Una de les parts més difícils de perseguir de la indústria de la droga durant les darreres dècades ha estat la dels productes anomenats “legals”, creats al laboratori perquè tinguin efectes semblants als d’estupefaents coneguts però amb un principi actiu nou que no està prohibit. El cicle, habitualment, és el que es podria esperar: nova droga, prohibició, nova droga, en períodes que poden durar mesos i que permeten distribuir aquests productes en un buit legal que estalvia problemes amb la llei a productors, distribuidors i consumidors.
Això, però, podria estar acabant-se. A la revista ‘Nature Machine Intelligence’, un equip d’investigadors de la Universitat de la Colúmbia Britànica, al Canadà, explica com ha aconseguit ensenyar ordinadors a predir quines seran les properes drogues de disseny abans que apareguin, fent que el cicle passi de mesos a només dies. Fent servir una base de drogues conegudes, han entrenat una xarxa neural profunda –un algorisme d’intel·ligència artificial– perquè s’imaginés possibles substàncies noves. El resultat: 8,9 milions de possibles drogues de disseny. En comparar-ho amb gairebé 200 substàncies aparegudes durant els darrers temps, es va comprovar que el 90% eren a la llista.
Els enginyers que han desenvolupat aquest sistema en comparen els resultats amb la pel·lícula ‘Minority Report’, basada en el relat homònim de l’escriptor de ciència-ficció Philip K. Dick i on, en essència, hi ha la possibilitat de predir els crims i arrestar-ne preventivament els responsables. Aquest sistema, que afirmen que ja està sent emprat per algunes agències policials del món, els dóna “avantatge sobre els químics clandestins” ja que saben, de bon principi, què han de buscar.
De fet, l’algorisme fins i tot prediu quines de les drogues és més probable que apareguin al mercat. Amb aquest coneixement fins i tot es pot saber quina substància conté una pastilla desconeguda basant-se només en la seva massa, un procediment molt més ràpid que no pas les anàlisis actuals. A les proves al laboratori, fetes amb les mateixes 196 drogues amb què es va comprovar l’efectivitat de les prediccions de l’algorisme, es va aconseguir una efectivitat d’entre el 51% i el 72% de les vegades, una xifra que va pujar fins al 86% en incorporar-hi l’espectrometria de massa.
Els mateixos desenvolupadors d’aquest sistema estan sorpresos amb els resultats obtinguts, ja que pensaven que conèixer l’estructura química d’una molècula gràcies només a la massa era gairebé impossible. Combinant-ho amb l’ordenació per probabilitats que el mateix algorisme fa de les possibles noves drogues, es podria accelerar la identificació i prohibició d’aquests productes, posant les coses molt més difícils a les xarxes de producció i distribució. Més enllà d’això, de fet, els mateixos desenvolupadors creuen que es podria fer servir per descobrir altres molècules, com per exemple substàncies dopants. Tot un nou món a les mans de les intel·ligències artificials.
