Kann künstliche Intelligenz die Biowissenschaften verbessern? So sehr die Biowissenschaften die KI verbessern können, sagen Forscher

Künstliche Intelligenz (KI) versucht zwar, das menschliche Gehirn nachzuahmen, muss jedoch die Komplexität dessen, was es bedeutet, ein Mensch zu sein, noch vollständig erfassen. Obwohl es Gefühle oder ursprüngliche Kreativität möglicherweise nicht wirklich versteht, kann es uns helfen, uns selbst besser zu verstehen – insbesondere unseren physischen Körper in Gesundheit und Krankheit, heißt es in einer Reihe von Artikeln, die in der Zeitschrift veröffentlicht wurden Quantitative Biologie.

Die Beiträge – eine Vielzahl von Leitartikeln, Perspektiven und Kommentaren zu KI für die Biowissenschaften – bewerten die rasante Entwicklung der KI und die jüngste Aufmerksamkeit für Chat GPT und wie Biowissenschaftsforscher solche KI-Tools möglicherweise nutzen können, um die menschliche Gesundheit und das Verständnis zu verbessern.

„Es besteht kein Zweifel daran, dass maschinelles Lernen und KI eine neue Revolution in Wissenschaft und Technologie herbeigeführt haben und enorme unvorhersehbare Auswirkungen auf den menschlichen Alltag sowie auf soziale Beziehungen haben werden“, sagten Michael Q. Zhang, die Cecil H. und Ida Green Distinguished Chair of Systems Biology Science und Professor für Biowissenschaften an der University of Texas, Dallas. Er fungiert als Mitherausgeber von Quantitative Biologie. „In diesem Kontext, Quantitative Biologie könnte eine großartige Plattform sein, um intellektuelle Diskussionen zu diesem Thema anzuregen.“

Zhang sagte, er habe den Leitartikel geschrieben: „Dialog zwischen künstlicher Intelligenz und natürlicher Intelligenz„, um Gespräche zwischen Forschern und Studenten anzuregen. Darin stellte er sich ein Gespräch zwischen KI und natürlicher Intelligenz (NI) vor, in dem die beiden über ihre grundlegenden Zwecke und endgültigen Verwendungsmöglichkeiten diskutierten.

Laut NI ist das objektive Ziel das Überleben der Bevölkerung, während das Ziel der KI darin bestehen sollte, die menschlichen Fähigkeiten zu erweitern und zu maximieren – KI sollte das menschliche Gehirn ergänzen. Die Position der KI beruht letztendlich auf der Idee, dass alle Disziplinen Kreativität erfordern, und dass KI „mehr als gerne für die Wissenschaft arbeitet … insbesondere im Bereich der Generierung großer Datenmengen und Längsschnittdaten für maschinelles Lernen“.

Xuegong Zhang, Professor für Automatisierung an der Tsinghua-Universität und Chefredakteur von Quantitative Biologieleitete die Perspektivstudie: „Aufbau digitaler Lebenssysteme für die Biologie und Medizin der Zukunftüber die Ausschöpfung des Potenzials von KI zur kreativen Erweiterung des menschlichen Wissens. Das Team schlug das Konzept und den Rahmen von Digital Life Systems (dLife) als neues Paradigma zur umfassenden Integration von KI als Mittel zur digitalen Untersuchung vor.

Die Idee besteht darin, dass dLife durch die Einbeziehung der erfassten Informationen in die Systemmodellierung vollständige Systeme – einschließlich einzelner menschlicher Körper – digital koppeln und schneller und genauer Erkenntnisse über potenzielle Behandlungsvorteile oder Nebenwirkungen liefern kann.

„Ein zentraler Schritt in Richtung KI-Medizin besteht darin, ein quantitatives Verständnis komplexer biologischer Phänomene und zugrunde liegender Gesetze zu erreichen und ihre mathematischen und/oder rechnerischen Modelle auf der Grundlage der ständig wachsenden biologischen/medizinischen Daten und Kenntnisse zu etablieren“, sagte Xuegong Zhang.

„Solche Modelle sollten das wirkliche Leben widerspiegeln, indem sie in der Lage sind, wichtige biologische Prozesse und Mechanismen im digitalen Raum zu reproduzieren oder zu simulieren.“

Er stellte fest, dass dLife ehrgeizig ist und umfangreiche gemeinsame Forschung über mehrere Disziplinen hinweg erfordert, um dies zu erreichen, beginnend mit dem Entwurf eines grundlegenden Informatik-Frameworks, das als Betriebssystem von dLife dienen soll.

