هوش مصنوعی اسرار رشد جنین را آشکار می‌کند_بام وطن

پژوهش تازه «دانشگاه پلیموث»(University of Plymouth) نشان داده است که یک مدل تازه مبتنی بر هوش مصنوعی می‌تواند از ویدئو تشخیص دهد که در طول رشد جنین چه اتفاقی و در چه وقتی رخ می‌دهد.

به نقل از ساینمگ، این پژوهش مشخص می کند که چطور یک مدل یادگیری عمیق موسوم به «Dev-ResNet» می‌تواند وقوع رویدادهای کلیدی رشد از جمله کارکرد قلب، خزیدن و حتی مرگ را در حلزون‌های برکه‌ای شناسایی کند.

نوآوری کلیدی در این پژوهش، یک مدل سه‌بعدی است که از تغییرات رخ‌داده بین فریم‌های ویدیو منفعت گیری می‌کند و هوش مصنوعی را قادر می‌سازد تا از این ویژگی‌ها درس بگیرد. این روش برخلاف منفعت گیری سنتی‌ از تصاویر ثابت است.

منفعت گیری از ویدئو به این معناست که Dev-ResNet، ویژگی‌هایی را از اولین ضربان قلب یا خزیدن گرفته تا راه اندازی پوسته یا تخم‌گذاری به طور قابل مطمعن شناسایی می‌کند و حساسیت‌ ویژگی‌های گوناگون را نسبت به دما مشخص می کند.

اگرچه Dev-ResNet در جنین‌های حلزون برکه‌ای منفعت گیری شده است اما پژوهشگران می‌گویند که این مدل می‌تواند کاربرد گسترده‌ای را در همه گونه‌ها داشته باشد. آنها مستندات جامعی را برای اعمال Dev-ResNet در سیستم‌های متفاوت بیولوژیکی فراهم کرده‌اند.

این روش را در آینده می‌توان برای پشتیبانی به تسریع فهمیدن چگونگی تأثیر تغییرات آب‌وهوایی و دیگر عوامل بیرونی بر انسان و حیوانات منفعت گیری کرد.

«زیاد ایبینی»(Ziad Ibbini) دانشجوی مقطع دکتری دانشگاه پلیموث که Dev-ResNet را طراحی کرده و آموزش داده است، او گفت: ترسیم رویدادهای رشد یا بازدید این که چه اتفاقی در زمان رشد اولیه یک حیوان رخ می‌دهد، زیاد چالش‌برانگیز اما در عین حال زیاد مهم است چون به ما پشتیبانی می‌کند تا تغییرات رخ‌داده را در زمان‌بندی اتفاقات بین گونه‌ها و محیط‌ها فهمیدن کنیم. مدل Dev-ResNet یک شبکه عصبی سه‌بعدی کوچک و کارآمد است که می‌تواند رویدادهای رشد را با منفعت گیری از ویدئوها تشخیص دهد و به راحتی آموزش داده شود. تنها محدودیت‌های واقعی، در تشکیل داده‌ها برای آموزش دادن مدل یادگیری عمیق است. ما می‌دانیم که این مدل کار می‌کند. فقط باید داده‌های آموزشی مناسب را به آن اراعه دهید.

او گفت: ما می‌خواهیم جامعه علمی گسترده‌تری را به راه حلهایی تجهیزکنیم که آنها را قادر می‌سازند تا فهمیدن بهتری را از نحوه رشد یک گونه تحت تأثیر عوامل گوناگون داشته باشند. بدین ترتیب، می‌فهمیم که چطور می‌توانیم از آنها محافظت کنیم. ما باور داریم که Dev-ResNet یک قدم مهم در این مسیر است.

دکتر «اولی تیلز»(Oli Tills) پژوهشگر ارشد این پروژه او گفت: این پژوهش در سطح فناوری اهمیت دارد اما برای پیشبرد نحوه فهمیدن ما از رشد ارگانیسم نیز مهم است. گروه اکوفیزیولوژی و گسترش دانشگاه پلیموث، بیشتر از ۲۰ سال در این حوزه سابقه پژوهش دارد.

او گفت: دستیابی به این نقطه عطف بدون پشتیبانی یادگیری عمیق مقدور نبوده است. فکر کردن به این که این قابلیت تازه می‌تواند ما را برای بازدید حیوانات در پویاترین دوره زندگی آنها به کجا ببرد، شوق‌انگیز است.

این پژوهش در «Journal of Experimental Biology» به چاپ رسید.