加速科学发现：AI进行自主实验

由密歇根大学教授领导的研究团队设计的人工智能平台BacterAI，展示了其每天进行多达10,000个自主科学实验的能力。这种人工智能的突破性应用可能为包括医学、农业和环境科学在内的各个领域带来快速进步。

研究结果发表在Nature Microbiology上。

使用BacterAI解码微生物代谢

BacterAI被开发用于绘制两种与口腔健康相关的微生物的代谢地图，从无任何基础信息开始。细菌的复杂代谢过程涉及消耗20种生命必需的氨基酸的特定组合。研究的目标是确定有益口腔微生物生长所需的精确氨基酸。

“我们几乎对影响我们健康的大多数细菌一无所知。了解细菌如何生长是重新工程我们的微生物群的第一步，”密歇根大学生物医学工程助理教授保罗·詹森（Paul Jensen）说，他在项目开始时在伊利诺伊大学任职。

AI简化了具有挑战性的任务

解码细菌的首选氨基酸组合是一项艰巨的任务，因为有超过一百万种可能的组合。然而，BacterAI能够成功确定了链球菌和金黄色链球菌生长所需的氨基酸。

BacterAI的方法涉及每天测试数百种氨基酸的组合，根据前一天实验的结果每天完善其焦点并改变组合。在九天内，它在预测中达到了90%的准确率。

AI通过试错学习

与使用标记数据集训练机器学习模型的传统方法不同，BacterAI通过迭代过程生成自己的数据集，包括进行实验、分析结果和预测未来结果。这种方法使其能够用不到4,000个实验解码细菌的喂养规则。

“我们希望我们的AI代理采取步骤并跌倒，提出自己的想法并犯错误。每天，它都会变得更好、更聪明，”詹森说，强调了BacterAI的学习过程和儿童的相似之处。

研究中的AI未来

鉴于大约90%的细菌几乎没有被研究，传统方法在时间和资源要求方面构成了重大障碍。BacterAI进行自动化实验的能力可能会大大加速发现。在一天内，研究团队能够运行多达10,000个实验。

然而，BacterAI的潜在应用范围不仅限于微生物学。任何领域的研究人员都可以将问题作为谜题让AI通过这种试错过程来解决。

“最近几个月，主流AI突然爆发，很多人对其未来带来的影响感到不确定，既有积极的，也有消极的，”研究的首席作者、曾在詹森实验室工作的工程师亚当·达马（Adam Dama）说。“但对我来说，很明显，我们项目中这种专注的AI应用将会加速日常研究。”