密歇根大学研究团队：人工智能每年可以进行一百万个微生物实验

自动化揭示了喂养两种细菌的​​氨基酸组合，并可以告诉我们更多关于人类几乎没有研究过的 90% 的细菌。人工智能系统使机器人能够进行自主科学实验——每天多达 10,000 次——有可能推动从医学到农业再到环境科学等领域的发现步伐发生巨大飞跃。

在《自然微生物学》杂志上报道，该团队由现在密歇根大学的一位教授领导。这个名为 BacterAI 的人工智能平台描绘了两种与口腔健康相关的微生物的新陈代谢——没有任何基线信息作为起点。细菌消耗维持生命所需的 20 种氨基酸的某种组合，但每个物种都需要特定的营养素才能生长。UM 团队想知道我们口腔中的有益微生物需要哪些氨基酸来促进它们的生长。

“我们对影响我们健康的大多数细菌几乎一无所知。了解细菌如何生长是重新设计我们微生物组的第一步，”该项目开始时在伊利诺伊大学的密歇根大学生物医学工程助理教授 Paul Jensen 说。 .

然而，弄清楚细菌喜欢的氨基酸组合是很棘手的。这 20 种氨基酸产生超过一百万种可能的组合，仅基于每种氨基酸是否存在。然而，BacterAI 能够发现戈登链球菌和血统链球菌生长所需的氨基酸。

为了找到适合每个物种的正确配方，BacterAI 每天测试数百种氨基酸组合，每天早上根据前一天的结果磨练注意力并改变组合。在 9 天内，它在 90% 的时间内做出准确的预测。

与将标记数据集输入机器学习模型的传统方法不同，BacterAI 通过一系列实验创建自己的数据集。通过分析以前试验的结果，它可以预测哪些新实验可能会为它提供最多的信息。结果，它用不到 4000 次实验就找出了喂养细菌的大部分规则。

“当一个孩子学会走路时，他们不会只是看着大人走路然后说‘好的，我知道了’，然后站起来开始走路。他们会四处摸索，然后先试错，”詹森说。

“我们希望我们的 AI 智能体采取措施并跌倒，提出自己的想法并犯错误。每一天，它都会变得更好，更聪明。”

几乎没有对大约 90% 的细菌进行过研究，使用传统方法了解有关它们的基本科学信息所需的时间和资源量令人望而生畏。自动化实验可以大大加快这些发现的速度。该团队在一天内进行了多达 10,000 次实验。

但应用超出了微生物学。任何领域的研究人员都可以将问题设置成谜题，让人工智能通过这种试错来解决。

“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、该研究的主要作者亚当达马说. “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。”

该研究由美国国立卫生研究院资助，并得到 NVIDIA 的支持。