है जैसे एक बड़ा लैंग्वेज मॉडल टेक्स्ट को ट्रीट करता है: यह जेनेटिक अक्षरों के सीक्वेंस को पढ़ता है और उन नियमों को सीखता है जो बताते हैं कि वे सीक्वेंस फिजिकल बायोलॉजिकल फंक्शन कैसे पैदा करते हैं। जैसे GPT-4 एक पैराग्राफ बना सकता है जो इंसानी गद्य के स्टैटिस्टिकल पैटर्न को फॉलो करता है, वैसे ही EVO एक DNA सीक्वेंस बना सकता है जो बायोलॉजिकल जीवन के स्टैटिस्टिकल पैटर्न को फॉलो करता है।
रिसर्चर्स ने इसे मौजूदा नेचुरल जीन-एडिटिंग टूल्स पर ट्रेन किया और इसका इस्तेमाल नए CRISPR वेरिएंट बनाने के लिए किया, जिन्हें साइंटिस्ट्स ने फिर लैब टेस्ट में सिंथेसाइज़ और वेरिफाई किया। फिर उन्होंने इसका इस्तेमाल एक बैक्टीरियोफेज, एक बैक्टीरियल वायरस के लिए पूरा DNA जीनोम शुरू से बनाने के लिए किया। पहला AI-जेनरेटेड जीनोम सिर्फ एक थ्योरेटिकल पॉसिबिलिटी नहीं है। यह पहले ही लिखा जा चुका है।
कैपेबिलिटी और कैटास्ट्रॉफी के बीच
इस कहानी में सबसे ज़रूरी नंबर मॉडल का कॉन्टेक्स्ट विंडो नहीं है, जो कुछ हज़ार टोकन से बढ़कर एक से दो मिलियन हो गया, जिससे यह बड़े जीनोमिक सीक्वेंस को प्रोसेस कर सका। न ही यह वह 30 मिनट है जो EVO ने अल्जाइमर बीमारी के लिए कॉज़ल जीन को रैंक करने में लिया, जो दो साल के लैब वर्क से मैच करता है। सबसे ज़रूरी नंबर एंट्री में रुकावट है।
प्रोग्रामिंग बायोलॉजी के लिए पहले मॉलिक्यूलर बायोलॉजी में PhD, सालों की लैब ट्रेनिंग, महंगे इक्विपमेंट और बायोसेफ्टी फैसिलिटी तक इंस्टीट्यूशनल एक्सेस की ज़रूरत होती थी। EVO और उसके बाद आने वाले सिस्टम उस रुकावट को वैसे ही कम कर रहे हैं जैसे इंटरनेट ने पब्लिशिंग में रुकावट को कम किया था, मिडजर्नी ने विज़ुअल आर्ट में रुकावट को कम किया था, और चैटGPT ने लिखने में रुकावट को कम किया था।
यह क्षमता अभी तक सबके लिए नहीं है। लेकिन रास्ता साफ़ है। हर साल, एक AI मॉडल को एक नया पैथोजन डिज़ाइन करने के लिए ज़रूरी जानकारी कम होती जाती है। साथ ही, मॉडल खुद उन कमियों को भरने में बेहतर होते जाते हैं जो एक नॉन-एक्सपर्ट यूज़र नहीं दे सकता।
भारत की समय पर पता लगाने और जवाब देने की क्षमता अगले तीन सालों में किए जाने वाले इन्वेस्टमेंट पर निर्भर करेगी, न कि अगले तीन दशकों पर।
रेडिकल न्यूमेरिक्स खुद इस चुनौती को मानता है। बायोडिफेंस और थेराप्यूटिक एप्लीकेशन के लिए इसका दोहरा काम इसलिए है क्योंकि इसके फाउंडर मानते हैं कि प्रोग्रामिंग बायोलॉजी सिंथेटिक खतरों, या जिसे रिसर्चर डीपफेक वायरस कहते हैं, को बनाने की रुकावट को कम करती है। टूल बनाने वाले लोग टूल के बारे में चेतावनी दे रहे हैं। इसे गंभीरता से लेने लायक है।
भारत खास तौर पर क्यों खतरे में है
AI से पैदा हुए बायोलॉजिकल खतरे से भारत का खतरा सिर्फ उतना ही नहीं है जितना हर घनी आबादी वाले देश का होता है। यह तीन खास स्ट्रक्चरल हालातों से और भी बढ़ जाता है।
