Прискорення наукових відкриттів: штучний інтелект проводить автономні експерименти

Платформа штучного інтелекту під назвою BacterAI, розроблена командою дослідників під керівництвом професора Університету Мічигану, продемонструвала свою здатність проводити величезну кількість автономних наукових експериментів – до 10 000 на день. Ця проривна застосування штучного інтелекту може пролягти шлях для швидких досягнень у різних галузях, включаючи медицину, сільське господарство та екологічну науку.

Результати дослідження були опубліковані в Nature Microbiology.

Розшифрування мікробного метаболізму з BacterAI

BacterAI був розроблений для картування метаболізму двох мікробів, пов’язаних із здоров’ям ротової порожнини, без будь-якої базової інформації для початку. Комплексні метаболічні процеси бактерій включають споживання певної комбінації 20 амінокислот, необхідних для життя. Метою дослідження було визначення точних амінокислот, необхідних для росту корисних мікробів ротової порожнини.

“Ми майже нічого не знаємо про більшість бактерій, які впливають на наше здоров’я. Розуміння того, як ростуть бактерії, є першим кроком до перепроєктування нашого мікробіому”, – сказав Пол Дженсен, асистент професора біомедичної інженерії Університету Мічигану, який був у Університеті Іллінойсу, коли почалося проєкт.

Важливе завдання, спрощене штучним інтелектом

Розшифрування бажаної комбінації амінокислот для бактерій – це складне завдання через понад мільйон можливих комбінацій. Однак BacterAI вдалося успішно визначити амінокислотні вимоги для росту обох Streptococcus gordonii і Streptococcus sanguinis.

Підхід BacterAI полягав у тестуванні сотень комбінацій амінокислот на день, уточнюючи свою увагу та змінюючи комбінації кожний день на основі результатів попереднього дня експериментів. За дев’ять днів він досяг 90% точності у своїх прогнозах.

Штучний інтелект вивчає через спроби та помилки

На відміну від традиційних методів, які використовують позначені набори даних для навчання моделей машинного навчання, BacterAI генерує自己的 набір даних через ітеративний процес проведення експериментів, аналізу результатів та прогнозування майбутніх результатів. Цей метод дозволив йому розшифрувати правила годування бактерій менш ніж за 4000 експериментів.

“Ми хотіли, щоб наш агент штучного інтелекту робив кроки та падав, щоб приходив до своїх власних ідей та помилявся. Кожного дня він стає трохи кращим, трохи розумнішим”, – сказав Дженсен, підкреслюючи паралелі між процесом навчання BacterAI та дитиною.

Майбутнє штучного інтелекту в наукових дослідженнях

Оскільки майже жодних досліджень не проводилось щодо приблизно 90% бактерій, традиційні методи представляють значний бар’єр у плані часу та ресурсів, необхідних. Спроможність BacterAI проводити автоматизовані експерименти могла б суттєво прискорити відкриття. За один день команда змогла провести до 10 000 експериментів.

Однак потенційні застосування BacterAI виходять за межі мікробіології. Дослідники в будь-якій галузі можуть ставити питання як головоломки для штучного інтелекту, щоб розв’язати їх через такий процес спроб та помилок.

“З недавнім вибухом штучного інтелекту за останні кілька місяців, багато людей сумніваються щодо того, що це принесе в майбутньому, як позитивне, так і негативне”, – сказав Адам Дама, колишній інженер лабораторії Дженсена та головний автор дослідження. “Але для мене це дуже ясно, що зосереджені застосування штучного інтелекту, як наш проєкт, прискорять щоденні дослідження.”