يتيح نظام الذكاء الاصطناعي للروبوتات إجراء تجارب علمية مستقلة – ما يصل إلى 10 آلاف تجربة يوميًا – مما قد يؤدي إلى قفزة هائلة إلى الأمام في وتيرة الاكتشاف في مجالات تتراوح من الطب إلى الزراعة والعلوم البيئية.
تم الإبلاغ عنه اليوم في علم الأحياء الدقيقة الطبيعية، وكان الفريق بقيادة أستاذ في جامعة ميشيغان حاليًا.
وقد تمكنت منصة الذكاء الاصطناعي المسماة BacterAI من تحديد عملية التمثيل الغذائي لميكروبين مرتبطين بصحة الفم، دون أي معلومات أساسية في البداية. وتستهلك البكتيريا مزيجًا من 20 نوعًا من الأحماض الأمينية اللازمة لدعم الحياة، ولكن كل نوع يتطلب مغذيات معينة للنمو. وأراد فريق جامعة ميشيغان معرفة الأحماض الأمينية التي تحتاجها الميكروبات المفيدة في أفواهنا حتى تتمكن من تعزيز نموها.
وقال بول جينسن، الأستاذ المشارك في الهندسة الطبية الحيوية في جامعة إلينوي والذي كان في جامعة إلينوي عندما بدأ المشروع:
ومع ذلك، فإن تحديد المجموعة المفضلة من الأحماض الأمينية للبكتيريا أمر صعب. حيث تنتج هذه الأحماض الأمينية العشرين أكثر من مليون تركيبة محتملة، اعتمادًا على ما إذا كان كل حمض أميني موجودًا أم لا. ومع ذلك، كان BacterAI قادرًا على اكتشاف متطلبات الأحماض الأمينية لنمو كل من Streptococcus gordonii و Streptococcus sanguinis.
وللتوصل إلى الصيغة الصحيحة لكل نوع، اختبر BacterAI مئات من تركيبات الأحماض الأمينية يوميًا، وصقل تركيزها وتغيير تركيباتها كل صباح بناءً على نتائج اليوم السابق. وفي غضون تسعة أيام، كان ينتج تنبؤات دقيقة بنسبة 90% من الوقت.
على عكس الأساليب التقليدية التي تغذي مجموعات البيانات المصنفة في نموذج التعلم الآلي، يقوم BacterAI بإنشاء مجموعة البيانات الخاصة به من خلال سلسلة من التجارب. من خلال تحليل نتائج التجارب السابقة، يقوم بتوقع التجارب الجديدة التي قد تمنحه أكبر قدر من المعلومات. ونتيجة لذلك، توصل إلى معظم القواعد الخاصة بتغذية البكتيريا في أقل من 4000 تجربة.
“عندما يتعلم الطفل المشي، فإنه لا يكتفي بمراقبة الكبار وهم يمشون ثم يقول “حسنًا، فهمت الأمر”، ويقف ويبدأ في المشي. بل يتعثر ويقوم ببعض التجارب والأخطاء أولاً”، كما يقول جينسن.
“أردنا أن يتخذ عميل الذكاء الاصطناعي الخاص بنا خطوات ويسقط، وأن يتوصل إلى أفكاره الخاصة ويرتكب الأخطاء. وفي كل يوم، يصبح أفضل قليلاً، وأكثر ذكاءً قليلاً.”
لم يتم إجراء سوى القليل من الأبحاث على ما يقرب من 90% من البكتيريا، وكمية الوقت والموارد المطلوبة لتعلم حتى المعلومات العلمية الأساسية عنها باستخدام الطرق التقليدية أمر شاق. يمكن للتجارب الآلية تسريع هذه الاكتشافات بشكل كبير. أجرى الفريق ما يصل إلى 10000 تجربة في يوم واحد.
ولكن التطبيقات تتجاوز علم الأحياء الدقيقة. إذ يستطيع الباحثون في أي مجال طرح أسئلة على هيئة ألغاز يمكن للذكاء الاصطناعي حلها من خلال هذا النوع من التجربة والخطأ.
قال آدم داما، المهندس السابق في مختبر جينسن والمؤلف الرئيسي للدراسة: “مع الانفجار الأخير للذكاء الاصطناعي السائد على مدى الأشهر القليلة الماضية، فإن العديد من الناس غير متأكدين مما سيجلبه في المستقبل، سواء كان إيجابيا أو سلبيا”. “لكن بالنسبة لي، من الواضح جدًا أن التطبيقات الموجهة للذكاء الاصطناعي مثل مشروعنا ستسرع من البحث اليومي”.
تم تمويل البحث من قبل المعاهد الوطنية للصحة بدعم من NVIDIA.
إرسال تعليق