पहला है आबादी का घनत्व। भारत में 1.4 अरब से ज़्यादा लोग ऐसे ज्योग्राफिकल इलाके में रहते हैं जहाँ शहरी भीड़, एक राज्य से दूसरे राज्य में आना-जाना और मौसम, पैथोजन के तेज़ी से फैलने के लिए हालात बनाते हैं। ये वजहें 2020 और 2021 में Covid-19 के तेज़ी से फैलने में योगदान देने वाली वजहों को दिखाती हैं, और कुछ मायनों में उनसे भी ज़्यादा हैं। एक सिंथेटिक पैथोजन जिसे ज़्यादा फैलने के लिए बनाया गया है और मौजूदा इम्यून रिस्पॉन्स से बचने के लिए डिज़ाइन किया गया है, जिस तरह का वेरिएंट EVO का आर्किटेक्चर थ्योरी के हिसाब से ऑप्टिमाइज़ कर सकता है, उसे भारत में फैलने का ऐसा माहौल मिलेगा जिसकी बराबरी दुनिया में बहुत कम जगहें करेंगी।
दूसरा है भारत के बायोसर्विलांस इंफ्रास्ट्रक्चर में कमी। किसी नए पैथोजन का तेज़ी से पता लगाने और उसे एक मैनेजेबल ज्योग्राफिकल दायरे से बाहर फैलने से पहले रोकने के लिए ज़रूरी जीनोमिक सीक्वेंसिंग कैपेसिटी भारत के राज्यों में बराबर नहीं है। एक सिंथेटिक पैथोजन, जिसे खास तौर पर ऐसे लक्षण पैदा करने के लिए बनाया गया है जो अपने शुरुआती रेप्लिकेशन फेज़ में मौजूदा बीमारियों जैसे होते हैं, अपने आर्टिफिशियल ओरिजिन का पता चलने से पहले हफ़्तों तक फैल सकता है, अगर पता चलता भी है तो।
तीसरा है दुश्मनी का माहौल। भारत बायोसिक्योरिटी के खालीपन में नहीं है। इसके मुख्य स्ट्रेटेजिक दुश्मन, चीन और पाकिस्तान, दोनों बायोटेक्नोलॉजी में भारी इन्वेस्ट कर रहे हैं। चीन की पीपल्स लिबरेशन आर्मी के पास एक डेडिकेटेड बायोलॉजिकल वेपन रिसर्च प्रोग्राम है जिसे वेस्टर्न इंटेलिजेंस असेसमेंट ने लगातार चिंता का विषय बताया है।
वही AI टूल्स जो रेडिकल न्यूमेरिक्स इलाज के मकसद से बना रहा है, वे अलग-अलग एथिकल फ्रेमवर्क और अलग-अलग स्ट्रेटेजिक मोटिवेशन वाले देशों में मिलिट्री के बजाय सिविलियन ओवरसाइट में काम करने वाले रिसर्चर्स के लिए अलग-अलग रूपों में उपलब्ध हैं। AI से बने पैथोजन को किसी स्टेट की ज़रूरत नहीं होती है।
जिन AI टूल्स को 'रेडिकल न्यूमेरिक्स' (Radical Numerics) इलाज के मकसद से बना रही है, वे अलग-अलग देशों में अलग-अलग नैतिक और रणनीतिक सोच वाले उन रिसर्चर्स के लिए भी अलग-अलग रूपों में उपलब्ध हैं जो आम नागरिकों के बजाय सेना की निगरानी में काम करते हैं। AI से बने पैथोजन (बीमारी फैलाने वाले जीव) के लिए किसी देश की सरकार या सरकारी एजेंसी की ज़रूरत नहीं होती। लेकिन अगर किसी देश की सरकार के पास एडवांस्ड बायोलॉजिकल AI सिस्टम हों और उन पर 'रेडिकल न्यूमेरिक्स' जैसी कंपनियों की तरह बायो-डिफेंस (जैविक सुरक्षा) की कोई पाबंदी न हो, तो यह एक ऐसी स्थिति बन जाती है जिसे भारत के रणनीतिक योजनाकारों के लिए नज़रअंदाज़ करना खतरनाक हो सकता है।
अभी कोई नाम नहीं
कोविड 2019 में एक प्राकृतिक पैथोजन के तौर पर सामने आया था। बीमारी के पहले मामलों के सामने आने और आबादी में असरदार इम्यूनिटी (रोग प्रतिरोधक क्षमता) बनने के बीच लगभग दो साल का समय लगा। उन दो सालों में, भारत ने लाखों लोगों की जान गंवाई, दशकों में सबसे बड़ी आर्थिक मंदी का सामना किया और ऐसी सामाजिक उथल-पुथल देखी जिसके नतीजे अभी तक पूरी तरह से ठीक नहीं हुए हैं।
