05. Mai 2023 (Nanowerk-Neuigkeiten) Ein künstliche Intelligenz ermöglicht es Robotern, autonome wissenschaftliche Experimente durchzuführen – bis zu 10,000 pro Tag – und möglicherweise einen drastischen Sprung nach vorne im Entdeckungstempo in Bereichen von der Medizin über die Landwirtschaft bis hin zu den Umweltwissenschaften voranzutreiben. Eingemeldet Natur Mikrobiologie („BacterAI bildet mikrobiellen Stoffwechsel ohne Vorkenntnisse ab“), wurde das Team von einem Professor an der University of Michigan geleitet. Diese Plattform für künstliche Intelligenz mit dem Namen BacterAI kartierte den Stoffwechsel von zwei Mikroben, die mit der Mundgesundheit in Verbindung gebracht werden – zunächst ohne grundlegende Informationen. Bakterien verbrauchen eine Kombination der 20 Aminosäuren, die zur Unterstützung des Lebens benötigt werden, aber jede Art benötigt spezifische Nährstoffe, um zu wachsen. Das UM-Team wollte wissen, welche Aminosäuren von den nützlichen Mikroben in unserem Mund benötigt werden, damit sie ihr Wachstum fördern können.
Paul Jensen, Assistenzprofessor an der University of Michigan Biomedical Engineering, und seine Doktoranden haben einen Agenten für künstliche Intelligenz entwickelt, der spielerische Roboter verwendet, um wissenschaftliche Fragen zu beantworten. BacterAI kann autonome wissenschaftliche Experimente für Roboter zuweisen, die schließlich zu Antworten führen, für deren Beantwortung Menschen normalerweise Jahre brauchen würden. Ihr Deep Phenotyping-System hat seit Januar 931,038 2020 automatisierte Experimente durchgeführt. (Bild: Marcin Szczepanski, Michigan Engineering) „Wir wissen fast nichts über die meisten Bakterien, die unsere Gesundheit beeinflussen. Zu verstehen, wie Bakterien wachsen, ist der erste Schritt zur Umgestaltung unseres Mikrobioms“, sagte Paul Jensen, Assistenzprofessor für Biomedizintechnik an der University of Illinois, der zu Beginn des Projekts an der University of Illinois war.
Es ist jedoch schwierig, die Kombination von Aminosäuren herauszufinden, die Bakterien mögen. Diese 20 Aminosäuren ergeben mehr als eine Million mögliche Kombinationen, nur basierend darauf, ob jede Aminosäure vorhanden ist oder nicht. BacterAI war jedoch in der Lage, die Aminosäureanforderungen für das Wachstum von sowohl Streptococcus gordonii als auch Streptococcus sanguinis zu entdecken.
Um die richtige Formel für jede Art zu finden, testete BacterAI Hunderte von Kombinationen von Aminosäuren pro Tag, verfeinerte seinen Fokus und änderte die Kombinationen jeden Morgen basierend auf den Ergebnissen des Vortages. Innerhalb von neun Tagen lieferte es in 90 % der Fälle genaue Vorhersagen.
Im Gegensatz zu herkömmlichen Ansätzen, die beschriftete Datensätze in ein maschinelles Lernmodell einspeisen, erstellt BacterAI seinen eigenen Datensatz durch eine Reihe von Experimenten. Durch die Analyse der Ergebnisse früherer Versuche erstellt es Vorhersagen darüber, welche neuen Experimente ihm die meisten Informationen liefern könnten. Infolgedessen hat es die meisten Regeln für die Fütterung von Bakterien mit weniger als 4,000 Experimenten herausgefunden.
„Wenn ein Kind laufen lernt, sieht es den Erwachsenen nicht nur beim Gehen zu und sagt dann ‚Ok, ich hab's', steht auf und beginnt zu laufen. Sie fummeln herum und machen zuerst ein bisschen Trial-and-Error“, sagte Jensen.
„Wir wollten, dass unser KI-Agent Schritte unternimmt und hinfällt, auf eigene Ideen kommt und Fehler macht. Jeden Tag wird es ein bisschen besser, ein bisschen intelligenter.“ An ungefähr 90 % der Bakterien wurde wenig bis gar keine Forschung durchgeführt, und der Zeit- und Ressourcenaufwand, der erforderlich ist, um mit herkömmlichen Methoden selbst grundlegende wissenschaftliche Informationen über sie zu erhalten, ist entmutigend. Automatisiertes Experimentieren kann diese Entdeckungen drastisch beschleunigen. Das Team führte an einem einzigen Tag bis zu 10,000 Experimente durch.
