نوآوری در مدیریت برای توسعه پایدار

Kolnegar Private Media (Management Innovation for Sustainable Development)

9 فروردین 1403 1:07 ب.ظ

هوش مصنوعی می تواند سالانه یک میلیون آزمایش میکروبی انجام دهد

4 مه 2023 -توسط جیم لینچ، دانشگاه میشیگان

پروفسور پل جنسن (دوم به سمت راست) و دانشجویان فارغ التحصیل (از چپ) دیپتی سورش، نوئل تونگ و بنجامین دیوید ربات خود را در حال انجام آزمایشات خودکار بررسی می کنند. عکس از Marcin Szczepanski/مهندسی میشیگان

یک سیستم هوش مصنوعی ربات‌ها را قادر می‌سازد تا آزمایش‌های علمی مستقلی را انجام دهند – به اندازه 10000 آزمایش در روز – که به طور بالقوه باعث جهش چشمگیر در سرعت اکتشاف در زمینه‌هایی از پزشکی گرفته تا کشاورزی و علوم محیطی می‌شود.

امروز در Nature Microbiology گزارش شده است، این تحقیق توسط استادی که اکنون در دانشگاه میشیگان است، رهبری می شود.

این پلتفرم هوش مصنوعی که BacterAI نامیده می‌شود، متابولیسم دو میکروب مرتبط با سلامت دهان را بدون هیچ اطلاعات پایه‌ای برای شروع ترسیم می‌کند . باکتری ها ترکیبی از 20 اسید آمینه مورد نیاز برای حمایت از زندگی را مصرف می کنند، اما هر گونه برای رشد به مواد مغذی خاصی نیاز دارد. تیم U-M می خواست بداند که میکروب های مفید در دهان ما به چه آمینو اسیدهایی نیاز دارند تا بتوانند رشد خود را تقویت کنند.

پل جنسن، استادیار مهندسی زیست پزشکی U-M که در زمان شروع پروژه در دانشگاه ایلینویز بود، گفت: “ما تقریباً هیچ چیز در مورد بیشتر باکتری هایی که بر سلامت ما تأثیر می گذارند نمی دانیم. درک چگونگی رشد باکتری ها اولین گام به سمت مهندسی مجدد میکروبیوم است.” .

با این حال، پی بردن به ترکیب اسیدهای آمینه ای که باکتری ها دوست دارند مشکل است. این 20 اسید آمینه بیش از یک میلیون ترکیب ممکن را تولید می کنند، فقط بر اساس اینکه آیا هر اسید آمینه وجود دارد یا نه. با این حال، BacterAI توانست اسید آمینه مورد نیاز برای رشد استرپتوکوک گوردونی و استرپتوکوک سانگوئینیس را کشف کند.

برای یافتن فرمول مناسب برای هر گونه، BacterAI صدها ترکیب از اسیدهای آمینه را در روز آزمایش کرد، تمرکز خود را افزایش داد و هر روز صبح ترکیبات را بر اساس نتایج روز قبل تغییر داد. ظرف 9 روز، 90 درصد مواقع پیش‌بینی‌های دقیقی را ارائه می‌کرد.

برخلاف روش‌های مرسوم که مجموعه داده‌های برچسب‌گذاری شده را به یک مدل یادگیری ماشینی تغذیه می‌کنند، BacterAI مجموعه داده‌های خود را از طریق یک سری آزمایش ایجاد می‌کند. با تجزیه و تحلیل نتایج آزمایش‌های قبلی، پیش‌بینی‌هایی در مورد اینکه چه آزمایش‌های جدیدی ممکن است بیشترین اطلاعات را به آن بدهد، ارائه می‌شود. در نتیجه، با کمتر از 4000 آزمایش، اکثر قوانین تغذیه باکتری ها را کشف کرد.

جنسن گفت: “وقتی کودک راه رفتن را یاد می‌گیرد، تنها راه رفتن بزرگسالان را تماشا نمی‌کند و سپس می‌گوید “باشه، متوجه شدم”، بلند می‌شود و شروع به راه رفتن می‌کند.

“ما می‌خواستیم عامل هوش مصنوعی ما قدم‌هایی بردارد و زمین بخورد، ایده‌های خودش را بیاورد و اشتباه کند. هر روز کمی بهتر، کمی هوشمندتر می‌شود.”

تحقیقات اندکی بر روی تقریباً 90 درصد باکتری ها انجام شده است، و مقدار زمان و منابع مورد نیاز برای یادگیری حتی اطلاعات علمی اولیه در مورد آنها با استفاده از روش های مرسوم، دلهره آور است. آزمایش های خودکار می تواند این اکتشافات را به شدت افزایش دهد. این تیم بیش از 10000 آزمایش را در یک روز انجام داد.

اما کاربردها فراتر از میکروبیولوژی است. محققان در هر زمینه ای می توانند سوالاتی را به عنوان پازل برای هوش مصنوعی تنظیم کنند تا از طریق این نوع آزمون و خطا حل شوند.

آدام داما، مهندس سابق آزمایشگاه جنسن و نویسنده اصلی این مطالعه گفت: «با انفجار اخیر جریان اصلی هوش مصنوعی در چند ماه گذشته، بسیاری از مردم در مورد آنچه که در آینده چه مثبت و چه منفی به همراه خواهد داشت، مطمئن نیستند. . اما برای من، بسیار واضح است که کاربردهای متمرکز هوش مصنوعی مانند پروژه ما، تحقیقات روزمره را سرعت می بخشد.

https://phys.org

آیا این نوشته برایتان مفید بود؟

مطالب مرتبط

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *