هوش مصنوعی رازهای توسعه جنین را فاش می‌سازد

، تحقیقات اخیر از سوی «دانشگاه پلیموث»(University of Plymouth) نشان می‌دهد که یک مدل نوین مبتنی بر هوش مصنوعی قادر است با تحلیل ویدئو، رویدادهای مختلفی که در زمان رشد جنین اتفاق می‌افتد را شناسایی کند.

به نقل از ساینمگ، این پژوهش به بررسی توانایی یک مدل یادگیری عمیق به نام «Dev-ResNet» پرداخته که توانایی شناسایی رخدادهای حیاتی رشد، مانند فعالیت قلب، خزیدن و حتی مرگ و میر را در حلزون‌های برکه‌ای دارد.

نوآوری اساسی در این تحقیق، ارائه یک مدل سه‌بعدی است که توانایی تحلیل تغییرات بین فریم‌های ویدئویی را دارد و به هوش مصنوعی این امکان را می‌دهد تا از این ویژگی‌ها یاد بگیرد. این رویکرد در مقایسه با استفاده متداول از تصاویر ثابت، از دقت و کارایی بیشتری برخوردار است.

استفاده از ویدئو به این معناست که Dev-ResNet می‌تواند به‌طور دقیق، ویژگی‌هایی از اولین ضربان قلب تا عمل خزیدن یا تشکیل پوسته و تخم‌گذاری را شناسایی کند و نشان‌دهنده حساسیت این ویژگی‌ها نسبت به دما باشد.

اگرچه این مدل در جنین‌های حلزون برکه‌ای آزمایش شده، محققان بر این باورند که کاربرد آن می‌تواند دامنه وسیعی از گونه‌ها را در بر بگیرد. آنها مدارکی مستند برای به‌کارگیری Dev-ResNet در سیستم‌های بیولوژیکی مختلف جمع‌آوری کرده‌اند.

این روش در آینده ممکن است برای درک بهتر چگونگی تأثیر تغییرات اقلیمی و عوامل دیگر بر انسان‌ها و حیوانات مورداستفاده قرار گیرد.

«زیاد ایبینی»(Ziad Ibbini)، دانشجوی دکتری دانشگاه پلیموث که طراحی و آموزش Dev-ResNet را بر عهده داشته، بیان کرد: تشریح وقایع رشد و تحلیل اینکه در مراحل اولیه زندگی یک حیوان چه رخ می‌دهد، کار بسیار پرچالشی است اما اهمیت زیادی دارد؛ چرا که این فرایند به ما کمک می‌کند تا تغییرات زمان‌بندی رویدادها را در بین گونه‌ها و شرایط محیطی متوجه شویم. مدل Dev-ResNet به‌عنوان یک شبکه عصبی کارآمد و کوچک، قادر است با استفاده از ویدئو، وقوع رویدادهای رشد را شناسایی و به راحتی آموزش ببیند. محدودیت‌های موجود بیشتر مربوط به ایجاد داده‌های لازم برای آموزش این مدل یادگیری عمیق است. ما اطمینان داریم که این مدل مؤثر است و تنها نیاز داریم تا داده‌های آموزشی مناسب را فراهم کنیم.

او افزود: هدف ما این است که جامعه علمی گسترده‌تر را به ابزارهایی تجهیز کنیم که آنها را در جهت داشتن درک بهتر از چگونگی رشد یک گونه تحت تأثیر عوامل مختلف، یاری کند. با این روش، می‌توانیم دریابیم چگونه می‌توان از آن‌ها محافظت کرد. ما معتقدیم Dev-ResNet گامی مهم در این راستا است.

دکتر «اولی تیلز»(Oli Tills)، پژوهشگر ارشد این پروژه اظهار داشت: این تحقیق از لحاظ فناوری بسیار حائز اهمیت است و می‌تواند به ارتقاء درک ما از رشد ارگانیسم‌ها کمک کند. گروه اکوفیزیولوژی و توسعه دانشگاه پلیموث، بیش از ۲۰ سال تجربه پژوهشی در این زمینه دارد.

او همچنین افزود: دستیابی به این دستاورد بدون پیشرفت‌های یادگیری عمیق ممکن نبود. تصور اینکه این قابلیت جدید می‌تواند ما را در بررسی عملکرد حیوانات در دوران پویاترین زندگی‌شان یاری کند، موضوعی هیجان‌انگیز است.

این تحقیق در نشریه «Journal of Experimental Biology» منتشر شد.