अब ऐसे पैथोजन के बारे में सोचिए जिसे किसी दुश्मन ने AI सिस्टम से जान-बूझकर बनाया हो। इस सिस्टम को ऐसी हिदायतें दी गई हों कि पैथोजन तेज़ी से फैले, शुरुआती लक्षण कम दिखें और कोविड वैक्सीन से बनी खास तरह की इम्यूनिटी से बच निकले। इसे बनाने की चुनौती सिर्फ़ थ्योरी तक सीमित नहीं है। EVO ने पहले ही नए CRISPR वैरिएंट बनाने की क्षमता दिखा दी है। 'रेडिकल न्यूमेरिक्स' अब सिर्फ़ DNA सीक्वेंस से आगे बढ़कर एपिजेनोमिक्स, RNA, प्रोटीन और मेटाबोलोमिक्स को भी टोकनाइज़ (डिजिटल रूप में बदलना) कर रही है, ताकि जटिल जैविक प्रक्रियाओं को और बेहतर ढंग से समझा जा सके।
जो मॉडल सच में खतरनाक सिंथेटिक पैथोजन बना सकता है, वह आज का EVO नहीं है। बल्कि यह वह क्षमता है जो इसके अगले वर्शन में तीन से पाँच साल में आ सकती है, खासकर उन लोगों के हाथों में जो अपने काम को पीयर-रिव्यू वाले जर्नल्स में पब्लिश नहीं करते हैं।
भारत को क्या बनाना चाहिए
तैयारी का मौका अभी है। लेकिन यह मौका बहुत बड़ा नहीं है। भारत का नेशनल सेंटर फॉर डिज़ीज़ कंट्रोल, इंडियन काउंसिल ऑफ़ मेडिकल रिसर्च और डिफेंस रिसर्च एंड डेवलपमेंट ऑर्गनाइज़ेशन, AI से पैदा होने वाले जैविक खतरों का पता लगाने और उनसे निपटने की खास चुनौती के लिए नहीं बनाए गए थे। इस क्षमता को बनाने के लिए तीन चीज़ों की ज़रूरत है।
पहली चीज़ है एक जीनोमिक सर्विलांस नेटवर्क, जो पैथोजन सीक्वेंस में सिंथेटिक निशानों (सिग्नेचर) का पता असल समय (रियल-टाइम) में लगा सके, न कि बाद में। AI से बने पैथोजन के जीनोम में कुछ ऐसी सांख्यिकीय समानताएँ होंगी जो प्राकृतिक विकास के तरीकों से अलग होंगी। इन समानताओं का पता लगाने के लिए AI-आधारित जीनोमिक एनालिसिस की ज़रूरत होगी जो भारत के अस्पतालों के सिस्टम में लगातार चलता रहे, न कि क्लस्टर (बीमारी का समूह) दिखने के हफ़्तों बाद इकट्ठा किए गए सैंपल की मैन्युअल जांच पर निर्भर रहा जाए।
दूसरी चीज़ है एक बायो-सिक्योरिटी AI प्रोग्राम, जिसका मकसद साफ़ तौर पर बचाव करना हो। भारत का AI मिशन अभी आर्थिक और गवर्नेंस से जुड़े कामों पर केंद्रित है। AI का इस्तेमाल करके नए बायोलॉजिकल खतरों का पता लगाने, उनकी पहचान करने और उनसे निपटने के तरीके विकसित करने पर केंद्रित एक खास पहल को राष्ट्रीय सुरक्षा की ज़रूरत माना जाना चाहिए, न कि सिर्फ़ एकेडमिक काम।
तीसरी बात AI बायोसिक्योरिटी गवर्नेंस पर अंतरराष्ट्रीय सहयोग की है, ताकि AI की बड़ी ताकतों और बाकी दुनिया के बीच क्षमता का अंतर स्थायी न हो जाए। भारत के पास वैज्ञानिक क्षमता और जियोपॉलिटिकल स्थिति है कि वह बायोलॉजिकल AI के लिए अभी तैयार किए जा रहे गवर्नेंस फ्रेमवर्क में एक अहम आवाज़ बन सके। जो देश इन फ्रेमवर्क को बनाने में मदद करेंगे, उनका इनके लागू होने और पालन कराने के तरीके पर ज़्यादा असर होगा।
अगली महामारी प्राकृतिक हो सकती है, जैसे कोविड-19 थी। या फिर नहीं भी हो सकती है। इन दोनों स्थितियों में अंतर, और समय रहते पता लगाने और प्रतिक्रिया देने की भारत की क्षमता, इस बात से तय होगी कि भारत अगले तीन दशकों में नहीं, बल्कि अगले तीन सालों में कितना निवेश करता है। EVO कोई खतरा नहीं है। यह एक झलक है। भारत को इसे इसी तरह देखना चाहिए।