Ein System der künstlichen Intelligenz ermöglicht es Robotern, autonom wissenschaftliche Experimente durchzuführen – bis zu 10.000 pro Tag – und damit möglicherweise einen drastischen Sprung in der Geschwindigkeit der Entdeckungen in Bereichen von der Medizin über die Landwirtschaft bis hin zu den Umweltwissenschaften zu machen.
Die heute in Nature Microbiology veröffentlichte Studie wurde von einem Professor der University of Michigan geleitet.
Die Plattform für künstliche Intelligenz mit dem Namen BacterAI kartierte den Stoffwechsel von zwei Mikroben, die mit der Mundgesundheit in Verbindung gebracht werden – und das ohne jegliche Ausgangsdaten. Bakterien verbrauchen eine Kombination der 20 Aminosäuren, die für das Leben notwendig sind, aber jede Spezies benötigt spezifische Nährstoffe, um zu wachsen. Das U-M-Team wollte wissen, welche Aminosäuren die nützlichen Mikroben in unserem Mund benötigen, damit sie ihr Wachstum fördern können.
„Wir wissen fast nichts über die meisten der Bakterien, die unsere Gesundheit beeinflussen. Zu verstehen, wie Bakterien wachsen, ist der erste Schritt, um unser Mikrobiom neu zu gestalten“, sagte Paul Jensen, U-M Assistenzprofessor für Biomedizintechnik, der zu Beginn des Projekts an der Universität von Illinois war.
Die Kombination von Aminosäuren herauszufinden, die Bakterien mögen, ist jedoch schwierig. Diese 20 Aminosäuren ergeben mehr als eine Million möglicher Kombinationen, je nachdem, ob eine Aminosäure vorhanden ist oder nicht. BacterAI war jedoch in der Lage, die Aminosäureanforderungen für das Wachstum von Streptococcus gordonii und Streptococcus sanguinis zu ermitteln.
Um die richtige Formel für jede Spezies zu finden, testete BacterAI täglich Hunderte von Aminosäurekombinationen, verfeinerte seinen Fokus und änderte die Kombinationen jeden Morgen auf der Grundlage der Ergebnisse des Vortages. Innerhalb von neun Tagen lieferte es in 90 % der Fälle genaue Vorhersagen.
Im Gegensatz zu herkömmlichen Ansätzen, bei denen markierte Datensätze in ein maschinelles Lernmodell eingespeist werden, erstellt BacterAI seinen eigenen Datensatz durch eine Reihe von Experimenten. Durch die Analyse der Ergebnisse früherer Versuche erstellt es Vorhersagen darüber, welche neuen Experimente ihm die meisten Informationen liefern könnten. So hat es mit weniger als 4.000 Experimenten die meisten Regeln für die Ernährung von Bakterien herausgefunden.
„Wenn ein Kind laufen lernt, schaut es nicht einfach den Erwachsenen beim Laufen zu und sagt dann ‚Ok, ich hab’s verstanden‘, steht auf und beginnt zu laufen. Sie fummeln herum und probieren zuerst etwas aus“, so Jensen.
„Wir wollten, dass unser KI-Agent Schritte macht und hinfällt, dass er auf eigene Ideen kommt und Fehler macht. Jeden Tag wird er ein bisschen besser, ein bisschen schlauer.“
Etwa 90 % der Bakterien sind bisher kaum oder gar nicht erforscht, und der Zeit- und Ressourcenaufwand, der erforderlich ist, um mit herkömmlichen Methoden auch nur grundlegende wissenschaftliche Informationen über sie zu gewinnen, ist entmutigend. Automatisierte Experimente können diese Entdeckungen drastisch beschleunigen. Das Team führte bis zu 10 000 Experimente an einem einzigen Tag durch.
Die Anwendungen gehen jedoch über die Mikrobiologie hinaus. Forscher in jedem Bereich können Fragen als Rätsel aufstellen, die die KI durch diese Art von Versuch und Irrtum lösen kann.
„Angesichts der explosionsartigen Verbreitung von KI in den letzten Monaten sind viele Menschen verunsichert, was die Zukunft bringen wird, sowohl positiv als auch negativ“, so Adam Dama, ehemaliger Ingenieur im Jensen-Labor und Hauptautor der Studie. „Aber für mich ist klar, dass gezielte Anwendungen von KI wie unser Projekt die alltägliche Forschung beschleunigen werden.“
Die Forschung wurde von den National Institutes of Health mit Unterstützung von NVIDIA finanziert.
