เซ็กซี่บาคาร่า เราอยู่ในยุคที่การจัดลำดับจีโนมที่สมบูรณ์ของพืชไม่เคยง่ายอย่างนี้มาก่อนหรือถูกกว่า แต่การรู้จักยีนทั้งหมดของพืชนั้นไม่เหมือนกับการรู้ว่ายีนเหล่านั้นทำอะไรผู้เชี่ยวชาญด้านชีววิทยาพืชและวิทยาการคอมพิวเตอร์ของรัฐมิชิแกนวางแผนที่จะปิดช่องว่างนั้นด้วยความช่วยเหลือของปัญญาประดิษฐ์และเงินช่วยเหลือจำนวน 1.4 ล้านดอลลาร์ใหม่จากมูลนิธิวิทยาศาสตร์แห่งชาติ
ในท้ายที่สุด เป้าหมายคือการช่วยให้เกษตรกรปลูกพืชผล
ด้วยยีนที่ช่วยให้พืชของพวกเขามีโอกาสที่จะทนต่อภัยคุกคามต่างๆ เช่น ความแห้งแล้งและโรคภัยไข้เจ็บได้ดีที่สุด
เพื่อไปถึงจุดนั้น นักวิจัยยังคงต้องเปิดเผยบทบาทพื้นฐานของยีนหลายชนิดที่พบในพืช
“ในแง่ของวิทยาศาสตร์พืช มีคำถามสำคัญๆ ที่เราพยายามจะตอบ: ลำดับยีนทำงานอย่างไร? หน้าที่ของโมเลกุลคืออะไร? มันทำอะไร?” หัวหน้านักวิจัย ชิน-ฮัน ชิว กล่าว Shiu เป็นศาสตราจารย์ในภาควิชาชีววิทยาพืชของวิทยาลัยวิทยาศาสตร์ธรรมชาติ และสาขาคณิตศาสตร์ วิทยาศาสตร์และวิศวกรรมศาสตร์ ซึ่งเป็นแผนกที่บริหารงานร่วมกันโดยวิทยาลัยวิทยาศาสตร์ธรรมชาติและวิทยาลัยวิศวกรรมศาสตร์
“ในกรณีที่เราไม่รู้ ไม่ใช่เพราะเราไม่ได้พยายามค้นหา” ชิวกล่าว “นั่นเป็นเพราะมันยากขึ้นเรื่อยๆ ในการหาคำตอบผ่านการทดลอง”
นักวิจัยเชื่อว่า AI สามารถให้ความช่วยเหลือแก่นักวิจัยในการแกะเคสยากๆ เหล่านั้น ซึ่งเป็นตัวแทนของยีนพืชในปริมาณมาก นักวิจัยกำลังใช้ AI ชนิดหนึ่งที่เรียกว่าการเรียนรู้ของเครื่อง ซึ่งเกี่ยวข้องกับอัลกอริธึมของคอมพิวเตอร์ที่สามารถสอนได้
เพื่อ “สอน” AI ทีมงานจะตั้งโปรแกรมในข้อมูลที่มีอยู่ โดยอธิบายสิ่งที่นักวิทยาศาสตร์รู้เกี่ยวกับยีนพืชและหน้าที่ของพวกมัน และข้อมูลนี้มีประโยชน์มากมาย โดยเฉพาะอย่างยิ่งจากพืชที่ได้รับการศึกษาอย่างดี ซึ่งรวมถึงข้าวโพด มะเขือเทศ และพืชต้นแบบที่รู้จักกันในชื่อ Arabidopsis
จากนั้นอัลกอริธึมสามารถเริ่มคาดการณ์อย่างมีข้อมูลว่ายีนที่มีฟังก์ชันที่ไม่รู้จักทำอะไร และช่วยแนะนำนักวิทยาศาสตร์ในการออกแบบการทดลองเพื่อทดสอบการคาดคะเนเหล่านั้น
แต่นักวิจัยกำลังเผชิญมากกว่าแค่ความท้าทายทางเทคนิคกับโครงการนี้ ชุมชนวิทยาศาสตร์บางแห่งได้ระมัดระวังเป็นพิเศษในการยอมรับ AI และอัลกอริธึมการเรียนรู้ด้วยเครื่องที่อาจดูเหมือนรหัสที่อ่านไม่ออกซึ่งให้คำตอบโดยไม่มีบริบท Shiu กล่าว
นั่นเป็นเหตุผลที่เขาและเพื่อนร่วมงานรู้ว่าพวกเขาต้องการกลุ่มผู้เชี่ยวชาญจากหลากหลายสาขาวิชาที่สามารถสื่อสารกันได้อย่างมีประสิทธิภาพ ด้วยวิธีนี้ ทีมสามารถสร้างระบบการเรียนรู้ของเครื่องที่ทุกคนสามารถเข้าใจความหมายของคำตอบและที่มาที่ไป
