Platforma sztucznej inteligencji, nazwana BacterAI, zmapowała metabolizm dwóch drobnoustrojów związanych ze zdrowiem jamy ustnej – bez żadnych podstawowych informacji na początek. Bakterie zużywają pewną kombinację 20 aminokwasów potrzebnych do podtrzymania życia, ale każdy gatunek potrzebuje określonych składników odżywczych do wzrostu. 

Współpraca medycyny i sztucznej inteligencji 

– Nie wiemy prawie nic o większości bakterii, które wpływają na nasze zdrowie. Zrozumienie, w jaki sposób bakterie rosną, to pierwszy krok w kierunku przeprojektowania naszego mikrobiomu – powiedział Paul Jensen, adiunkt inżynierii biomedycznej UM, który pracował na Uniwersytecie Illinois w momencie rozpoczęcia projektu.

Ustalenie kombinacji aminokwasów, które lubią bakterie, jest jednak trudne. Te 20 aminokwasów daje ponad milion możliwych kombinacji, tylko opierając się na tym, czy każdy aminokwas jest obecny, czy nie. Jednak BacterAI był w stanie odkryć wymagania aminokwasowe dla wzrostu zarówno Streptococcus gordonii, jak i Streptococcus sanguinis.

Aby znaleźć odpowiednią formułę dla każdego gatunku, BacterAI przetestował setki kombinacji aminokwasów dziennie, doskonaląc swoją koncentrację i zmieniając kombinacje każdego ranka. W tym celu opierał się na wynikach z poprzedniego dnia. W ciągu 9 dni generował dokładne prognozy przez 90% czasu pracy.

W przeciwieństwie do konwencjonalnych podejść, które wprowadzają oznaczone zestawy danych do modelu uczenia maszynowego, BacterAI tworzy własny zestaw danych poprzez serię eksperymentów. Analizując wyniki poprzednich prób, przewiduje, jakie nowe eksperymenty mogą dostarczyć najwięcej informacji. W rezultacie odkrył większość zasad żywienia bakterii w mniej niż 4000 eksperymentów. BacterAI może przydzielać robotom autonomiczne eksperymenty naukowe, które ostatecznie prowadzą do odpowiedzi, których uzyskanie w standardowym trybie trwałoby lata. 

– Kiedy dziecko uczy się chodzić, nie patrzy po prostu na chodzących dorosłych, a potem mówi „OK, rozumiem”, wstaje i zaczyna chodzić. Najpierw grzebią i wykonują kilka prób i błędów – powiedział Jensen. – Chcieliśmy, żeby nasz agent AI stawiał kroki i upadał, miał własne pomysły i popełniał błędy. Każdego dnia staje się trochę lepszy, trochę mądrzejszy.

MOŻE ZAINTERESUJE CIĘ TAKŻE

Obsługa i monitorowanie

Sztuczna inteligencja w systemach wizyjnych

Większa produktywność i wyższa jakość — jak systemy wizyjne oparte na sztucznej inteligencji mogą pomóc firmom łatwo zautomatyzować procesy produkcyjne.

Automatyzacja przyspiesza pracę naukowców 

Na około 90% bakterii przeprowadzono niewiele badań lub nie przeprowadzono ich wcale, a ilość czasu i zasobów potrzebnych do poznania nawet podstawowych informacji naukowych na ich temat przy użyciu konwencjonalnych metod jest przytłaczająca. Zautomatyzowane eksperymenty mogą drastycznie przyspieszyć te odkrycia. Zespół przeprowadził do 10 000 eksperymentów w ciągu jednego dnia.

Ale zastosowania wykraczają poza mikrobiologię. Naukowcy z dowolnej dziedziny mogą ustawiać pytania jako łamigłówki, które sztuczna inteligencja ma rozwiązywać za pomocą tego rodzaju prób i błędów.

– W związku z niedawną eksplozją głównego nurtu sztucznej inteligencji w ciągu ostatnich kilku miesięcy, wiele osób nie ma pewności co do tego, co przyniesie w przyszłości, zarówno pozytywne, jak i negatywne – powiedział Adam Dama, były inżynier w Jensen Lab i główny autor badania. – Ale dla mnie jest bardzo jasne, że ukierunkowane zastosowania sztucznej inteligencji, takie jak nasz projekt, przyspieszą codzienne badania.

Badania zostały sfinansowane przez National Institutes of Health przy wsparciu firmy NVIDIA.

Źródło: Uniwersytet Michigan