ใหม่ของ Googleเครื่องมือ (AI) ได้ร้าวปัญหาที่นักวิทยาศาสตร์ใช้เวลาหนึ่งทศวรรษในการแก้ปัญหาในเวลาเพียงสองวัน
JoséPenadésและเพื่อนร่วมงานของเขาที่ Imperial College London ใช้เวลา 10 ปีในการหาว่า superbugs บางคนได้รับการต่อต้านยาปฏิชีวนะ - ภัยคุกคามที่เพิ่มขึ้นเรียกร้องชีวิตหลายล้านชีวิตในแต่ละปี-
แต่เมื่อทีมให้ "นักวิทยาศาสตร์ร่วม" ของ Google-เครื่องมือ AI ที่ออกแบบมาเพื่อทำงานร่วมกับนักวิจัย-คำถามนี้ในระยะเวลาสั้น ๆ การตอบสนองของ AI ได้สร้างคำตอบเช่นเดียวกับการค้นพบที่ไม่ได้เผยแพร่ในเวลาเพียงสองวัน
ประหลาดใจPenadésส่งอีเมล Google เพื่อตรวจสอบว่าพวกเขาสามารถเข้าถึงงานวิจัยของเขาได้หรือไม่ บริษัท ตอบว่าไม่ได้ นักวิจัยเผยแพร่ผลการวิจัยของพวกเขา 19 ก.พ. บนเซิร์ฟเวอร์ preprintผู้มีชีวิตดังนั้นพวกเขายังไม่ได้รับการตรวจสอบโดยเพื่อน
"สิ่งที่การค้นพบของเราแสดงให้เห็นว่า AI มีศักยภาพในการสังเคราะห์หลักฐานที่มีอยู่ทั้งหมดและนำเราไปยังคำถามที่สำคัญที่สุดและการออกแบบการทดลอง"Tiago Dias da costaอาจารย์ในการเกิดโรคแบคทีเรียที่ Imperial College Londonกล่าวในแถลงการณ์- "หากระบบทำงานได้ดีเท่าที่เราหวังไว้นี่อาจเป็นการเปลี่ยนแปลงเกมการปกครอง 'Dead End' และช่วยให้เราสามารถก้าวหน้าได้อย่างมีประสิทธิภาพ"
ใช้ AI เพื่อต่อสู้กับ superbugs
ความต้านทานยาต้านจุลชีพ (AMR) เกิดขึ้นเมื่อจุลินทรีย์ติดเชื้อเช่นแบคทีเรียไวรัสเชื้อราและปรสิต - ได้รับความต้านทานต่อยาปฏิชีวนะ ขนานนามว่า "การระบาดเงียบ, "AMR เป็นหนึ่งในภัยคุกคามสุขภาพที่ใหญ่ที่สุดเผชิญหน้ากับมนุษยชาติเป็นการใช้ยาปฏิชีวนะมากเกินไปและในทางที่ผิดทั้งในด้านการแพทย์และการเกษตรเร่งความชุก
ตามรายงาน 2019 โดยศูนย์ควบคุมและป้องกันโรค (CDC)แบคทีเรียที่ดื้อต่อยาเสียชีวิตอย่างน้อย 1.27 ล้านคนทั่วโลกในปีนั้น ผู้เสียชีวิตประมาณ 35,000 คนอยู่ในสหรัฐอเมริกาเพียงอย่างเดียวซึ่งหมายความว่าเราเสียชีวิตจากปัญหาได้ถูกแทง 52% ตั้งแต่รายงาน AMR ล่าสุดของ CDC ในปี 2013-
ในการตรวจสอบปัญหาPenadésและทีมของเขาเริ่มค้นหาวิธีการที่ superbug ประเภทหนึ่ง-ครอบครัวของไวรัสที่ติดเชื้อแบคทีเรียที่รู้จักกันในชื่อ Capsid-downing phage-inducible inducible หมู่เกาะ (CF-picis)-ได้รับความสามารถในการติดเชื้อแบคทีเรียที่หลากหลาย
ที่เกี่ยวข้อง:
นักวิทยาศาสตร์ตั้งสมมติฐานว่าไวรัสเหล่านี้ทำสิ่งนี้โดยการใช้หางซึ่งใช้ในการฉีดจีโนมไวรัสเข้าไปในเซลล์แบคทีเรียโฮสต์จากไวรัสที่ติดเชื้อแบคทีเรียที่แตกต่างกัน การทดลองพิสูจน์ให้เห็นว่าลางสังหรณ์ของพวกเขาถูกต้องเผยให้เห็นกลไกการพัฒนาในการถ่ายโอนยีนแนวนอนที่ชุมชนวิทยาศาสตร์ไม่เคยตระหนักมาก่อน
ก่อนที่ทุกคนในทีมจะแบ่งปันสิ่งที่ค้นพบต่อสาธารณะนักวิจัยได้ตั้งคำถามเดียวกันนี้ไปยังเครื่องมือนักวิทยาศาสตร์ร่วมของ AI ของ Google หลังจากสองวัน AI กลับคำแนะนำหนึ่งคือสิ่งที่พวกเขารู้ว่าเป็นคำตอบที่ถูกต้อง
“ สิ่งนี้หมายความว่าอัลกอริทึมสามารถดูหลักฐานที่มีอยู่วิเคราะห์ความเป็นไปได้ถามคำถามการออกแบบการทดลองและเสนอสมมติฐานเดียวกันกับที่เรามาถึงการวิจัยทางวิทยาศาสตร์หลายปี แต่ในช่วงเวลาหนึ่ง” Penadésศาสตราจารย์ด้านจุลชีววิทยา
นักวิจัยตั้งข้อสังเกตว่าการใช้ AI ตั้งแต่เริ่มต้นจะไม่ลบความจำเป็นในการทำการทดลอง แต่มันจะช่วยให้พวกเขาเกิดสมมติฐานได้เร็วกว่านี้มากดังนั้นจึงช่วยพวกเขาไปหลายปี
แม้จะมีการค้นพบที่มีแนวโน้มเหล่านี้และการใช้ AI ในวิทยาศาสตร์ยังคงเป็นที่ถกเถียงกันอยู่ ยกตัวอย่างเช่นการวิจัยที่เพิ่มขึ้นของ AI ได้รับการช่วยเหลือแสดงให้เห็นว่าไม่สามารถเกิดขึ้นได้หรือแม้แต่ทันทีหลอกลวง- เพื่อลดปัญหาเหล่านี้และเพิ่มประโยชน์สูงสุดที่ AI สามารถนำมาสู่การวิจัยนักวิทยาศาสตร์กำลังเสนอเครื่องมือในการตรวจจับการประพฤติผิด AIและสร้างกรอบจริยธรรมเพื่อประเมินความถูกต้องของการค้นพบ
