Περίληψη άρθρου: 
Μια πλατφόρμα τεχνητής νοημοσύνης με την ονομασία BacterAI έχει αναπτυχθεί για να επιτρέπει στα ρομπότ να διεξάγουν έως και 10.000 επιστημονικά πειράματα την ημέρα, σύμφωνα με έκθεση στο Nature Microbiology. Η τεχνολογία χρησιμοποιήθηκε από ερευνητές του Πανεπιστημίου του Μίσιγκαν. Αποκαλύπτει συνδυασμούς αμινοξέων που τρέφουν δύο είδη βακτηρίων και θα μπορούσε να αποκαλύψει πολύ περισσότερα για το 90% των βακτηρίων που οι άνθρωποι έχουν μελετήσει ελάχιστα. Σε αντίθεση με τα παραδοσιακά μοντέλα μηχανικής μάθησης, το BacterAI δημιουργεί το δικό του σύνολο δεδομένων μέσω μιας σειράς πειραμάτων, αναλύοντας προηγούμενα αποτελέσματα για να βρει τις πιο κατατοπιστικές νέες δοκιμές, οδηγώντας ενδεχομένως σε δραστικό άλμα στο ρυθμό των ανακαλύψεων σε τομείς από την ιατρική έως τη γεωργία και την περιβαλλοντική επιστήμη. Η έρευνα χρηματοδοτήθηκε από τα Εθνικά Ινστιτούτα Υγείας και έλαβε υποστήριξη από την εταιρεία κατασκευής τσιπ Nvidia.

Κύρια σημεία του άρθρου:

• Ένα σύστημα τεχνητής νοημοσύνης με την ονομασία BacterAI έχει αναπτυχθεί για τη διεξαγωγή αυτόνομων επιστημονικών πειραμάτων, οδηγώντας ενδεχομένως σε ένα δραστικό άλμα προς τα εμπρός στο ρυθμό των ανακαλύψεων σε διάφορους τομείς.
• Το BacterAI μπόρεσε να ανακαλύψει τις απαιτήσεις αμινοξέων για την ανάπτυξη δύο ευεργετικών μικροβίων για τη στοματική υγεία, χωρίς να υπάρχουν βασικές πληροφορίες για να ξεκινήσει.
• Ο αυτοματοποιημένος πειραματισμός μπορεί να επιταχύνει δραστικά τις ανακαλύψεις και η τεχνολογία αυτή μπορεί να εφαρμοστεί σε οποιοδήποτε ερευνητικό πεδίο.

Αναλυτικά το άρθρο:
Ερευνητές του Πανεπιστημίου του Μίσιγκαν ανέπτυξαν ένα σύστημα τεχνητής νοημοσύνης (AI), που ονομάζεται BacterAI, το οποίο επιτρέπει στα ρομπότ να διεξάγουν έως και 10.000 αυτόνομα επιστημονικά πειράματα την ημέρα. Το σύστημα μπόρεσε να χαρτογραφήσει τον μεταβολισμό δύο μικροβίων που σχετίζονται με τη στοματική υγεία και απαιτούσαν συγκεκριμένα θρεπτικά συστατικά για να αναπτυχθούν, αποκαλύπτοντας ποια αμινοξέα χρειάζονταν τα ωφέλιμα μικρόβια. Οι ερευνητές πιστεύουν ότι η τεχνολογία θα μπορούσε να βοηθήσει στην επιτάχυνση των ανακαλύψεων σε τομείς όπως η ιατρική, η γεωργία και η περιβαλλοντική επιστήμη. Τα ευρήματα αναφέρθηκαν στην επιθεώρηση Nature Microbiology.

Το BacterAI μπορεί να προβλέψει τα πρότυπα ανάπτυξης των βακτηρίων Streptococcus. Το υπολογιστικό μοντέλο θα μπορούσε να βοηθήσει τους ερευνητές να κατανοήσουν καλύτερα τις απαιτήσεις των βακτηρίων σε αμινοξέα και να συμβάλει στην ανάπτυξη νέων θεραπειών για ασθένειες του στόματος. Οι παραδοσιακές μέθοδοι για τη μελέτη των προτύπων ανάπτυξης βακτηρίων είναι χρονοβόρες και επίπονες, αλλά το BacterAI ανακάλυψε με επιτυχία τις απαιτήσεις αμινοξέων για δύο τύπους βακτηρίων Streptococcus αναλύοντας γονιδιωματικά δεδομένα. Το εργαλείο θα μπορούσε να χρησιμοποιηθεί για τη μελέτη άλλων τύπων βακτηρίων που επηρεάζουν την ανθρώπινη υγεία.

