مهندسان یک سیستم هوش مصنوعی جدید طراحی کرده‌اند که ربات‌ها را قادر می‌سازد تا به صورت مستقل حدود ۱۰ هزار آزمایش علمی در روز انجام دهند. اتفاقی که به طور بالقوه باعث ایجاد جهشی چشمگیر در سرعت اکتشافات حوزه پزشکی، کشاورزی و علوم محیطی می‌شود.
آنا پرس می گوید که این پلتفرم هوش مصنوعی که «BacterAI» نامیده می‌شود، متابولیسم دو میکروب مرتبط با سلامت دهان را ترسیم می‌کند. باکتری‌ها ترکیبی از ۲۰ اسید آمینه مورد نیاز برای حمایت از زندگی را مصرف می‌کنند، اما هر گونه برای رشد به مواد مغذی خاصی نیاز دارد. این گروه از محققان می‌خواستند بداند که میکروب‌های مفید در دهان ما به چه آمینواسید‌هایی نیاز دارند تا بتوانند رشد خود را تقویت کنند.
ما تقریباً هیچ چیز در مورد بیشتر باکتری‌هایی که بر سلامت ما تأثیر می‌گذارند نمی‌دانیم. پل جنسن، استادیار مهندسی زیست پزشکی U-M که در زمان شروع پروژه در دانشگاه ایلینویز بود، گفت: درک چگونگی رشد باکتری‌ها اولین گام به سوی مهندسی مجدد میکروبیوم ما است.
با این حال، پی بردن به ترکیب اسید‌های آمینه‌ای که باکتری‌ها دوست دارند مشکل است. این ۲۰ اسید آمینه بیش از یک میلیون ترکیب ممکن را تولید می‌کنند، فقط بر اساس اینکه آیا هر اسید آمینه در تریکب پروتئین وجود دارد یا خیر. با این حال، سیستم هوش مصنوعی BacterAI توانست اسید آمینه مورد نیاز برای رشد استرپتوکوک گوردونی و استرپتوکوک سانگوئینیس را کشف کند.
برای یافتن اسیدآمینه‌های مناسب برای هر گونه از باکتری‌ها، BacterAI در روز صد‌ها ترکیب از اسید‌های آمینه را آزمایش کرد، تمرکز خود را افزایش داد و هر روز صبح ترکیبات را بر اساس نتایج روز قبل تغییر داد. ظرف ۹ روز، پیش‌بینی‌های دقیقی را ارائه کرد که ۹۰ درصد آن درست بود.
برخلاف روش‌های مرسوم که مجموعه داده‌های برچسب‌گذاری شده را به یک مدل یادگیری ماشینی تغذیه می‌کنند، BacterAI مجموعه داده‌های خود را از طریق یک سری آزمایش ایجاد می‌کند. با تجزیه و تحلیل نتایج آزمایش‌های قبلی، پیش‌بینی‌هایی در مورد اینکه چه آزمایش‌های جدیدی ممکن است بیشترین اطلاعات را به آن بدهد، ارائه می‌شود. در نتیجه، با کمتر از ۴۰۰۰ آزمایش، اکثر قوانین تغذیه باکتری‌ها را کشف کرد.
زمانی که کودک راه رفتن را یاد می‌گیرد، تنها راه رفتن بزرگسالان را تماشا نمی‌کند و سپس می‌گوید «باشه، متوجه شدم»، بلند می‌شود و شروع به راه رفتن می‌کند. جنسن می‌گوید: «آن‌ها به دور و بر خود می‌چرخند و ابتدا آزمون و خطا انجام می‌دهند.
ما می‌خواستیم سیستم هوش مصنوعی ما قدم‌هایی بردارد و زمین بخورد، ایده‌های خودش را مطرح کند و اشتباه کند؛ و به این شکل هر روز کمی بهتر و هوشمندتر شود.»
تاکنون تقریبا بر روی ۹۰ درصد باکتری‌ها تحقیقات انجام نشده است. از این رو زمان و منابع مورد نیاز برای یادگیری اطلاعات علمی اولیه در مورد آن‌ها با استفاده از روش‌های مرسوم، دلهره آور است. آزمایش‌های خودکار می‌تواند این اکتشافات را به شدت افزایش دهد.
این تیم بیش از ۱۰۰۰۰ آزمایش را در یک روز انجام داد. اما کاربرد‌های آن فراتر از میکروبیولوژی است. محققان در هر زمینه‌ای می‌توانند سوالاتی را به عنوان پازل برای هوش مصنوعی تنظیم کنند تا از طریق این نوع آزمون و خطا حل شوند.
آدام داما، مهندس سابق آزمایشگاه جنسن و نویسنده اصلی این مطالعه می‌گوید: با انفجار اخیر جریان اصلی هوش مصنوعی در چند ماه گذشته، بسیاری از مردم در مورد آنچه که در آینده چه مثبت و چه منفی به ارمغان خواهد آورد، مطمئن نیستند. اما برای من، بسیار واضح است که کاربرد‌های متمرکز هوش مصنوعی مانند پروژه ما، تحقیقات روزمره را سرعت می‌بخشد.
کد خبر 201020218.571