دیده بان پیشرفت علم، فناوری و نوآوری
آینده جهان با هوش مصنوعی (۱۸۹)؛

تحول زیست‌پزشکی با هوش مصنوعی/ مدل جدید بر حذف «توهم» متمرکز است

تحول زیست‌پزشکی با هوش مصنوعی  مدل جدید بر حذف «توهم» متمرکز است
نسل جدید هوش مصنوعی مولد ابزار‌هایی در اختیار محققان قرار می‌دهد که سطح پژوهش در حوزه زیست‌پزشکی را متحول خواهد کرد، این مدل مبتنی بر داده‌های ژنومی و پروتئینی است.
کد خبر : ۹۲۷۲۱۵

خبرگزاری علم و فناوری آنا؛ مدل‌های تخصصی هوش مصنوعی که بر اساس داده‌های بسیار دقیق آموزش می‌بینند ظرفیت کمک به کشف دارو‌های جدید و درمان بیماری‌ها از سرطان گرفته تا آلزایمر را دارند. از شبیه‌سازی‌های رادیولوژیکی و بافت‌شناسی گرفته تا تجزیه و تحلیل عمیق ژنومی و پروتئومی، زمینه تحقیقات زیست‌پزشکی به قدری غنی شده است که می‌تواند حتی با ظرفیت متخصصان برای پردازش اطلاعات تحت تأثیر قرار دهد؛ اما اگر بتوان دقت را بهبود بخشید، ترانسفورماتورهایِ از پیش آموزش‌دیده (GPT)، که چت جی پی تی یک نمونه برجسته از آن است، می‌تواند به دانشمندان در شناسایی الگو‌ها و بینش در داده‌های پیچیده کمک کند.

هوش مصنوعی مولد به سیستم‌ها اجازه می‌دهد تا از حجم عظیمی از داده‌های موجود بیاموزند و بر اساس دستورالعمل‌های کاربران داده‌های جدیدی ایجاد کنند. هوش مصنوعی مولدِ چندوجهی، که می‌تواند انواع مختلفی از داده‌ها مانند متن، تصویر و صدا را مدیریت کند، می‌تواند در طیف وسیعی از وظایف، از پیشنهاد ترکیبات شیمیایی برای مواد جدید و کشف دارو، تا تشخیص و درمان بیماری‌ها با استفاده از سوابق پزشکی و آسیب شناسی مفید باشد.

مرکز تحقیقات هوش مصنوعی ال جی در مارس ۲۰۲۴ اعلام کرد که با لابراتوار جکسون، یک سازمان مستقل و غیرانتفاعی تحقیقات زیست پزشکی در آمریکا، همکاری می‌کند. لابراتوار جکسون که در ابتدا در سال ۱۹۲۹ برای کشف مبانی ژنتیکی سرطان تأسیس شد، پیشگام استفاده از موش‌های آزمایشگاهی به عنوان مدل‌هایی برای بیماری‌های انسانی است. این لابراتوار امروزه، با استفاده از ابزار‌های مبتنی بر سلول و مدل‌سازی محاسباتی بر روی رابط ژنتیک موش و ژنومیک انسان برای کشف بیولوژی بیماری‌ها کار می‌کند.

کیونگهون بائه، رئیس تحقیقات هوش مصنوعی ال‌جی، در گروه ال‌جی در سئول، کره جنوبی، می‌گوید: علاوه بر تصاویر، داشتن داده‌های قابل اعتماد و با کیفیت برای آموزش هوش مصنوعی بسیار مهم است.

روش کار تیم تحقیقاتی

گوشتیران
قالیشویی ادیب

تیم‌های ال‌جی و جکسون با همکاری یکدیگر در حال توسعه مدل‌های هوش مصنوعی‌ای هستند که می‌تواند به سرعت سرطان را تشخیص دهد و به پیش‌بینی نتایج درمان از تصاویر آسیب‌شناسی و همچنین داده‌های ژنومی و بالینی کمک کند. محققان تین دو مؤسسه همچنین از یکی از مجموعه داده‌های موش جکسون استفاده می‌کنند که به داده‌های ژنومی، رفتاری و متابولیکی در طول عمر موش‌ها می‌پردازد تا مکانیسم‌هایی که ممکن است به مسیر بیماری آلزایمر یک فرد مربوط باشد را بررسی کند و پاسخ‌هایی برای مداخلات درمانی پیش‌بینی کنند. 

مشکل «توهم» هوش مصنوعی

مدل هوش مصنوعی مولد تحقیقاتی ال‌جی که «اِگزا وان» (EXAONE) نام دارد به طور خاص برای رفع مشکلاتی طراحی شده است که مشاغل و کاربران صنعتی هنگام استفاده از هوش مصنوعی مولد م با آن دست و پنجه نرم می‌کنند.

مدیر مرکز تحقیقات هوش مصنوعی ال جی می‌گوید: «زمانی که سایر مدل‌های هوش مصنوعی مولد را ارزیابی کردیم، به سرعت مشکلی را شناسایی کردیم که «توهم» نامیده می‌شود. توهم زمانی است که هوش مصنوعی اطلاعات نادرست را طوری ارائه می‌دهد که گویی واقعیت دارد. این می‌تواند به دلیل محدودیت‌های الگوریتمی یا آموزش هوش مصنوعی با داده‌های کم ارزش رخ دهد.

تحقیقات هوش مصنوعی ال جی یک مزیت طبیعی دارد. این شرکت مجوز استفاده از داده‌های با کیفیت بالا را از چندین شرکت وابسته به ال جی در زمینه‌های الکترونیک، شیمی و فناوری اطلاعات و ارتباطات گرفته است. برای گسترش تخصص «اِگزا وان» در شیمی، مرکز تحقیقات هوش مصنوعی ال جی این مدل را با داده‌های بیش از ۴۵ میلیون مقاله تحقیقاتی آموزش داد.

