Un sistema de inteligencia artificial demostró la capacidad para permitir a los robots realizar experimentos científicos autónomos (hasta 10,000 por día), lo que podría impulsar un salto drástico en el ritmo de los descubrimientos en áreas que van desde la medicina hasta la agricultura y las ciencias ambientales.
Presentada en Nature Microbiology, la investigación fue dirigida por un profesor ahora en la Universidad de Michigan. Esa plataforma de inteligencia artificial, denominada “BacterAI”, mapeó el metabolismo de dos microbios asociados con la salud bucal, sin información de referencia para empezar.
Las bacterias consumen alguna combinación de los 20 aminoácidos necesarios para mantener la vida, pero cada especie requiere nutrientes específicos para crecer. El equipo, de la Universidad de Michigan, quería saber qué aminoácidos necesitan los microbios beneficiosos en nuestra boca para que puedan promover su crecimiento.
“No sabemos casi nada sobre la mayoría de las bacterias que influyen en nuestra salud. Comprender cómo crecen las bacterias es el primer paso para rediseñar nuestro microbioma”, dijo en un comunicado Paul Jensen, profesor asistente de ingeniería biomédica de la U-M que estaba en la Universidad de Illinois cuando comenzó el proyecto.
Sin embargo, descubrir la combinación de aminoácidos que les gusta a las bacterias es complicado. Esos 20 aminoácidos producen más de un millón de combinaciones posibles, solo en función de si cada aminoácido está presente o no. Sin embargo, BacterAI pudo descubrir los requisitos de aminoácidos para el crecimiento tanto de Streptococcus gordonii como de Streptococcus sanguinis.
Para encontrar la fórmula adecuada para cada especie, BacterAI probó cientos de combinaciones de aminoácidos por día, perfeccionando su enfoque y cambiando las combinaciones cada mañana en función de los resultados del día anterior. En nueve días, estaba produciendo predicciones precisas el 90 por ciento del tiempo.
“La inteligencia artificial acelera la investigación diaria"
A diferencia de los enfoques convencionales que alimentan conjuntos de datos etiquetados en un modelo de aprendizaje automático, BacterAI crea su propio conjunto de datos a través de una serie de experimentos. Al analizar los resultados de ensayos anteriores, se le ocurren predicciones de qué nuevos experimentos podrían brindarle la mayor cantidad de información. Como resultado, descubrió la mayoría de las reglas para alimentar bacterias con menos de 4,000 experimentos.
“Cuando un niño aprende a caminar, no solo mira a los adultos caminar y luego dice ‘Está bien, lo tengo’, se pone de pie y comienza a caminar. Primero busca a tientas y hace un poco de prueba y error. Queríamos que nuestro agente de IA diera pasos y se cayera, que tuviera sus propias ideas y cometiera errores. Cada día, mejora un poco, es un poco más inteligente”, dijo Jensen.
Se ha realizado poca o ninguna investigación sobre aproximadamente el 90 por ciento de las bacterias, y la cantidad de tiempo y recursos necesarios para aprender incluso información científica básica sobre ellas utilizando métodos convencionales es abrumadora. La experimentación automatizada puede acelerar drásticamente estos descubrimientos. El equipo realizó hasta 10,000 experimentos en un solo día.
Pero las aplicaciones van más allá de la microbiología. Los investigadores de cualquier campo pueden plantear preguntas como acertijos para que la IA las resuelva a través de este tipo de prueba y error.
“Con la reciente explosión de la IA convencional en los últimos meses, muchas personas no están seguras de lo que traerá en el futuro, tanto positivo como negativo”, dijo Adam Dama, exingeniero de Jensen Lab y autor principal del estudio.
Fuente: Newsweek