“มนุษย์จำเป็นต้องรู้ว่าเครื่องจักรตัดสินใจอย่างไร ไม่เช่นนั้น AI จะเป็นเพียงแค่กล่องดำ” Jiliang Tang ผู้ร่วมวิจัยกล่าว Tang ยังเป็นรองศาสตราจารย์ในภาควิชาวิทยาการคอมพิวเตอร์และวิศวกรรมศาสตร์ของ MSU College of Engineering
“เป้าหมายของ AI คือการคาดการณ์ แต่เรายังต้องการมนุษย์ที่สามารถตรวจสอบการคาดคะเนเหล่านี้ได้” เขากล่าว “เป้าหมายของเราคือการสร้าง AI ที่อธิบายได้และมีความรับผิดชอบ ซึ่งหมายความว่าเราต้องทำให้มันน่าเชื่อถือและโปร่งใส”
นั่นเป็นเหตุผลที่ทีมยังได้คัดเลือก ace Yuying Xie แห่งการเรียนรู้ด้วยเครื่อง ผู้ช่วยศาสตราจารย์ในภาควิชาคณิตศาสตร์คอมพิวเตอร์ วิทยาศาสตร์และวิศวกรรมศาสตร์ และ Melissa Lehti-Shiu ผู้ชำนาญการทดลองด้านการทดลอง ผู้ช่วยศาสตราจารย์ภาควิชาชีววิทยาพืช
“โดยปกติ การพัฒนาโมเดลการเรียนรู้ของเครื่องและการใช้งานสามารถแยกออกจากกันได้” Xie กล่าว “การทำงานร่วมกันเป็นกลุ่มทำให้เรามีความเข้าใจในวิธีการจากบนลงล่างมากขึ้น เป็นประโยชน์ต่อเราในฐานะกลุ่มและผลักดันวิทยาศาสตร์ไปข้างหน้า”
Lehti-Shiu กล่าวว่า “ด้วยการทำความเข้าใจและตีความแบบจำลอง เราจึงสามารถเข้าใจกระบวนการทางชีววิทยาได้ และเหตุใดยีนบางตัวจึงอยู่ในวิถีทางชีววิทยาบางอย่าง” Lehti-Shiu กล่าว และเสริมว่า AI สามารถช่วยเน้นการทดลองได้ ตอนนี้ ดูเหมือนว่าอาจมียีนหลายพันตัวที่อาจมีความสำคัญต่อการตอบสนองต่อความเครียด เช่น วิธีที่พืชตอบสนองต่อความเครียดจากความร้อน” Lehti-Shiu กล่าว “แบบจำลองนี้สามารถช่วยในการทำนายว่ายีนใดมีความสำคัญมากที่สุด”
ในการบรรลุเป้าหมายทางวิทยาศาสตร์
โดยใช้แมชชีนเลิร์นนิงเพื่อทำนายการทำงานของยีน ทีมงานยังตั้งเป้าที่จะแสดงพลังของ AI ในฐานะเครื่องมือวิจัยให้กับชุมชนวิทยาศาสตร์พืช ตามที่ผู้บุกเบิกมักจะทำ ชาวสปาร์ตันต้องเผชิญกับความท้าทายในช่วงแรกในการให้ผู้อื่นยอมรับความคิดของพวกเขา
“เมื่อฉันมาที่ MSU ครั้งแรกและเริ่มสนใจแมชชีนเลิร์นนิง ต้องใช้เวลาห้าปีในการเผยแพร่เอกสารฉบับแรกของเราโดยใช้มัน วิทยาการพืชและคอมพิวเตอร์มีวัฒนธรรมที่แตกต่างกันโดยสิ้นเชิงและใช้ภาษาที่ต่างกันโดยสิ้นเชิง” นายชิวกล่าว แต่ด้วยการทำงานเป็นทีม ชาวสปาร์ตันมีความพากเพียร
“โครงการนี้จะเกิดขึ้นไม่ได้หากไม่มีนักวิทยาศาสตร์คอมพิวเตอร์ที่อดทนและเต็มใจมากพอที่จะสอนและทำงานกับนักวิทยาศาสตร์ด้านพืช”
ดังนั้น แม้ว่าทีมอาจกำลังสร้างแผนที่อาณาเขตใหม่ด้วย AI แต่ก็ทำงานจากแผนงานที่ได้รับการพิสูจน์แล้ว ซึ่งต้องอาศัยการทำงานเป็นทีมและเจตจำนงของชาวสปาร์ตัน เพิ่มการสนับสนุนจากการให้ทุน NSF ใหม่และทีม MSU พร้อมที่จะสร้างกระแสในวิทยาศาสตร์พืช
“ฉันหวังว่าสิ่งนี้จะช่วยให้นักวิจัยจำนวนมากขึ้นใช้ AI ในสาขานี้” Tang กล่าว “ฉันตื่นเต้นที่จะได้แสดงให้เห็นศักยภาพและคำมั่นสัญญาของมัน” เซ็กซี่บาคาร่า
