Accelererende vitenskapelige oppdagelser: AI utfører autonome eksperimenter

En kunstig intelligensplattform kjent som BacterAI, designet av et forskningsteam ledet av en professor ved University of Michigan, har vist sin evne til å utføre et overveldende antall autonome vitenskapelige eksperimenter – opptil 10 000 per dag. Gjennombruddet i anvendelsen av AI kan bana vei for raske fremgang i ulike felt, inkludert medisin, jordbruk og miljøvitenskap.

Resultatene av forskningen ble publisert i Nature Microbiology.

Tyding av mikrobiell metabolisme med BacterAI

BacterAI ble utviklet for å kartlegge metabolismen til to mikrober forbundet med munnhelse, uten noen grunnleggende informasjon å starte med. De komplekse metabolske prosessene til bakterier innebærer inntak av en spesifikk kombinasjon av de 20 aminosyrer som er nødvendige for liv. Målet med forskningen var å bestemme de nøyaktige aminosyrer som er nødvendige for veksten av nyttige munnbakterier.

“Vi vet nesten ingenting om de fleste bakterier som påvirker vår helse. Å forstå hvordan bakterier vokser er det første skrittet mot å omkonstruere vår mikrobiom,” sa Paul Jensen, U-M assistentprofessor i biomedisinsk ingeniørkunst, som var ved University of Illinois da prosjektet begynte.

En utfordrende oppgave forenklet av AI

Å avkode den foretrukne kombinasjonen av aminosyrer for bakterier er en overveldende oppgave på grunn av over en million mulige kombinasjoner. Men BacterAI var i stand til å bestemme aminosyrekravene for veksten av både Streptococcus gordonii og Streptococcus sanguinis.

BacterAI’s tilnærming innebar å teste hundrevis av kombinasjoner av aminosyrer per dag, finjustere fokus og endre kombinasjoner hver dag basert på resultater fra de foregående dagens eksperimenter. Innen en periode på ni dager, oppnådde det 90% nøyaktighet i sine prediksjoner.

AI-læring gjennom prøving og feil

I motsetning til tradisjonelle metoder som bruker merket datasæt for å trene maskinlæringsmodeller, genererer BacterAI sin egen datasæt gjennom en iterativ prosess med å utføre eksperimenter, analysere resultater og forutsi fremtidige resultater. Denne metoden enablet det å tyde reglene for å mate bakterier med færre enn 4 000 eksperimenter.

“Vi ønsket at vår AI-agent skulle ta skritt og falle, å komme opp med sine egne ideer og gjøre feil. Hver dag, blir det litt bedre, litt smartere,” sa Jensen, og fremhevet parallellene mellom BacterAI’s læringsprosess og et barn.

Fremtiden for AI i forskning

Gitt at det er gjort lite eller ingen forskning på omtrent 90% av bakterier, presenterer konvensjonelle metoder en betydelig barriere i forhold til tid og ressurser som kreves. BacterAI’s evne til å utføre automatiserte eksperimenter kan dramatisk akselerere oppdagelser. På en enkelt dag, klarte teamet å kjøre opptil 10 000 eksperimenter.

Men de potensielle anvendelsene av BacterAI går langt utenfor mikrobiologi. Forskere i ethvert felt kan stille spørsmål som pusler for AI å løse gjennom denne typen prøving og feil-prosessen.

“Med den nylige eksplosjonen av mainstream AI de siste månedene, er mange mennesker usikre på hva det vil bringe i fremtiden, både positivt og negativt,” sa Adam Dama, en tidligere ingeniør i Jensen Lab og hovedforfatter av studien. “Men for meg, er det veldig tydelig at fokusert anvendelse av AI som vårt prosjekt vil akselerere hverdagsforskning.”