شماره: 35609
1400/01/31
استفاده فیسبوک از تحقیقات پزشکی برای پیشبرد هوش مصنوعی
استفاده فیسبوک از تحقیقات پزشکی برای پیشبرد هوش مصنوعی


پژوهشگران "فیس‌بوک" سعی دارند تا هوش مصنوعی را برای ارائه درمان‌های ترکیبی متفاوت به کار بگیرند.

 

به گزارش ایسنا و به نقل از فست‌کمپانی، پژوهشگران "آزمایشگاه پژوهش هوش مصنوعی فیس‌بوک"(FAIR) سعی دارند ماشین‌ها را آموزش دهند تا مانند انسان‌ها فکر کنند. این بدان معناست که ماشین‌ها بتوانند مهارت‌ها یا اطلاعات را فرا بگیرند و با استفاده از آنها، چیزی کاملا جدید به وجود بیاورند. یکی از این مهارت‌ها می‌تواند آشپزی باشد.
"دیوید لوپز پاز"(David Lopez-Paz)، از پژوهشگران این پروژه گفت: ما هنگام یادگیری آشپزی، ابتدا دستورالعمل‌های ساده را یاد می‌گیریم و سپس آنها را برای رسیدن به غذاهای پیچیده‌تر، با یکدیگر ترکیب می‌کنیم. ماشین‌ها هنوز نمی‌توانند چنین کاری را انجام دهند.
این مفهوم، با نام "یادگیری ترکیبی"(compositional learning) شناخته می‌شود. پژوهشگران برای آموزش دادن رفتار انسان به ماشین‌ها، منابع را در حوزه پزشکی به کار گرفتند که در آن باید شمار نامحدودی از مشکلات پیچیده حل شوند. آنها در جدیدترین پژوهش خود که با همکاری پژوهشگران آلمانی انجام داده‌اند، به بررسی این موضوع پرداخته‌اند که چگونه می‌توان پزشکی را بیشتر شخصی‌سازی کرد. این گروه پژوهشی، از یک مدل هوش مصنوعی استفاده کردند که می‌تواند ترکیب درمان‌های گوناگون از جمله داروها و ژن‌درمانی را پیش‌بینی کند و بر سلول‌ها اثر بگذارد.
پژوهشگران امیدوارند که این مدل آزمایشی بتواند به آنها در تنظیم درمان بیماران براساس میزان بیماری در سطح سلولی کمک کند.
این پژوهش، به فیس‌بوک فرصت می‌دهد تا هوش مصنوعی خود را اصلاح کند. لوپز پاز گفت: آنچه من را به سوی این پروژه جذب کرد، مجموعه غنی داده‌ها و نیاز به تحلیل‌های ترکیبی است که ماشین‌های آزمایشگاه پژوهش هوش مصنوعی فیس‌بوک را به چالش می‌کشند تا با روش ترکیبی یاد بگیرند.
وی افزود: هدف ما این است تا پژوهش در حوزه هوش مصنوعی را پیش ببریم و برای این کار همیشه در جستجوی موضوعات چالش‌برانگیز هستیم.
"فابیان تیس"(Fabian Thies)، از پژوهشگران این پروژه گفت: آنچه ما انجام می‌دهیم، تلاش برای درک نحوه تصمیم‌گیری سلول‌ها است.
شاید این موضوع متناقض به نظر برسد اما یک سلول می‌تواند اطلاعات زیادی در مورد سلامت یک فرد به دانشمندان ارائه دهد. برای نمونه، سرطان می‌تواند با یک ژن جهش یافته در یک سلول به وجود بیاید که تکثیر می‌شود. دانشمندان باور دارند که داشتن دانش عمیق‌تر در مورد یک یا چند سلول سرکش، به آنها کمک می‌کند تا روش‌های درمانی مناسب‌تری را ارائه دهند. دانشمندان به صورت سنتی، سلول‌ها را در گروه‌های بزرگ تجزیه و تحلیل کرده‌اند تا نحوه کارکرد آنها را درک کنند اما با پیشرفت‌های اخیر فناوری، بررسی آرایش سلول‌ها ساده‌تر شده است.
دانشمندان در سال ۲۰۱۵، مجموعه داده‌هایی را در مورد سلول‌های انفرادی ارائه دادند که "اطلس سلولی"(The Cell Atlas) نام گرفت. تیس، لوپز پاز و یک گروه چندرشته‌ای از پژوهشگران، مدل هوش مصنوعی خود را طراحی کردند تا سرآمد این مجموعه داده‌ها باشند. هدف از این پژوهش‌ها، کمک کردن به عملکرد این مجموعه بزرگ داده‌ها است.
این مدل تلاش می‌کند تا نحوه ترکیب درمان‌ها را در دوزهای خاصی که بر سلول اثر می‌گذارند، به پژوهشگران بگوید. این مدل، کار خود را در مورد داروها و درمان‌های دیگری مانند اصلاح ژن کریسپر انجام می‌دهد؛ به همین دلیل، همه پیش‌بینی‌های این مدل، از دقت یکسان برخوردار نیستند.
برای نمونه، کریسپر در آزمایش‌های بالینی، برای درمان کم‌خونی داسی شکل به کار می‌رود. کریسپر برای این کار، بخشی از رمز ژنتیکی را که عامل بیماری است، اصلاح می‌کند. شاید مدل هوش مصنوعی فیس‌بوک تلاش کند تا به محاسبه تاثیر استفاده از درمان مبتنی بر کریسپر و همچنین یک داروی ثانویه بپردازد اما از آنجا که کریسپر یک فناوری جدید است، هنوز داده‌های کافی برای درک نحوه تاثیر اصلاح کریسپر بر سلول به ویژه در ترکیب با یک درمان دیگر وجود ندارد.
تیس گفت: اگرچه این پیش‌بینی‌ها براساس داده‌های محدودی هستند اما به دانشمندان کمک می‌کنند تا پژوهش‌های بیشتری را آغاز کنند.

منبع:
 ایسنا



حق انتشار محفوظ است ©