Kiihdyttäen tieteellisiä löytöjä: AI suorittaa autonomisia kokeita

Michiganin yliopiston professorin johtaman tutkimusryhmän suunnittelema BacterAI- tekoälyalusta on osoittanut kykynsä suorittaa valtava määrä autonomisia tieteellisiä kokeita – jopa 10 000 kokeita päivässä. Tekoälyn läpimurto sovellus voi olla tie nopeiden edistysten tielle eri aloilla, kuten lääketieteessä, maataloudessa ja ympäristötieteessä.

Tutkimuksen tulokset julkaistiin Nature Microbiology -julkaisussa.

Jaettaessa mikrobiologista aineenvaihduntaa BacterAI:n avulla

BacterAI kehitettiin kartoittamaan kahden suun terveyteen liittyvän mikrobin aineenvaihduntaa ilman mitään aloitustietoja. Bakteerien monimutkaiset aineenvaihduntaprosessit liittyvät 20 elämälle välttämättömän aminohapon kuluttamiseen. Tutkimuksen tavoitteena oli määrittää tarkat aminohapot, joita tarvitaan suun terveyttä edistävien mikrobien kasvun edistämiseksi.

“Emme tiedä lähes mitään useimpien meidän terveyttämme vaikuttavista bakteereista. Ymmärtäminen, miten bakteerit kasvavat, on ensimmäinen askel kohti mikrobemme uudelleen suunnittelua”, sanoi Paul Jensen, Michiganin yliopiston apulaisprofessori, joka oli Illinoisin yliopistossa, kun hanke alkoi.

Haasteellinen tehtävä yksinkertaistettu tekoälyllä

Mikrobien suosimien aminohappojen yhdistelmän koodaaminen on haasteellinen tehtävä yli miljoonan mahdollisen yhdistelmän vuoksi. BacterAI kuitenkin onnistui määrittämään aminohappovaatimukset sekä Streptococcus gordonii – että Streptococcus sanguinis -bakteerien kasvun edistämiseksi.

BacterAI:n lähestymistapa käsitti satojen aminohappoyhdistelmien testaamisen päivittäin, tarkentamalla fokusta ja muuttamalla yhdistelmiä joka päivä edellisen päivän kokeiden tulosten perusteella. Yhdeksän päivän kuluessa se saavutti 90 prosentin tarkkuuden ennusteissaan.

Teckoäly oppii koettua kautta

Toisin kuin perinteiset menetelmät, jotka käyttävät merkittyjä tietojoukkoja tekoälymallien kouluttamiseen, BacterAI luo oman tietojoukkonsa iteratiivisen prosessin kautta, jossa se suorittaa kokeita, analysoi tuloksia ja ennustaa tulevia tuloksia. Tämä menetelmä mahdollisti sille mikrobien ruokkimisen sääntöjen koodaamisen alle 4 000 kokeen avulla.

“Halusimme, että tekoälyagenttimme ottaa askeleita ja kompastuu, keksii omat ideansa ja tekee virheitä. Joka päivä se tulee hieman paremmaksi, hieman älymmäksi”, sanoi Jensen korostamalla yhtäläisyyksiä BacterAI:n oppimisprosessin ja lapsen välillä.

Teckoälyn tulevaisuus tutkimuksessa

Koska noin 90 prosenttia bakteereista ei ole tutkittu, perinteiset menetelmät tarjoavat merkittävän esteen ajan ja resurssien suhteen. BacterAI:n kyky suorittaa automaattisia kokeita voi kiihdyttää löytöjä. Tutkimusryhmä onnistui suorittamaan jopa 10 000 kokeita päivässä.

BacterAI:n mahdolliset sovellukset ulottuvat kuitenkin mikrobiologian ulkopuolelle. Tutkijat missä tahansa alalla voivat asettaa kysymyksiä tekoälylle ratkaistaviksi tämänkaltaisen koettua kautta.

“Viimeaikaisen mainstream- tekoälyn räjähdysmäisen kasvun myötä monilla ihmisillä on epävarmuutta siitä, mitä se tulee tuomaan tulevaisuudessa, sekä positiivista että negatiivista”, sanoi Adam Dama, Jensenin laboratorion entinen insinööri ja tutkimuksen pääkirjoittaja. “Mutta minulle on selvää, että tekoälyn kohdennetut sovellukset, kuten meidän projektimme, kiihdyttävät jokapäiväistä tutkimusta.”