استفاده فیس بوك از تحقیقات پزشكی برای پیشبرد هوش مصنوعی
کوتاه کننده لینک: پژوهشگران ˮفیس بوکˮ اهتمام دارند تا هوش مصنوعی را برای ارائه درمان های ترکیبی متفاوت به کار بگیرند.
به گزارش کوتاه کننده لینک به نقل از ایسنا و به نقل از فست کمپانی، پژوهشگران "آزمایشگاه پژوهش هوش مصنوعی فیس بوک"(FAIR) اهتمام دارند ماشین ها را آموزش دهند تا مانند انسان ها فکر کنند. این بدان معناست که ماشین ها بتوانند مهارت ها یا اطلاعات را فرا بگیرند و با بهره گیری از آنها، چیزی کاملا جدید به وجود بیاورند. یکی از این مهارت ها می تواند آشپزی باشد.
"دیوید لوپز پاز"(David Lopez-Paz)، از پژوهشگران این پروژه اظهار داشت: ما هنگام یادگیری آشپزی، ابتدا دستورالعمل های ساده را یاد می گیریم و سپس آنها را برای رسیدن به غذاهای پیچیده تر، با یکدیگر ترکیب می نماییم. ماشین ها هنوز نمی توانند چنین کاری را انجام دهند.
این مفهوم، با نام "یادگیری ترکیبی"(compositional learning) شناخته می شود. پژوهشگران برای آموزش دادن رفتار انسان به ماشین ها، منابع را در حوزه پزشکی به کار گرفتند که در آن باید شمار نامحدودی از مشکلات پیچیده حل شوند. آنها در تازه ترین پژوهش خود که با همکاری پژوهشگران آلمانی انجام داده اند، به بررسی این مساله پرداخته اند که چگونه می توان پزشکی را بیشتر شخصی سازی کرد. این گروه پژوهشی، از یک مدل هوش مصنوعی استفاده کردند که می تواند ترکیب درمان های مختلف همچون داروها و ژن درمانی را پیش بینی نماید و بر سلول ها اثر بگذارد.
پژوهشگران امیدوارند که این مدل آزمایشی بتواند به آنها در تنظیم درمان بیماران بر طبق میزان بیماری در سطح سلولی کمک نماید.
این پژوهش، به فیسبوک فرصت می دهد تا هوش مصنوعی خودرا اصلاح کند. لوپز پاز اظهار داشت: آنچه من را به سمت این پروژه جذب کرد، مجموعه غنی داده ها و نیاز به تحلیل های ترکیبی است که ماشین های آزمایشگاه پژوهش هوش مصنوعی فیسبوک را به چالش می کشند تا با روش ترکیبی یاد بگیرند.
وی ادامه داد: هدف ما این است تا پژوهش در حوزه هوش مصنوعی را پیش ببریم و برای این کار همیشه در جستجوی موضوعات چالش برانگیز هستیم.
"فابیان تیس"(Fabian Thies)، از پژوهشگران این پروژه اظهار داشت: آنچه ما انجام می دهیم، کوشش برای درک نحوه تصمیم گیری سلول ها است.
شاید این مساله متناقض به نظر برسد اما یک سلول می تواند اطلاعات زیادی در مورد سلامت یک فرد به دانشمندان عرضه نماید. برای نمونه، سرطان می تواند با یک ژن جهش یافته در یک سلول به وجود بیاید که تکثیر می شود. دانشمندان باور دارند که داشتن دانش عمیق تر در مورد یک یا چند سلول سرکش، به آنها کمک می نماید تا روش های درمانی مناسب تری را عرضه کنند. دانشمندان بصورت سنتی، سلول ها را در گروه های بزرگ تجزیه و تحلیل کرده اند تا نحوه کارکرد آنها را درک کنند اما با پیشرفت های اخیر فناوری، بررسی آرایش سلول ها ساده تر شده است.
دانشمندان در سال ۲۰۱۵، مجموعه داده هایی را در مورد سلول های انفرادی ارائه دادند که "اطلس سلولی"(The Cell Atlas) نام گرفت. تیس، لوپز پاز و یک گروه چندرشته ای از پژوهشگران، مدل هوش مصنوعی خودرا طراحی کردند تا سرآمد این مجموعه داده ها باشند. هدف از این پژوهش ها، کمک کردن به عملکرد این مجموعه بزرگ داده ها است.
این مدل تلاش می کند تا نحوه ترکیب درمان ها را در دوزهای خاصی که بر سلول اثر می گذارند، به پژوهشگران بگوید. این مدل، کار خودرا در مورد داروها و درمان های دیگری مانند اصلاح ژن کریسپر انجام می دهد؛ به همین دلیل، همه پیش بینی های این مدل، از دقت یکسان برخوردار نیستند.
برای نمونه، کریسپر در آزمایش های بالینی، برای درمان کم خونی داسی شکل به کار می رود. کریسپر برای این کار، قسمتی از رمز ژنتیکی را که عامل بیماری است، اصلاح می کند. شاید مدل هوش مصنوعی فیسبوک تلاش کند تا به محاسبه تاثیر استفاده از درمان مبتنی بر کریسپر و همین طور یک داروی ثانویه بپردازد اما از آنجائیکه کریسپر یک تکنولوژی جدید است، هنوز داده های کافی برای درک نحوه تاثیر اصلاح کریسپر بر سلول خصوصاً در ترکیب با یک درمان دیگر وجود ندارد.
تیس اظهار داشت: بااینکه این پیش بینی ها بر طبق داده های محدودی هستند اما به دانشمندان کمک می کنند تا پژوهش های بیشتری را شروع کنند.
منبع: gph.ir
این مطلب را می پسندید؟
(1)
(0)
تازه ترین مطالب مرتبط
نظرات بینندگان gph در مورد این مطلب