人工智能（AI）系統解決了一個難題超過100年的難題：一個微小的淡水扁蟲如何再生其身體部位。
該系統是由馬薩諸塞州塔夫茨大學的研究人員開發進化原理。
為了證明該系統，研究人員將其從Planaria的實驗中進行了數據，該數據很小的蠕蟲重生復雜身體部位的非凡能力當被切碎時，它們使它們成為再生醫學中的受歡迎主題。
儘管科學家有一個多世紀的關注，並增加了對控制這些蠕蟲再生能力的干細胞的洞察力，但沒有人能夠提出一個完全解釋該過程的模型。那就是，到目前為止。 [信息圖：人工智能歷史這是給出的
6月4日在6月4日發表的一項研究的作者之一邁克爾·萊文（Michael Levin）說：“模型的發明是要解釋自然在做什麼是科學家所做的最具創造力的事情 - 這不僅是統計或數字處理，這是科學企業的核心和靈魂。”雜誌PLOS計算生物學描述了新系統。
萊文告訴《現場科學》：“在這裡，計算機確實回饋了更多的回饋。” “我們都無法提出這種模式。作為一個領域，我們在一個多世紀的努力之後就沒有這樣做。”
該系統由塔夫茨（Tufts）博士後研究員丹尼爾·洛博（Daniel Lobo）編程，研究人員的合著者。它通過採用試圖解釋再生方式並使它們進行“自然選擇”過程的模型來起作用。
從本質上講，潛在模型是通過模擬Planaria的各種實驗的虛擬模擬器運行的。然後，將結果與已發表的實驗的結果進行了比較，在該實驗中，平面被切成碎片，有時被藥物操縱或通過將基因撞倒之前，然後再生成充分的生物。
在每個週期中，最適合結果的潛在模型彼此“繁殖”以創建新的模型，而準確的模型則被丟棄。重複此過程，直到模型“演變”成完美擬合數據的過程。
研究人員說，使用此過程，AI系統能夠生成一個模型，該模型可以在短短42小時內正確預測數據集中包含的所有16個實驗。此外，該模型預測了研究人員進行的一系列新型實驗的結果，以測試其預測能力。 [人工智能：友好還是令人恐懼？這是給出的
克里斯蒂安·彼得森（Christian Petersen）是伊利諾伊州埃文斯頓（Evanston）西北大學的一位平角專家，他說，隨著計算機變得越來越強大，這些能力可能會變得更加有用。最終，AI系統“可以幫助調查人員建立有關發展途徑的新假設，這些假設可以通過實驗來確認。”
在AI系統可以使用Planaria數據之前，Levin和Lobo首先必須創建一種數學語言，可以理解機器可以理解的來描述每個實驗的方法和結果。
以前的大多數論文平層再生依靠所謂的箭頭圖顯示了復興所需的一系列過程，但它們通常在兩者之間包含明顯的差距。通過創建定量模型，AI系統首次闡明了整個過程。
萊文說：“計算機的美在於，它不能在地毯下掃除這類東西 - 算法必須確切地指定每種情況下會發生什麼。” “這是模型和我們必須移動的模型的強大要求，以便使用這些類型的實驗來進步再生醫學。”
萊文說，該項目最引人注目，最令人愉悅的結果是，該系統發現的模型也很容易被人們理解，並且“不是一個沒有人真正理解的絕望網絡”。
研究人員現在正在努力改善該模型，他們希望將來將其應用於其他生物學領域，例如胚胎的增長，甚至諸如諸如自我複制機器人。
萊文說：“我們越來越好在獲取這些龐大的深層數據集越來越好，但是對於人類在原始數據中淹沒的洞察力越來越困難。” “這個問題以及我們的方法幾乎是普遍的。它可以與任何功能數據存在的任何東西一起使用，但是基本機制很難猜測。”
遵循現場科學@livescience，，，，Facebook和Google+。原始文章現場科學。
