由密歇根大学教授领导的研究团队设计的名为 BacterAI 的人工智能平台展示了其进行数量惊人的自主科学实验的能力——每天多达 10,000 次。人工智能的突破性应用可以为包括医学、农业和环境科学在内的各个领域的快速发展铺平道路。

研究结果发表在《自然微生物学》《 Nature Microbiology》上。

用 BacterAI 破译微生物代谢

BacterAI 的开发是为了绘制与口腔健康相关的两种微生物的新陈代谢，没有任何基线信息作为起点。细菌复杂的代谢过程涉及消耗生命所需的 20 种氨基酸的特定组合，该研究的目的是确定有益口腔微生物促进其生长所需的精确氨基酸。

“我们对大多数影响我们健康的细菌几乎一无所知，了解细菌如何生长是重新设计我们的微生物组的第一步，”密歇根大学生物医学工程助理教授 Paul Jensen 说，他在项目开始时就读于伊利诺伊大学。

AI 简化了一项具有挑战性的任务

由于超过一百万种可能的组合，解码细菌的首选氨基酸组合是一项艰巨的任务。然而，BacterAI 能够成功确定戈登链球菌和血统链球菌生长所需的氨基酸。

BacterAI 的方法涉及每天测试数百种氨基酸组合，根据前一天的实验结果每天改进其重点并改变组合。在九天的时间里，它的预测准确率达到了 90%。

通过反复试验进行 AI 学习

与使用标记数据集训练机器学习模型的传统方法不同，BacterAI 通过进行实验、分析结果和预测未来结果的迭代过程生成自己的数据集，这种方法使其能够通过不到 4,000 次实验破译喂养细菌的规则。

“我们希望我们的 AI 智能体采取措施并倒下，提出自己的想法并犯错。每一天，它都会变得更好一点，更聪明一点，”Jensen说，并强调了 BacterAI 和孩子的学习过程之间的相似之处。

人工智能研究的未来

鉴于几乎没有对大约 90% 的细菌进行过研究，传统方法在所需的时间和资源方面存在重大障碍。BacterAI 进行自动化实验的能力可以大大加速发现。在一天之内，该团队设法进行了多达 10,000 次实验。

然而，BacterAI 的潜在应用超出了微生物学。任何领域的研究人员都可以通过这种试错过程将问题作为谜题交给人工智能来解决。

“随着最近几个月主流人工智能的爆炸式增长，许多人不确定它会在未来带来什么，无论是积极的还是消极的，”詹森实验室前工程师、该研究的主要作者 Adam Dama说. “但对我来说，很明显，像我们的项目这样的 AI 集中应用将加速日常研究。”

参考链接：https://www.unite.ai/accelerating-scientific-discoveries-ai-conducts-autonomous-experiments/