人工智能自行实验生成数据集，将给实验室研发工作带来巨大影响
人工智能系统通过实验而不是依赖带标签的数据集来生成其数据集的能力是关键
人工智能（AI）通过加速研发过程并使其更加高效和准确，正在彻底改变实验室研究领域。人工智能最近的突破使其每年能够进行多达100万次微生物实验，并对制药制造过程中的粗糙表面进行分类。人工智能进行数量惊人的实验的能力是一项开创性的成就，为微生物研究等领域带来了巨大的希望。
一个值得注意的突破是名为BacterAI的人工智能驱动系统，该系统由密歇根大学的一个研究人员团队开发，每天可以进行多达10,000次独立的科学实验。与依赖标记数据集的传统方法不同，BacterAI通过实验生成其数据集，使用结果来预测哪些新实验将提供最多的信息。在九天内，该系统90%的时间都产生了准确的预测，用不到4000个实验发现了喂养细菌的大部分规则。这种人工智能实验方法可能会加速包括微生物学的各个领域的研究。
同样，麻省理工学院和武田大学的研究人员最近撰写的一项研究提出了一种新方法，该方法使用物理和机器学习对制药制造过程中表征混合物中颗粒的粗糙表面进行分类。基于物理增强自相关性的估计器（PEACE）技术使用激光束在过滤和干燥期间照亮粒子，并使用物理和机器学习测量粒度分布。机器学习算法（在开始的时候）不需要许多数据集来学习如何工作，因为该系统利用物理学允许快速训练神经网络。该过程不需要停止和启动该过程，使整个工作比标准操作程序更安全、更高效。
这些人工智能驱动的系统为实验室研究带来了巨大的希望，因为它们可以显著加快发现的步伐，从而对各种微生物疾病和病症进行更高效和有效的治疗。传统的细菌研究方法非常耗时，需要大量资源，大约90%的细菌仍然需要研究。自动实验可以显著加快研究过程，团队可以每天进行多达10,000次实验。此外，使用人工智能对制药制造过程中的颗粒进行分类可以使药物生产更加高效、可持续和具有成本效益，从而减少公司在制造产品时需要进行的实验数量。
BacterAI和PEACE只是人工智能驱动的实验室研究的开始，随着这些系统的不断发展，特别是这些人工智能系统通过实验而不是依赖带标签的数据集来生成其数据集的能力，是提高实验室研究效率并减少失败批次数量的重要一步。这些使得人工智能与实验室研究的结合具备商业上产生直接利润的巨大潜力，有可能彻底改变许多领域的研究工作，从而对某些产业的未来产生巨大影响。
- 发表于:
- 原文链接：https://kuaibao.qq.com/s/20230507A007CK00?refer=cp_1026
- 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号（企鹅号）传播渠道之一，根据《腾讯内容开放平台服务协议》转载发布内容。
- 如有侵权，请联系 cloudcommunity@tencent.com 删除。
相关快讯
扫码
添加站长 进交流群
领取专属 10元无门槛券
私享最新 技术干货
腾讯云开发者
