科學背後需要收集大量的資料，才可以分析歸納整理及建立理論，對人們來說是個浩大工程，但人工智慧來說卻是小菜一碟，美國密西根大學開發出來的 BacterAI 新平台每天可以進行多達 10,000 次實驗，以機器學習方式，讓我們了解更多細菌知識。
人們身體健康與微生物群有關，光是腸道內就千種共生微生物，和平共處才是維持健康祕訣，但就算微生物群與我們的健康有著千絲萬縷的聯繫，但如何管理、哪些跟健康有關等資料，仍然是個值得探索與挖掘的事情。
通訊作者 Paul Jensen 表示，跟我們健康有關的細菌，我們基本上一無所知，因此了解細菌生長是重新設計微生物資料庫的第一步。
美國密西根大學團隊瞄準人工智慧，透過電腦的數據集以及尋找圖形樣式，用於分析細菌資料，但考量到 90% 細菌不在資料庫，沒有太多資料可以輸入到機器學習，團隊再開發出 BacterAI 平台，可以在沒有先驗資料的情況下研究細菌。
而這個平台就是讓實驗室的機器人不斷進行實驗，從頭開始創立自己的數據集，最終能將所得轉換成一組科學家可以理解和進一步測試的邏輯規則。
目前 BacterAI 已經被用在研究格氏鏈球菌、血統鏈球菌兩種常見口腔細菌的新陳代謝，從 20 種氨基酸就有超過一百萬種可能組合。因此為了找出正確配方， BacterAI 每天測試數百種氨基酸組合，挑選最有希望的組合，之後就可以進入下一個實驗階段。
團隊表示，BacterAI 每天進行多達 10,000 次實驗，9 天後能夠在 90% 時間內做出精準預測。
Jensen 表示，就好比嬰兒學走路，不是光看著大人走路然後拍拍手說「好窩，我知道了」，之後爬起來開始走路，小孩會四處摸索，不斷試錯最後成功，而我們希望 AI 經過不斷嘗試，提出自己的想法、再修正想法，隨著時間流逝變得更聰明。
最終團隊也希望 BacterAI 新平台能加速發現細菌，助新藥或其他有用分子的開發一臂之力，提供有用的資料。
- AI runs 10,000 experiments a day on bacteria to speed up discoveries
- AI could run a million microbial experiments per year
（首圖來源：密西根大學）
科技新報粉絲團
加入好友
訂閱免費電子報
