پرترب‌ای‌آی و اوپن‌ای‌آی عامل‌های استدلال‌گر هوش مصنوعی را برای کشف‌های زیست‌پزشکی معرفی کردند
پرترب‌ای‌آی (PerturbAI)، اوپن‌ای‌آی (OpenAI) و همکارانشان این هفته نتایج تلاش یک‌ساله‌ای را منتشر کردند که هدف آن توسعه چارچوبی برای استدلال با هوش مصنوعی بود. این چارچوب به دانشمندان کمک می‌کند مجموعه‌داده‌های آزمایشی گسترده را تفسیر کنند، نتایج را به پژوهش‌های موجود پیوند دهند و فرضیه‌هایی تولید کنند که امکان آزمودن آن‌ها وجود دارد. جزئیات این پژوهش در پیش‌چاپی جدید در پایگاه bioRxiv با عنوان «عامل‌های هوش مصنوعی توزیع‌شده، کشف جامع بینش‌های زیستی را در مقیاس وسیع امکان‌پذیر می‌کنند» منتشر شده است.
علاوه بر دانشمندان پرترب‌ای‌آی و اوپن‌ای‌آی، پژوهشگرانی از مؤسسه پژوهشی اسکریپس، دانشگاه کالیفرنیا در سن‌دیگو و مؤسسه پزشکی هاوارد هیوز نیز از نویسندگان این مقاله هستند. آن‌ها در این پژوهش، نتایج به‌کارگیری چارچوب هوش مصنوعی را روی داده‌های اطلس کامل مغز پرترب‌ای‌آی شرح داده‌اند؛ اطلس یادشده اوایل همین سال منتشر شده بود. گروه پژوهشی هزاران عامل هوش مصنوعی ایجاد کرد تا پاسخ‌های سلولی را تحلیل کنند، در منابع علمی به جست‌وجو بپردازند و نتایج آزمایش‌ها را با دانش زیستی موجود مرتبط سازند. سپس سامانه یافته‌ها را در قالب یک اطلس استدلالی تلفیق کرد که ارتباط میان ژن‌ها، پاسخ‌های سلولی، اطلاعات منابع علمی پیشین و سازوکارهای زیستی احتمالی را نشان می‌داد.
به گفته پژوهشگران، هنگام استفاده از این چارچوب برای تحلیل اطلس کامل مغز، «هزاران عامل موازی، مجموعه‌داده را در عرض چند دقیقه به‌طور کامل بررسی کردند». این عامل‌ها بدون دسترسی به مقاله اصلی پژوهش، «نتایج آن را بازیابی کردند، اثرات دست‌کاری‌های آزمایشیِ کنارگذاشته‌شده از تحلیل را پیش‌بینی کردند و روابط میان دست‌کاری‌هایی را شناسایی کردند که بسته به شدت اثر، پیامدهای مشترک یا متضاد داشتند». این سامانه در مجموع تحلیل را طی ۳۲ دقیقه به پایان رساند. افزون بر این، «عامل‌های توزیع‌شده، دامنه پوشش منابع علمی را متناسب با حجم کار افزایش دادند و در مقایسه با حالت تک‌عاملی، صدها برابر منابع بیشتری بازیابی کردند».
برای ارزیابی کیفیت تفسیرهای عامل‌های هوش مصنوعی، زیست‌شناسان گزارش‌های آن‌ها را از نظر تازگی یافته‌ها، پشتوانه شواهد، اولویت انجام پژوهش‌های تکمیلی و میزان اطمینان بررسی کردند. طبق ارقام گزارش‌شده در پیش‌چاپ، در مقایسه‌های کور با گزارش‌های تولیدشده توسط یک عامل هوش مصنوعی، متخصصان انسانی در ۷۵ درصد موارد، یعنی در ۴۵ مورد از مجموع ۶۰ ارزیابی، تفسیرهای تولیدشده توسط عامل‌های استدلال‌گر را ترجیح دادند. تفسیرهای تک‌عاملی در ۱۰ مورد، معادل ۱۶٫۷ درصد، ترجیح داده شدند و پنج ارزیابی، معادل ۸٫۳ درصد، به نتیجه‌ای برابر انجامیدند.
این دستاورد بر پایه همکاری یک‌ساله‌ای شکل گرفته است که اکنون در حال گسترش به حوزه کشف مشترک اهداف دارویی است؛ حوزه‌ای که از داده‌های زیستی علّی اختصاصی پرترب‌ای‌آی بهره خواهد گرفت. پرترب‌ای‌آی و اوپن‌ای‌آی قصد دارند با استفاده از داده‌های علّی درون‌تنی (in vivo) این شرکت، چارچوب‌های استدلالی هوش مصنوعی خود را برای شناسایی اهداف دارویی جدید به کار بگیرند.
گریس ژنگ، دارای مدرک دکتری و مدیرعامل و هم‌بنیان‌گذار پرترب‌ای‌آی، گفت: «آزمایش‌های زیست‌پزشکی با سرعتی بیش از توان دانشمندان برای تفسیر داده‌ها، اطلاعات تولید می‌کنند؛ در نتیجه، احتمال دارد اکتشافات امیدوارکننده جدید همچنان پنهان بمانند. ترکیب داده‌های علّی در مقیاس گسترده که مستقیماً در سامانه‌های زنده تولید شده‌اند با هوش مصنوعی پیشرفته، از طریق همکاری ما با اوپن‌ای‌آی این امکان را فراهم می‌کند که داده‌های زیستی بیشتری را سریع‌تر و عمیق‌تر بررسی کنیم و فرایند کشف اهداف دارویی را نظام‌مندتر پیش ببریم.»
جوی جیاو، مسئول حوزه علوم زیستی در اوپن‌ای‌آی، نیز افزود: «با ترکیب داده‌های آزمایشی پرترب‌ای‌آی و توانایی‌های استدلالی اوپن‌ای‌آی، می‌توانیم به دانشمندان کمک کنیم بینش‌های زیستی جدیدی کشف کنند و سرنخ‌های امیدوارکننده‌ای برای توسعه دارو بیابند. مقیاس، کیفیت و سرعت موتور اکتشاف پرترب‌ای‌آی، این شرکت را به شریکی ایدئال تبدیل کرده است و این تازه آغاز دستاوردهایی است که می‌توانیم با همکاری یکدیگر به آن‌ها برسیم. اجرای هم‌زمان نزدیک به ۲ هزار عامل نشان می‌دهد چگونه می‌توان تفسیر داده‌های زیستی را همگام با آزمایش‌های پُربازده گسترش داد و به پژوهشگران کمک کرد یافته‌های خود را به داروهای بهتری تبدیل کنند.»