การเร่งการค้นพบทางวิทยาศาสตร์: AI ทดลองอัตโนมัติ

แพลตฟอร์มปัญญาประดิษฐ์ที่เรียกว่า BacterAI ซึ่งได้รับการออกแบบโดยทีมวิจัยที่นำโดยศาสตราจารย์จากมหาวิทยาลัยมิชิแกน ได้แสดงให้เห็นถึงความสามารถในการทดลองทางวิทยาศาสตร์อัตโนมัติเป็นจำนวนมาก – มากถึง 10,000 ทดลองต่อวัน การใช้งาน AI ที่เป็นนวัตกรรมใหม่นี้อาจเปิดทางให้เกิดความก้าวหน้าอย่างรวดเร็วในหลายสาขา รวมถึงการแพทย์ เกษตรกรรม และวิทยาศาสตร์สิ่งแวดล้อม

ผลการวิจัยได้รับการตีพิมพ์ใน Nature Microbiology.

การถอดรหัสเมแทบอลิซึมของจุลินทรีย์ด้วย BacterAI

BacterAI ได้รับการพัฒนาเพื่อสร้างแผนที่เมแทบอลิซึมของจุลินทรีย์สองชนิดที่เกี่ยวข้องกับสุขภาพช่องปาก โดยไม่มีข้อมูลพื้นฐานใดๆ ที่จะเริ่มต้น กระบวนการเมแทบอลิซึมที่ซับซ้อนของแบคทีเรียเกี่ยวข้องกับการบริโภคกรดอะมิโน 20 ชนิดที่จำเป็นต่อชีวิต เป้าหมายของการวิจัยคือการกำหนดกรดอะมิโนที่จำเป็นสำหรับการเติบโตของจุลินทรีย์ที่มีประโยชน์ต่อสุขภาพช่องปาก

“เรารู้เพียงเล็กน้อยเกี่ยวกับแบคทีเรียส่วนใหญ่ที่มีอิทธิพลต่อสุขภาพของเรา การเข้าใจว่าแบคทีเรียเติบโตเป็นขั้นตอนแรกในการปรับเปลี่ยนสุขภาพจุลินทรีย์ของเรา” Paul Jensen ผู้ช่วยศาสตราจารย์แห่งมหาวิทยาลัยมิชิแกนกล่าว ซึ่งเคยทำงานที่มหาวิทยาลัยอิลลินอยส์เมื่อโครงการเริ่มต้นขึ้น

งานที่ท้าทายที่ได้รับการ简化โดย 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

เนื่องจากการวิจัยเกี่ยวกับแบคทีเรียเพียงเล็กน้อยเท่านั้น วิธีการแบบดั้งเดิมจึงเป็นอุปสรรคที่สำคัญในแง่ของเวลาและทรัพยากรที่ต้องการ ความสามารถของ BacterAI ในการทดลองอัตโนมัติอาจเร่งการค้นพบได้อย่างมาก ในหนึ่งวัน ทีมงานสามารถทดลองได้มากถึง 10,000 ครั้ง

อย่างไรก็ตาม การใช้งานที่เป็นไปได้ของ BacterAI ยังขยายไปไกลกว่าจุลินทรีย์วิทยา นักวิจัยในหลายสาขาสามารถตั้งคำถามเป็นปัญหาให้ AI แก้ไขผ่านกระบวนการลองผิดลองถูกนี้

“ด้วยการระเบิดของ AI ในช่วงหลายเดือนที่ผ่านมา มีหลายคนไม่แน่ใจว่ามันจะนำมาซึ่งอะไรในอนาคต ทั้งด้านบวกและด้านลบ” Adam Dama นักวิศวกรคนเดิมในห้องปฏิบัติการ Jensen และผู้เขียนนำของการศึกษากล่าว “แต่สำหรับฉัน มันชัดเจนว่าการใช้งาน AI ที่มุ่งเน้นเช่นโครงการของเราจะเร่งการวิจัยทุกวัน”