Ускорение научных открытий: ИИ проводит автономные эксперименты

Платформа искусственного интеллекта, известная как BacterAI, разработанная исследовательской группой под руководством профессора Мичиганского университета, продемонстрировала свою способность проводить ошеломляющее количество автономных научных экспериментов — до 10,000 XNUMX в день. Прорывное применение ИИ может проложить путь к быстрому прогрессу в различных областях, включая медицину, сельское хозяйство и науку об окружающей среде.

Результаты исследования были опубликованы в Природа Микробиология.

Расшифровка микробного метаболизма с помощью BacterAI

BacterAI был разработан для картирования метаболизма двух микробов, связанных со здоровьем полости рта, без какой-либо исходной информации для начала. Сложные метаболические процессы бактерий включают потребление определенной комбинации 20 аминокислот, необходимых для жизни. Цель исследования состояла в том, чтобы определить точные аминокислоты, необходимые полезным микроорганизмам полости рта для их роста.

«Мы почти ничего не знаем о большинстве бактерий, влияющих на наше здоровье. Понимание того, как растут бактерии, — это первый шаг к реинжинирингу нашего микробиома», — сказал Пол Дженсен, доцент биомедицинской инженерии UM, который работал в Университете Иллинойса, когда проект начинался.

Сложная задача, упрощенная с помощью ИИ

Расшифровка предпочтительной комбинации аминокислот для бактерий является сложной задачей из-за более чем миллиона возможных комбинаций. Однако BacterAI смог успешно определить потребность в аминокислотах для роста обоих видов. Стрептококк гордони и Кровавый стрептококк.

Подход BacterAI включал тестирование сотен комбинаций аминокислот в день, уточнение фокуса и ежедневное изменение комбинаций на основе результатов экспериментов предыдущего дня. За девять дней система достигла 90% точности своих прогнозов.

Обучение ИИ методом проб и ошибок

В отличие от традиционных методов, которые используют помеченные наборы данных для обучения моделей машинного обучения, BacterAI генерирует собственный набор данных посредством итеративного процесса проведения экспериментов, анализа результатов и прогнозирования будущих результатов. Этот метод позволил расшифровать правила питания бактерий менее чем за 4,000 экспериментов.

«Мы хотели, чтобы наш ИИ-агент делал шаги и падал, придумывал собственные идеи и совершал ошибки. С каждым днем ​​он становится немного лучше, немного умнее», — сказал Дженсен, подчеркнув параллели между процессом обучения BacterAI и ребенком.

Будущее ИИ в исследованиях

Учитывая, что исследования примерно 90% бактерий практически не проводились, традиционные методы представляют собой серьёзное препятствие с точки зрения времени и ресурсов. Способность BacterAI проводить автоматизированные эксперименты может значительно ускорить научные открытия. За один день команде удалось провести до 10,000 XNUMX экспериментов.

Однако потенциальное применение BacterAI выходит за рамки микробиологии. Исследователи в любой области могут задавать вопросы как головоломки, которые ИИ должен решать с помощью такого процесса проб и ошибок.

«Учитывая бурный рост популярности ИИ в последние месяцы, многие не уверены в том, что он принесёт в будущем, как положительное, так и отрицательное», — сказал Адам Дама, бывший инженер лаборатории Дженсена и ведущий автор исследования. «Но для меня совершенно очевидно, что целенаправленное применение ИИ, подобное нашему проекту, ускорит повседневные исследования».