โมเดลและแพลตฟอร์ม AI
การเร่งการค้นพบทางวิทยาศาสตร์: AI ทดลองอัตโนมัติ

ประเด็นสำคัญBacterAI ทำการทดลองอัตโนมัติมากถึง 10,000…
ดูเพิ่มเติม
- BacterAI ทำการทดลองอัตโนมัติมากถึง 10,000 ครั้งต่อวันเพื่อถอดรหัสเมแทบอลิซึมของจุลินทรีย์
- AI สร้างข้อมูลฝึกสอนของตัวเองโดยการทดสอบและปรับปรุงการผสมกรดอะมิโนในแต่ละวัน
- การประยุกต์ใช้ AI ที่มุ่งเน้นเช่น BacterAI สามารถเร่งการวิจัยในชีวิตประจำวันในหลายสาขาวิทยาศาสตร์
แพลตฟอร์มปัญญาประดิษฐ์ที่เรียกว่า BacterAI ซึ่งได้รับการออกแบบโดยทีมวิจัยที่นำโดยศาสตราจารย์จากมหาวิทยาลัยมิชิแกน ได้แสดงให้เห็นถึงความสามารถในการทดลองทางวิทยาศาสตร์อัตโนมัติเป็นจำนวนมาก – มากถึง 10,000 การทดลองต่อวัน การใช้งาน AI ที่เป็นนวัตกรรมใหม่นี้อาจเปิดทางให้เกิดความก้าวหน้าอย่างรวดเร็วในหลายสาขา รวมถึงการแพทย์ เกษตรกรรม และวิทยาศาสตร์สิ่งแวดล้อม
ผลการวิจัยได้รับการตีพิมพ์ใน Nature Microbiology.
การถอดรหัสเมแทบอลิซึมของจุลินทรีย์ด้วย BacterAI
BacterAI ได้รับการพัฒนาเพื่อสร้างแผนที่เมแทบอลิซึมของจุลินทรีย์สองชนิดที่เกี่ยวข้องกับสุขภาพช่องปาก โดยไม่มีข้อมูลพื้นฐานใดๆ ที่จะเริ่มต้น กระบวนการเมแทบอลิซึมที่ซับซ้อนของแบคทีเรียเกี่ยวข้องกับการใช้กรดอะมิโนร่วมกันเป็นชุดเฉพาะจากกรดอะมิโนที่จำเป็นต่อชีวิตทั้ง 20 ชนิด เป้าหมายของการวิจัยคือการกำหนดกรดอะมิโนที่จำเป็นสำหรับการเติบโตของจุลินทรีย์ที่มีประโยชน์ต่อสุขภาพช่องปาก
“เรารู้เพียงเล็กน้อยเกี่ยวกับแบคทีเรียส่วนใหญ่ที่มีอิทธิพลต่อสุขภาพของเรา การเข้าใจว่าแบคทีเรียเติบโตอย่างไรเป็นขั้นตอนแรกในการออกแบบไมโครไบโอมของเราใหม่” Paul Jensen ผู้ช่วยศาสตราจารย์ด้านวิศวกรรมชีวการแพทย์แห่งมหาวิทยาลัยมิชิแกนกล่าว ซึ่งเคยทำงานที่มหาวิทยาลัยอิลลินอยส์เมื่อโครงการเริ่มต้นขึ้น
งานที่ท้าทายที่ได้รับการทำให้ง่ายขึ้นโดย AI
การถอดรหัสการผสมผสานกรดอะมิโนที่ชอบของแบคทีเรียเป็นงานที่ท้าทายเนื่องจากมีการผสมผสานที่เป็นไปได้มากกว่าหนึ่งล้าน อย่างไรก็ตาม BacterAI สามารถกำหนดความต้องการกรดอะมิโนสำหรับการเติบโตของ Streptococcus gordonii และ Streptococcus sanguinis ได้สำเร็จ
วิธีการของ BacterAI เกี่ยวข้องกับการทดสอบร้อยๆ การผสมผสานกรดอะมิโนต่อวัน โดยการปรับโฟกัสและเปลี่ยนแปลงการผสมผสานทุกวันตามผลการทดลองของวันก่อนหน้า ในช่วงเก้าวัน มันบรรลุความแม่นยำ 90% ในการคาดการณ์
การเรียนรู้ของ AI ผ่านการลองผิดลองถูก
ไม่เหมือนกับวิธีการแบบดั้งเดิมที่ใช้ข้อมูลที่มีฉลากเพื่อฝึกโมเดลการเรียนรู้ของเครื่อง BacterAI สร้างชุดข้อมูลของตัวเองผ่านกระบวนการทำการทดลอง วิเคราะห์ผลลัพธ์ และคาดการณ์ผลลัพธ์ในอนาคต วิธีการนี้ทำให้สามารถถอดรหัสกฎการให้อาหารแบคทีเรียได้ด้วยการทดลองน้อยกว่า 4,000 ครั้ง
“เราต้องการให้ตัวแทน AI ของเราทำขั้นตอนและล้มลง เพื่อสร้างความคิดของตัวเองและทำผิดพลาด ทุกวัน มันจะดีขึ้นเล็กน้อย มันจะฉลาดขึ้น” Jensen กล่าว โดยเน้นย้ำถึงความคล้ายคลึงกันระหว่างกระบวนการเรียนรู้ของ BacterAI และเด็ก
อนาคตของ AI ในการวิจัย
เนื่องจากแบคทีเรียประมาณ 90% ยังได้รับการศึกษาน้อยมากหรือยังไม่เคยได้รับการศึกษาเลย วิธีการแบบดั้งเดิมจึงเป็นอุปสรรคที่สำคัญในแง่ของเวลาและทรัพยากรที่ต้องการ ความสามารถของ BacterAI ในการทดลองอัตโนมัติอาจเร่งการค้นพบได้อย่างมาก ในหนึ่งวัน ทีมงานสามารถทดลองได้มากถึง 10,000 ครั้ง
อย่างไรก็ตาม การใช้งานที่เป็นไปได้ของ BacterAI ยังขยายไปไกลกว่าจุลินทรีย์วิทยา นักวิจัยในหลายสาขาสามารถตั้งคำถามเป็นปัญหาให้ AI แก้ไขผ่านกระบวนการลองผิดลองถูกนี้
“ด้วยการระเบิดของ AI ในช่วงหลายเดือนที่ผ่านมา มีหลายคนไม่แน่ใจว่ามันจะนำมาซึ่งอะไรในอนาคต ทั้งด้านบวกและด้านลบ” Adam Dama อดีตวิศวกรในห้องปฏิบัติการ Jensen และผู้เขียนนำของการศึกษากล่าว “แต่สำหรับฉัน มันชัดเจนว่าการใช้งาน AI ที่มุ่งเน้นเช่นโครงการของเราจะเร่งการวิจัยทุกวัน”