Το BacterAI έχει αναπτύξει μια νέα μέθοδο για τη σίτιση βακτηρίων στο εργαστήριο. Αντί να χρησιμοποιεί μια προσέγγιση δοκιμής και λάθους, το BacterAI δημιουργεί το δικό του σύνολο δεδομένων μέσω μιας σειράς πειραμάτων. Η πλατφόρμα δοκίμασε εκατοντάδες συνδυασμούς αμινοξέων ανά ημέρα και άλλαζε τους συνδυασμούς κάθε πρωί με βάση τα αποτελέσματα της προηγούμενης ημέρας. Μέσα σε εννέα ημέρες, παρήγαγε ακριβείς προβλέψεις στο 90% των περιπτώσεων. Αναλύοντας τα αποτελέσματα των προηγούμενων δοκιμών, καταλήγει σε προβλέψεις για το ποια νέα πειράματα θα μπορούσαν να του δώσουν τις περισσότερες πληροφορίες. Ως αποτέλεσμα, βρήκε τους περισσότερους κανόνες για τη διατροφή των βακτηρίων με λιγότερα από 4.000 πειράματα. Η νέα μέθοδος θα μπορούσε να εξοικονομήσει χρόνο και πόρους στη βιοτεχνολογική έρευνα, επιτρέποντας στους επιστήμονες να προσδιορίζουν πιο γρήγορα και με μεγαλύτερη ακρίβεια τα θρεπτικά συστατικά που χρειάζονται τα βακτήρια για να αναπτυχθούν και να ευδοκιμήσουν σε διαφορετικά περιβάλλοντα.

"Όταν ένα παιδί μαθαίνει να περπατάει, δεν παρακολουθεί απλώς τους ενήλικες να περπατούν και μετά λέει "Εντάξει, το κατάλαβα", σηκώνεται και αρχίζει να περπατάει. Τριγυρνάει και κάνει κάποια προσπάθεια και λάθη πρώτα", δήλωσε ο Jensen.

"Θέλαμε ο παράγοντας τεχνητής νοημοσύνης μας να κάνει βήματα και να πέφτει, να βγάζει τις δικές του ιδέες και να κάνει λάθη. Κάθε μέρα, γίνεται λίγο καλύτερος, λίγο πιο έξυπνος".

Οι επιστήμονες βρήκαν έναν τρόπο να επιταχύνουν την ανακάλυψη νέων πληροφοριών για τα βακτήρια με τη χρήση αυτοματοποιημένων πειραμάτων. Έχουν διεξαχθεί ελάχιστες έρευνες για το 90% περίπου των βακτηρίων και οι παραδοσιακές μέθοδοι για να μάθουμε περισσότερα γι' αυτά είναι χρονοβόρες. Η νέα τεχνική περιλαμβάνει την εκτέλεση έως και 10.000 πειραμάτων σε μία μόνο ημέρα. Ο αυτοματοποιημένος πειραματισμός θα μπορούσε να εφαρμοστεί και σε άλλους τομείς της έρευνας, με τους επιστήμονες να θέτουν ερωτήματα ως γρίφους για την τεχνητή νοημοσύνη που θα επιλύει μέσω δοκιμής και λάθους.

"Με την πρόσφατη έκρηξη της επικρατούσας τεχνητής νοημοσύνης τους τελευταίους μήνες, πολλοί άνθρωποι είναι αβέβαιοι για το τι θα φέρει στο μέλλον, τόσο θετικά όσο και αρνητικά", δήλωσε ο Adam Dama, πρώην μηχανικός στο εργαστήριο Jensen και επικεφαλής συγγραφέας της μελέτης. "Αλλά για μένα, είναι πολύ σαφές ότι οι εστιασμένες εφαρμογές της τεχνητής νοημοσύνης, όπως το έργο μας, θα επιταχύνουν την καθημερινή έρευνα".

Η έρευνα χρηματοδοτήθηκε από τα Εθνικά Ινστιτούτα Υγείας με την υποστήριξη της NVIDIA.

Πηγή: AI could run a million microbial experiments per year.