Ускорение научных открытий: AI проводит автономные эксперименты

Платформа искусственного интеллекта под названием BacterAI, разработанная исследовательской группой под руководством профессора Мичиганского университета, продемонстрировала свою способность проводить огромное количество автономных научных экспериментов – до 10 000 в день. Этот прорыв в применении ИИ может стать ключом к быстрым достижениям в различных областях, включая медицину, сельское хозяйство и экологическую науку.

Результаты исследования были опубликованы в Nature Microbiology.

Расшифровка микробного метаболизма с помощью BacterAI

BacterAI была разработана для картографирования метаболизма двух микробов, связанных с здоровьем полости рта, без какой-либо базовой информации для начала. Сложные метаболические процессы бактерий включают потребление определенной комбинации 20 аминокислот, необходимых для жизни. Целью исследования было определение точных аминокислот, необходимых для роста полезных микробов полости рта.

“Мы почти ничего не знаем о большинстве бактерий, которые влияют на наше здоровье. Понимание того, как растут бактерии, является первым шагом к перепроектированию нашей микробиоты”, – сказал Пол Дженсен, помощник профессора биомедицинской инженерии Мичиганского университета, который был в Университете Иллинойса, когда проект начался.

Сложная задача, упрощенная ИИ

Расшифровка предпочитаемой комбинации аминокислот для бактерий – это сложная задача из-за более чем миллиона возможных комбинаций. Однако BacterAI смогла успешно определить требования аминокислот для роста обоих Streptococcus gordonii и Streptococcus sanguinis.

Подход BacterAI заключался в том, чтобы проверять hundreds комбинаций аминокислот в день, уточняя свой фокус и изменяя комбинации каждый день на основе результатов предыдущего дня экспериментов. В течение девяти дней она достигла 90% точности в своих прогнозах.

ИИ обучение через проб и ошибку

В отличие от традиционных методов, которые используют помеченные наборы данных для обучения моделей машинного обучения, BacterAI генерирует свой собственный набор данных через итеративный процесс проведения экспериментов, анализа результатов и прогнозирования будущих результатов. Этот метод позволил ей расшифровать правила кормления бактерий менее чем за 4 000 экспериментов.

“Мы хотели, чтобы наш ИИ-агент делал шаги и спотыкался, чтобы придумывал свои собственные идеи и совершал ошибки. Каждый день он становится немного лучше, немного умнее”, – сказал Дженсен, подчеркивая параллели между процессом обучения BacterAI и ребенком.

Будущее ИИ в исследованиях

Учитывая, что почти нет исследований о примерно 90% бактерий, традиционные методы представляют значительную барьер в плане времени и ресурсов, необходимых. Способность BacterAI проводить автоматические эксперименты может существенно ускорить открытия. В один день команда смогла провести до 10 000 экспериментов.

Однако потенциальные применения BacterAI выходят за рамки микробиологии. Исследователи в любой области могут задавать вопросы как головоломки для ИИ, чтобы решить их через этот процесс проб и ошибок.

“С недавним взрывом ИИ в последние несколько месяцев, многие люди не уверены, что он принесет в будущем, как положительное, так и отрицательное”, – сказал Адам Дама, бывший инженер в лаборатории Дженсена и ведущий автор исследования. “Но для меня rõчно, что сосредоточенные применения ИИ, такие как наш проект, ускорят повседневные исследования.”