یک سیستم هوش مصنوعی (AI) یک چالش را حل کرده است که بیش از 100 سال است که دانشمندان را ناامید کرده است: چگونه یک کرم کوچک پلاناریا کریستال آب شیرین بخشی از بدن خود را بازسازی می کند؟

این سیستم هوش مصنوعی توسط محققان دانشگاه توفتس در ماساچوست برای کمک به کوه های داده های تجربی در زیست شناسی با استفاده از روش الهام گرفته از اصول تکامل، توسعه یافت .

برای نشان دادن این سیستم، محققان آن را بر روی داده های آزمایش هایی از پلاناریا – کرم های کوچکی که توانایی فوق العاده ای برای بازسازی قطعات پیچیده بدن در هنگام از بین رفتن آنها را در زمینه پزشکی تجدید پذیر ساخته اند، کار می کنند.

انتظار

با وجود بیش از یک قرن توجه از دانشمندان و افزایش بینش به مسیرهای شیمیایی که سلول های بنیادی را مسئول توانایی های ناسازگار پلاناریا ها برای بازسازی می دانند، هیچ کدام قادر به ارائه یک مدل کامل نبودند که به طور کامل توضیح داده شود.

عملکرد کامپیوتر

مایکل لوین، یکی از نویسندگان این مطالعه، اظهار داشت: “اختراع مدل های هوش مصنوعی برای توضیح آنچه که طبیعت انجام می دهد، بیشترین چیز خلاقانه است که دانشمندان انجام می دهند – این فقط آمار و ارقام نیست، بلکه این قلب و روح سرمایه گذاری علمی است.”

لوین به خبرگزاری Live Science گفت: “در اینجا، کامپیوتر و هوش مصنوعی واقعا بیشتر از چیزی که در آن قرار داده شده است بازگردانده است.” “هیچ کدام از ما نمیتوانستیم این مدل را پیش ببریم. ما، ، با بیش از یک قرن تلاش نتوانستیم این کا را انجام دهیم.”

این سیستم هوش مصنوعی توسط Daniel Lobo، یک محقق پست دکترا در Tufts و همکارانش، برنامه ریزی شده بود. با استفاده از مدل هایی که تلاش می کنند توضیح دهند که چگونه بازسازی پلاناریا اتفاق می افتد و آنها را به یک فرایند “انتخاب طبیعی” می نامند، کار می کند.

چگونگی شبیه سازی

اساسا، مدل های بالقوه از طریق یک شبیه ساز مجازی اجرا می شوند که آزمایش های مختلف را بر روی نقشه می کشد؛ سپس، نتایج آن با نتایج آزمایش ها منتشر شده مقایسه می شود که در آن پلاناریا به قطعات تقسیم شده و بعضی اوقات با دارو های خاص یا با داشتن ژن هایی که قبل از احیا شدن به ارگانیزم های کامل از بین رفته اند، بریده شده اند.

هوش مصنوعی در هر چرخه، مدل های بالقوه ای که بهترین نتایج را به دست می آورند، برای تولید مدل های جدید به یکدیگر متصل می کند و از کم اهمیت ترها دور می شوند. این فرآیند تا زمانی که مدلها “تکامل” را به یک آن کاملا متناسب با داده ها تکرار شود، تکرار میکنند.

محققان گفتند که با استفاده از این فرآیند، سیستم هوش مصنوعی (AI) قادر به تولید یک مدل خواهد بود که به درستی پیش بینی تمام 16 آزمایش انجام شده در مجموعه داده ها را ظرف مدت 42 ساعت انجام بدهد. علاوه بر این، مدل پیش بینی نتایج یک سری از آزمایش های جدید انجام شده توسط محققان برای آزمایش قدرت پیش بینی آن است.

کریستین پترسن، متخصص کارشناسی ارشد از دانشگاه شمال غرب در ایوانستون، ایلینوی، گفت که این قابلیت ها می تواند حتی بیشتر مفید باشد زیرا کامپیوتر ها قوی تر می شوند. در نهایت، سیستم های هوش مصنوعی (AI) “می تواند به محققان کمک کند تا از طریق آزمایش ها، فرضیه های جدیدی در مورد مسیرهای توسعه ایجاد کنند که می تواند از طریق آزمایش تایید شود”.

قبل از اینکه سیستم هوش مصنوعی (AI) بتواند بر روی داده های پلاناریا کار کند، ابتدا لوین و لوبو باید یک زبان ریاضی را که دستگاه بتواند برای توصیف روش و نتایج هر آزمایش، ابتدا ایجاد کند، ایجاد کنند.

اکثر مقالات قبلی در موردبازسازی منظم به اصطلاح دیاگرام arrow که به دنبال مجموعه ای از فرآیندهای لازم برای بازسازی هستند، متکی هستند، اما اغلب آنها دارای شکاف های چشمگیر در میان خود هستند. با ایجاد یک مدل کمی، سیستم هوش مصنوعی برای اولین بار تمام پروسه را پر کرده است.

لووین گفت: “زیبایی کامپیوتر این است که نمی تواند این نوع چیزها را زیر فرش بگذارد – الگوریتم هوش مصنوعی باید مشخص کند در هر شرایطی دقیقا چه اتفاقی خواهد افتاد “. “این یک الزام قوی برای یک مدل و انواع مدل هایی است که ما مجبور به حرکت به سوی آن هستیم، تا از این نوع آزمایش ها برای پیشبرد پزشکی احیا کننده استفاده کنیم.”

لوین گفت، نتیجه قابل توجه و دلپذیر پروژه، این است که مدل توسط سیستم کشف شده توسط مردم نیز قابل فهم است و “شبکه ای ناامید کننده و پیچیده ای نیست که هیچ انسانی نتواند آن را درک کند“.

محققان در حال حاضر برای بهبود مدل تلاش می کنند و در آینده امیدوارند که آن را در زمینه های دیگر توسعه زیست شناسی ، مانند رشد جنین ها و مشکلات مانند آن را رفع کنند .

لویین گفت: “ما در حال به دست آوردن این مجموعه های بزرگ و مجموعه های عمیق بهتر هستیم، اما برای انسان ها غرق شدن در داده های خام سخت تر می شود.” “این مشکل و رویکرد ما تقریبا جهانی است. می توان آن را با هر چیزی که در آن داده های کاربردی وجود دارد استفاده کرد اما مکانیسم پایه ای دشوار است.”