لایه‌های دفاعی در برابر توهم مدل «اِگزا وان» شامل یک چارچوب هوش مصنوعی است که به نام «نسل تقویت‌شده با بازیابی» (RAG) شناخته می‌شود.

«نسل تقویت‌شده با بازیابی» اطلاعات واقعی را از منابع خارجی بازیابی می‌کند که می‌تواند به مدل هوش مصنوعی کمک کند تا پاسخ‌های دقیق‌تری ارائه دهد. این مدل به‌جای تکیۀ صرف بر استنباط‌های حاصل از داده‌های آموزشی خود، به منابع داده‌های خارجی انتخاب‌شده نیز ارجاع می‌دهد.

مزیت دیگر این مدل در آن است که پاسخ‌های «اِگزا وان» به منبع داده یا مدل مورد استفاده برای ایجاد یک پیش‌بینی ارجاع می‌دهد. به این ترتیب، کاربر می‌تواند استدلال یا اطلاعات واقعی که بر اساس آن پاسخ گرفته است را ببیند و قضاوت خود را انجام دهد.

ساختار‌های مولکول

شیمی اغلب یک علم بسیار بصری است. «اِگزا وان» که بر روی ۳۵۰ میلیون جفت داده متن-تصویر آموزش دیده است، می‌تواند هم از متن و هم از تصاویر، از جمله تصویر ساختار‌های مولکولی و نمودار‌ها یاد بگیرد.

عملکرد اگزا وان در این زمینه توسط تیم توسعه پیشرفته «یادگیری انتقال» که در آن مدل‌های هوش مصنوعی اطلاعات مفیدی را برای انطباق بهتر با وظایف پیش‌بینی جدید، اما مرتبط به اشتراک می‌گذارند، پشتیبانی می‌شود. در حوزه شیمی، تکنیکی که مؤسسه تحقیقات هوش مصنوعی ال جی توسعه داده است به اگزا وان کمک می‌کند تا خواص مولکولی را با استفاده از اصول شیمیایی اساسی پیش‌بینی کند.

داوونگ جیانگ، دانشمند محقق در مؤسسه تحقیقات هوش مصنوعی ال جی توضیح می‌دهد: «اما از قوانین اصولی پیروی می‌کنند. برای مثال، نقطه جوش و کشش سطحی یک مایع، خواص مولکولی‌ای هستند که در زمینه‌های مختلف کاربرد دارند، اما اصل مشترک، جاذبه بین مولکول‌های مایع است.»

در فرآیند آموزش بر روی داده‌های تجربی، «اگزا وان» می‌تواند این اصول اساسی را برای افزایش قابلیت‌های پیش‌بینی خود بیاموزد امید این است که هوش مصنوعی بتواند به زودی با بهترین پیش‌بینی‌ها، جایگزین‌هایی برای مواد شیمیایی ارائه دهد یا راه‌هایی کارآمد برای ساخت داروی جدید مطرح کند و بهره‌وری شیمیدانان تجربی را افزایش دهد.
 
چشم‌انداز پزشکی

به جای ایجاد یک هوش مصنوعی مولد در مقیاس بزرگ، «اگزا وان» برای استفاده به عنوان چندین مدل هوش مصنوعی طراحی شده است که هر کدام در پشتیبانی از کارشناسان در زمینه‌های تحقیقاتی خاص تخصص دارند. این مدل همچنین از نظر مصرف انرژی کارآمدتر و ارزان‌تر است.

رودریگو هرمازابال، یکی دیگر از دانشمندان تحقیقاتی در تحقیقات هوش مصنوعی ال‌جی، می‌گوید که زیست‌پزشکی حوزه‌ای است که برای قابلیت‌های چندوجهی «اگزا وان» و پردازش داده‌های زیست‌پزشکی متنوع، از جمله سوابق پزشکی، مجموعه داده‌های ژنومی، اسلاید‌های بافت‌شناسی و رونوشت‌شناسی فضایی مناسب است.

برای مثال، مؤسسه جکسون و مرکز تحقیقات هوش مصنوعی ال جی در حال همکاری بر روی یک مدل هوش مصنوعی هستند و هدف آنها شناسایی نشانگر‌های زیستی جدید یا ترکیبات نشانگر زیستی است که می‌تواند برای طبقه‌بندی بیماران مبتلا به انواع مختلف بیماری آلزایمر استفاده شود.

یونگمین پارک، سرپرست تیم تجاری هوش مصنوعی در تحقیقات هوش مصنوعی ال‌جی، توضیح می‌دهد: «آزمایشگاه جکسون مجموعه داده‌های تحقیقاتی بسیار بزرگی در مورد آلزایمر دارد، از جمله داده‌های مدل‌های موش که دارای انواع ژنتیکی هستند که نشان‌دهنده آلل‌های خطر انسانی و جهش‌های ژنی مرتبط با این بیماری هستند.»

او همچنین توضیح می‌دهد: «ما قصد داریم پیشرفت بیماری را برای هر زیرگروه در مدل‌های موش دنبال کنیم. هدف استفاده از این داده‌ها برای کشف و شناسایی اهداف درمانی جدید و استراتژی‌های درمانی موثرتر برای افراد مبتلا به این شرایط است.»

اگزا وان با سایر مدل‌های هوش مصنوعی مولد تفاوت دارد، زیرا هدفش این است که برای متخصصان واقعی کاربرد داشته باشد.

ارسال نظر