Aber die Anwendungen gehen über die Mikrobiologie hinaus. Forscher in allen Bereichen können Fragen als Rätsel aufstellen, die die KI durch diese Art von Versuch und Irrtum lösen kann.
„Angesichts der jüngsten Explosion der Mainstream-KI in den letzten Monaten sind viele Menschen unsicher, was sie in der Zukunft bringen wird, sowohl positiv als auch negativ“, sagte Adam Dama, ein ehemaliger Ingenieur im Jensen Lab und Hauptautor der Studie .
Paul Jensen, Assistenzprofessor an der University of Michigan Biomedical Engineering, und seine Doktoranden haben einen Agenten für künstliche Intelligenz entwickelt, der spielerische Roboter verwendet, um wissenschaftliche Fragen zu beantworten. BacterAI kann autonome wissenschaftliche Experimente für Roboter zuweisen, die schließlich zu Antworten führen, für deren Beantwortung Menschen normalerweise Jahre brauchen würden. Ihr Deep Phenotyping-System hat seit Januar 931,038 2020 automatisierte Experimente durchgeführt. (Bild: Marcin Szczepanski, Michigan Engineering) „Wir wissen fast nichts über die meisten Bakterien, die unsere Gesundheit beeinflussen. Zu verstehen, wie Bakterien wachsen, ist der erste Schritt zur Umgestaltung unseres Mikrobioms“, sagte Paul Jensen, Assistenzprofessor für Biomedizintechnik an der University of Illinois, der zu Beginn des Projekts an der University of Illinois war.
Es ist jedoch schwierig, die Kombination von Aminosäuren herauszufinden, die Bakterien mögen. Diese 20 Aminosäuren ergeben mehr als eine Million mögliche Kombinationen, nur basierend darauf, ob jede Aminosäure vorhanden ist oder nicht. BacterAI war jedoch in der Lage, die Aminosäureanforderungen für das Wachstum von sowohl Streptococcus gordonii als auch Streptococcus sanguinis zu entdecken.
Um die richtige Formel für jede Art zu finden, testete BacterAI Hunderte von Kombinationen von Aminosäuren pro Tag, verfeinerte seinen Fokus und änderte die Kombinationen jeden Morgen basierend auf den Ergebnissen des Vortages. Innerhalb von neun Tagen lieferte es in 90 % der Fälle genaue Vorhersagen.
Im Gegensatz zu herkömmlichen Ansätzen, die beschriftete Datensätze in ein maschinelles Lernmodell einspeisen, erstellt BacterAI seinen eigenen Datensatz durch eine Reihe von Experimenten. Durch die Analyse der Ergebnisse früherer Versuche erstellt es Vorhersagen darüber, welche neuen Experimente ihm die meisten Informationen liefern könnten. Infolgedessen hat es die meisten Regeln für die Fütterung von Bakterien mit weniger als 4,000 Experimenten herausgefunden.
„Wenn ein Kind laufen lernt, sieht es den Erwachsenen nicht nur beim Gehen zu und sagt dann ‚Ok, ich hab's', steht auf und beginnt zu laufen. Sie fummeln herum und machen zuerst ein bisschen Trial-and-Error“, sagte Jensen.
„Wir wollten, dass unser KI-Agent Schritte unternimmt und hinfällt, auf eigene Ideen kommt und Fehler macht. Jeden Tag wird es ein bisschen besser, ein bisschen intelligenter.“ An ungefähr 90 % der Bakterien wurde wenig bis gar keine Forschung durchgeführt, und der Zeit- und Ressourcenaufwand, der erforderlich ist, um mit herkömmlichen Methoden selbst grundlegende wissenschaftliche Informationen über sie zu erhalten, ist entmutigend. Automatisiertes Experimentieren kann diese Entdeckungen drastisch beschleunigen. Das Team führte an einem einzigen Tag bis zu 10,000 Experimente durch.
Aber die Anwendungen gehen über die Mikrobiologie hinaus. Forscher in allen Bereichen können Fragen als Rätsel aufstellen, die die KI durch diese Art von Versuch und Irrtum lösen kann.
„Angesichts der jüngsten Explosion der Mainstream-KI in den letzten Monaten sind viele Menschen unsicher, was sie in der Zukunft bringen wird, sowohl positiv als auch negativ“, sagte Adam Dama, ein ehemaliger Ingenieur im Jensen Lab und Hauptautor der Studie .
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoAiStream. Web3-Datenintelligenz. Wissen verstärkt. Hier zugreifen.
- Die Zukunft prägen mit Adryenn Ashley. Hier zugreifen.
- Kaufen und verkaufen Sie Anteile an PRE-IPO-Unternehmen mit PREIPO®. Hier zugreifen.
- Quelle: https://www.nanowerk.com/news2/robotics/newsid=62949.php
