Accelererande vetenskapliga upptäckter: AI genomför autonoma experiment

En artificiell intelligensplattform känd som BacterAI, designad av en forskargrupp ledd av en professor vid University of Michigan, har visat upp sin förmåga att genomföra ett svindlande antal autonoma vetenskapliga experiment – ​​så många som 10,000 XNUMX per dag. Den banbrytande tillämpningen av AI kan bana väg för snabba framsteg inom olika områden, inklusive medicin, jordbruk och miljövetenskap.

Resultaten av forskningen publicerades i Natur Mikrobiologi.

Dechiffrera mikrobiell metabolism med BacterAI

BacterAI utvecklades för att kartlägga metabolismen av två mikrober associerade med munhälsa, utan någon baslinjeinformation till att börja med. Bakteriers komplexa metaboliska processer involverar konsumtion av en specifik kombination av de 20 aminosyrorna som krävs för livet. Målet med forskningen var att fastställa de exakta aminosyrorna som behövs för fördelaktiga orala mikrober för att främja deras tillväxt.

"Vi vet nästan ingenting om de flesta av de bakterier som påverkar vår hälsa. Att förstå hur bakterier växer är det första steget mot att omstrukturera vår mikrobiom, säger Paul Jensen, UM biträdande professor i biomedicinsk teknik, som var vid University of Illinois när projektet började.

En utmanande uppgift förenklad med AI

Att avkoda den föredragna kombinationen av aminosyror för bakterier är en svår uppgift på grund av de över en miljon möjliga kombinationerna. BacterAI kunde dock framgångsrikt bestämma aminosyrakraven för tillväxten av båda Streptococcus gordonii och Streptococcus sanguinis.

BacterAI:s tillvägagångssätt innebar att testa hundratals kombinationer av aminosyror per dag, förfina dess fokus och ändra kombinationer varje dag baserat på resultaten från föregående dags experiment. Inom ett intervall på nio dagar uppnådde den 90 % noggrannhet i sina förutsägelser.

AI-inlärning genom försök och misstag

Till skillnad från traditionella metoder som använder märkta datamängder för att träna maskininlärningsmodeller, genererar BacterAI sin egen datamängd genom en iterativ process för att utföra experiment, analysera resultat och förutsäga framtida resultat. Denna metod gjorde det möjligt för den att dechiffrera reglerna för matning av bakterier med färre än 4,000 XNUMX experiment.

"Vi ville att vår AI-agent skulle ta steg och falla ner, komma med sina egna idéer och göra misstag. Varje dag blir det lite bättre, lite smartare”, sa Jensen och lyfte fram parallellerna mellan inlärningsprocessen för BacterAI och ett barn.

Framtiden för AI i forskning

Med tanke på att lite eller ingen forskning har utförts på cirka 90 % av bakterierna, utgör konventionella metoder en betydande barriär när det gäller tid och resurser som krävs. BacterAI:s förmåga att utföra automatiserade experiment kan drastiskt påskynda upptäckter. På en enda dag lyckades teamet köra upp till 10,000 XNUMX experiment.

De potentiella tillämpningarna av BacterAI sträcker sig dock bortom mikrobiologi. Forskare inom vilket område som helst kan ställa frågor som pussel för AI att lösa genom denna typ av försök och fel.

"Med den senaste explosionen av mainstream AI under de senaste månaderna är många människor osäkra på vad det kommer att ge i framtiden, både positivt och negativt", säger Adam Dama, en före detta ingenjör i Jensen Lab och huvudförfattare till studien . "Men för mig är det väldigt tydligt att fokuserade tillämpningar av AI som vårt projekt kommer att påskynda vardaglig forskning."