Diese Arbeit hängt weitgehend von der Fähigkeit der Forscher ab, weiterhin leistungsfähigere KI zu entwickeln und gleichzeitig die verfügbare KI in ihrer Arbeit zu nutzen. Gangqing Hu, Assistenzprofessor für Mikrobiologie, Immunologie und Zellbiologie an der West Virginia University, und sein Team haben eine Perspektive mit dem Titel „Befähigung von Anfängern in der Bioinformatik mit ChatGPT“ verfasst, um jungen Wissenschaftlern zu ermöglichen, genau das zu verstehen.

Die Forscher schlugen das OPTIMAL-Modell vor, das für Optimization of Prompts Through Iterative Mentoring and Assessment with a LLM (Large Language Model) Chatbot steht. OPTIMAL ist ein iteratives Modell, das Anfängern hilft, Anweisungen zur Anleitung von ChatGPT bei der Generierung von Code für die Analyse bioinformatischer Daten zu verfeinern.

Sie demonstrierten die Machbarkeit des Modells, indem sie es in drei Fallstudien testeten, in denen Studenten als Mentoren fungierten, um den Chatbot bei der Datenanalyse zu unterstützen und gleichzeitig Programmierfähigkeiten vom Chatbot zu erlernen.

„Während das Konzept der ChatGPT-gestützten Bildung relativ neu ist, haben unsere Fallstudien aus verschiedenen Disziplinen gezeigt, dass ChatGPT das Potenzial hat, die Programmierfähigkeiten und das kritische kreative Denken der Schüler zu verbessern“, sagte Hu. „Solche Vorteile der Ausübung von Bioinformatik mit einem Chatbot werden sich wahrscheinlich vom Klassenzimmer zu einer lebenslangen Lernerfahrung erstrecken, insbesondere für Anfänger.“

DongChatGPT öffnet eine neue Tür für die Bioinformatik.“

„Das OPTIMAL-Modell war Vorreiter bei der Chatbot-gestützten Analyse und Nachhilfe von Bioinformatik-Daten, indem es eine Reihe iterativer Schritte einsetzte, um die Lernergebnisse der Schüler zu verbessern“, sagte Xu. „Die Strategie kann wahrscheinlich über den Unterricht hinausgehen und zu einer lebenslangen Lernerfahrung werden. Wie viele andere Bereiche wird ChatGPT auch in der Bioinformatik an Boden gewinnen, von Bildung und Literatursuche bis hin zu Datenanalyse und Methodenentwicklung.“

Laut Jianfeng Feng, Dekan des Instituts für Wissenschaft und Technologie für gehirninspirierte Intelligenz an der Fudan-Universität, ist ChatGPT jedoch nicht das Endergebnis.

In seinem Kommentar: „Simulation des gesamten Gehirns als alternative Möglichkeit, AGI zu erreichen„Feng argumentierte, dass die Fähigkeit von ChatGPT, Menschen bei bestimmten Aufgaben zu übertreffen, nicht überraschend sei – schließlich kann ein einfacher Taschenrechner große Zahlen schneller multiplizieren als ein Mensch. Es handelt sich jedoch nicht um ein Beispiel für künstliche allgemeine Intelligenz (AGI), a Ein theoretischer Schritt über die KI hinaus, der die menschlichen Fähigkeiten so gut abbildet, dass er für jede unbekannte Aufgabe eine Lösung finden kann.

„Was ist aus mechanistischer Sicht der Hauptunterschied zwischen unserem Gehirn und aktuellen Computern?“ fragte Feng. „Eine einfache Antwort ist, dass unser Gehirn eine Wahrscheinlichkeitsmaschine ist: Es rechnet in einem verrauschten oder dynamischen Hintergrund. … Um die dynamische Funktionsweise unseres Gehirns vollständig zu verstehen, sollten wir über naive statische Methoden zur Analyse seiner Dynamik hinausgehen, wie etwa der funktionalen Konnektivität.“ “

Laut Feng sind die aktuellen Fortschritte in der KI-Forschung „aufregend und ermutigend“, und es gibt noch viel zu tun, um die neurologischen und psychologischen Prozesse des menschlichen Gehirns genau nachzubilden. Feng leitet eine Forschungsgruppe, deren Ziel es ist, das gesamte menschliche Gehirn mit 86 Milliarden Neuronen gleichzeitig zu simulieren – eine gewaltige Aufgabe in den Bereichen Informatik, Mathematik und Biologie.

„Ich bin zuversichtlich, dass die Simulation des gesamten menschlichen Gehirns auf zellulärer Ebene uns den Schlüssel zum Verständnis der komplexen raumzeitlichen Dynamik des Gehirns liefert und anschließend AGI erreicht“, sagte Feng.

Dieser integrative Ansatz zwischen Mensch und KI zur gleichzeitigen Weiterentwicklung der KI-Fähigkeiten und des menschlichen Verständnisses könnte laut diesen Artikeln der optimale Weg für KI für die Biowissenschaften sein.