Yapay zeka modelleri ve platformları
Bilimsel keşifleri hızlandırmak: AI otonom deneyler gerçekleştiriyor

Öne çıkan noktalarBacterAI, mikrobiyal metabolizmayı çözmek için günde 10.000'e kadar otonom deney…
Daha fazla göster
- BacterAI, mikrobiyal metabolizmayı çözmek için günde 10.000'e kadar otonom deney gerçekleştirdi.
- Yapay zekâ, amino asit kombinasyonlarını test ederek ve tahminlerini her gün iyileştirerek kendi eğitim verilerini oluşturdu.
- BacterAI gibi odaklanmış yapay zekâ uygulamaları, birçok bilimsel alanda günlük araştırmaları hızlandırabilir.
Michigan Üniversitesi’nden bir profesörün liderliğindeki bir araştırma ekibi tarafından tasarlanan BacterAI adlı bir yapay zeka platformu, günde 10.000’e kadar otonom bilimsel deney yapma yeteneğini sergiledi. AI’nin bu uygulama alanı, tıp, tarım ve çevre bilimi gibi çeşitli alanlarda hızlı ilerlemeler için yol açabilir.
Araştırma sonuçları Nature Microbiology dergisinde yayımlandı.
BacterAI ile Mikrobiyal Metabolizmayı Çözme
BacterAI, ağız sağlığı ile ilgili iki mikroorganizmanın metabolizmasını haritalamak için geliştirildi ve başlangıçta hiçbir temel bilgiye sahip değildi. Bakterilerin karmaşık metabolik süreçleri, yaşam için gerekli 20 amino asidin belirli bir kombinasyonunu içermektedir. Araştırmanın amacı, faydalı ağız mikroplarının büyümesini teşvik etmek için gerekli olan kesin amino asitleri belirlemektir.
“Sağlığımızı etkileyen bakterilerin çoğu hakkında neredeyse hiçbir şey bilmiyoruz. Bakterilerin nasıl büyüdüğünü anlamak, mikrobiyomumuzu yeniden tasarlamak için ilk adımdır” dedi Paul Jensen, Michigan Üniversitesi’nde biyomedikal mühendisliği alanında yardımcı doçent olan ve proje başladığında Illinois Üniversitesi’nde görev yapan bir araştırmacı.
AI Tarafından Basit Hale Getirilen Zorlu Görev
Bakteriler için tercih edilen amino asit kombinasyonunu çözme işlemi, bir milyondan fazla olası kombinasyon nedeniyle zorlu bir görevdir. Ancak BacterAI, Streptococcus gordonii ve Streptococcus sanguinis için amino asit gereksinimlerini başarıyla belirleyebildi.
BacterAI’nin yaklaşımı, her gün yüzlerce amino asit kombinasyonunu test etmek, odak noktasını her gün önceki günün deney sonuçlarına göre ayarlamak ve kombinasyonları değiştirmekti. Dokuz gün içinde, öngörülerinde %90’a varan bir doğruluk elde etti.
AI’nin Deneme Yanılma Yoluyla Öğrenmesi
Geleneksel yöntemlerin aksine, etiketli veri kümelerini kullanarak makine öğrenimi modellerini eğitmek yerine, BacterAI kendi veri kümesini deneyler yaparak, sonuçları analiz ederek ve gelecekteki sonuçları öngörerek oluşturur. Bu yöntem, bakterileri beslemek için gereken kuralları 4.000’den az deney ile çözmeyi mümkün kıldı.
“AI ajanımızın adımlar atmasını, düşmesini, kendi fikirlerini üretmesini ve hatalar yapmasını istedik. Her gün biraz daha iyi, biraz daha akıllı oluyor” dedi Jensen, BacterAI’nin öğrenme sürecini bir çocuğun öğrenme sürecine benzetti.
Araştırmada AI’nin Geleceği
Yaklaşık %90’lık bir oranla bakteriler üzerinde neredeyse hiçbir araştırma yapılmamıştır ve geleneksel yöntemler, zaman ve kaynak açısından önemli bir engel oluşturmaktadır. BacterAI’nin otomatik deneysel yeteneği, keşifleri büyük ölçüde hızlandırabilir. Bir günde, ekip 10.000 deney yapmayı başardı.
BacterAI’nin potansiyel uygulamaları, mikrobiyoloji alanının ötesine geçmektedir. Herhangi bir alanda araştırmacılar, AI’nin bu tür deneme yanılma yoluyla çözmesi için bilmeceler oluşturabilir.
“Son birkaç ayda popüler AI’nin patlamasıyla birlikte, birçok insan gelecekte ne getireceğinden, hem olumlu hem de olumsuz yönlerinden, emin değil” dedi Adam Dama, Jensen Lab’de eski bir mühendis ve çalışmanın baş yazarı. “Ama bana göre, bizim projemiz gibi AI’nin odaklanmış uygulamaları, günlük araştırmaları hızlandıracaktır.”












