Tăng tốc Phát kiến Khoa học: AI Thực hiện Thí nghiệm Tự động

Một nền tảng trí tuệ nhân tạo được gọi là BacterAI, được thiết kế bởi một nhóm nghiên cứu do một giáo sư tại Đại học Michigan dẫn đầu, đã thể hiện khả năng thực hiện một số lượng đáng kinh ngạc các thí nghiệm khoa học tự động – lên đến 10.000 thí nghiệm mỗi ngày. Ứng dụng đột phá của AI này có thể mở đường cho sự tiến bộ nhanh chóng trong các lĩnh vực khác nhau, bao gồm y học, nông nghiệp và khoa học môi trường.

Kết quả của nghiên cứu đã được công bố trên Nature Microbiology.

Giải mã Chuyển hóa Vi khuẩn với BacterAI

BacterAI được phát triển để lập bản đồ chuyển hóa của hai loại vi khuẩn liên quan đến sức khỏe răng miệng, mà không có thông tin cơ bản để bắt đầu. Các quá trình chuyển hóa phức tạp của vi khuẩn liên quan đến việc tiêu thụ một sự kết hợp cụ thể của 20 axit amin cần thiết cho sự sống. Mục tiêu của nghiên cứu là xác định chính xác axit amin cần thiết cho sự phát triển của vi khuẩn có lợi cho sức khỏe răng miệng.

“Chúng tôi hầu như không biết gì về hầu hết các loại vi khuẩn ảnh hưởng đến sức khỏe của chúng tôi. Hiểu cách vi khuẩn phát triển là bước đầu tiên để tái thiết lập hệ vi sinh vật của chúng tôi,” said Paul Jensen, giáo sư trợ lý tại Đại học Michigan, người đã bắt đầu dự án này tại Đại học Illinois.

Một Nhiệm vụ Thách thức được Giản hóa bởi AI

Giải mã sự kết hợp axit amin ưa thích cho vi khuẩn là một nhiệm vụ khó khăn do có hơn một triệu sự kết hợp có thể. Tuy nhiên, BacterAI đã thành công trong việc xác định yêu cầu axit amin cho sự phát triển của cả Streptococcus gordonii và Streptococcus sanguinis.

Phương pháp của BacterAI liên quan đến việc thử nghiệm hàng trăm sự kết hợp axit amin mỗi ngày, tinh chỉnh焦 điểm và thay đổi sự kết hợp mỗi ngày dựa trên kết quả của các thí nghiệm trước đó. Trong vòng chín ngày, nó đã đạt được độ chính xác 90% trong dự đoán của mình.

AI Học hỏi thông qua Thử nghiệm và Sai lầm

Không giống như các phương pháp truyền thống sử dụng dữ liệu đã được gắn nhãn để đào tạo mô hình học máy, BacterAI tạo ra自己的 dữ liệu thông qua một quá trình lặp lại của việc thực hiện thí nghiệm, phân tích kết quả và dự đoán kết quả trong tương lai. Phương pháp này cho phép nó giải mã các quy tắc cho việc cho ăn vi khuẩn với ít hơn 4.000 thí nghiệm.

“Chúng tôi muốn đại lý AI của mình thực hiện các bước và vấp ngã, để nó tự đưa ra ý tưởng và mắc sai lầm. Mỗi ngày, nó trở nên tốt hơn, thông minh hơn,” said Jensen, nhấn mạnh sự tương đồng giữa quá trình học hỏi của BacterAI và một đứa trẻ.

Tương lai của AI trong Nghiên cứu

Vì rằng rất ít nghiên cứu đã được thực hiện về khoảng 90% vi khuẩn, các phương pháp truyền thống tạo ra một rào cản đáng kể về thời gian và tài nguyên cần thiết. Khả năng của BacterAI trong việc thực hiện thí nghiệm tự động có thể tăng tốc đáng kể các phát hiện. Trong một ngày, nhóm nghiên cứu đã chạy lên đến 10.000 thí nghiệm.

Tuy nhiên, các ứng dụng tiềm năng của BacterAI vượt ra ngoài lĩnh vực vi sinh vật. Các nhà nghiên cứu trong bất kỳ lĩnh vực nào có thể đặt câu hỏi như một câu đố cho AI giải quyết thông qua quá trình thử nghiệm và sai lầm này.

“Với sự bùng nổ gần đây của AI trên toàn cầu trong những tháng gần đây, nhiều người không chắc chắn về những gì nó sẽ mang lại trong tương lai, cả tích cực và tiêu cực,” said Adam Dama, một kỹ sư cũ trong Phòng thí nghiệm Jensen và là tác giả chính của nghiên cứu. “Nhưng đối với tôi, nó rất rõ ràng rằng các ứng dụng tập trung của AI như dự án của chúng tôi sẽ tăng tốc nghiên cứu hàng ngày.”