ابتكر باحثو مايو كلينك مؤخرًا فئة جديدة من خوارزميات الذكاء الاصطناعي (AI) تسمى الذكاء الاصطناعي المبني على الفرضيات والتي تمثل ابتعادًا كبيرًا عن نماذج الذكاء الاصطناعي التقليدية التي تتعلم من البيانات فقط.
وفي مراجعة نشرتها مجلة Cancers، لاحظ الباحثون أن هذه الفئة الناشئة من الذكاء الاصطناعي تقدم طريقة مبتكرة لاستخدام مجموعات البيانات الضخمة للمساعدة على اكتشاف الأسباب المعقدة للأمراض مثل السرطان وتحسين استراتيجيات العلاج.
“يعزز ذلك حقبة جديدة في تصميم خوارزميات الذكاء الاصطناعي الاستهدافيّة والمستنيرة لحل الأسئلة العلمية، وفهم الأمراض فهمًا أفضل، ونهج الطب الفردي،” هذا ما يقوله المؤلف الرئيسي والمخترع المشارك هو لي، دكتوراه الفلسفة، وهو باحث في بيولوجيا الأنظمة والذكاء الاصطناعي في قسم عِلْم الأَدْوِيَة الجزيئية والعلاجات التجريبية التابع لمايو كلينك. “والتي تتميز بقدرة كشف عن الرؤى التي يفتقدها الذكاء الاصطناعي التقليدي.”
الذكاء الاصطناعي التقليدي
يستخدم الذكاء الاصطناعي التقليدي أساسًا في مهام التصنيف والتعرف، مثل التعرف على الوجوه وتصنيف عمليات التصوير في التشخيص السريري، وقد طُبق تطبيقًا متزايدًا على المهام الاستحداثية، مثل استحداث نص يشبه النصوص البشرية. لاحظ الباحثون أن خوارزميات التعلم التقليدية لا تشتمل في كثير من الأحيان على المعرفة أو الفرضيات العلمية الحاضرة. وبدلاً من ذلك، يعتمد هذا التوجه كثيرًا على مجموعات بيانات كبيرة وغير متحيزة، والتي قد يشكل الحصول عليها تحديًا.
وفقًا للدكتور لي، فإن هذا التقييد يقيد بشكل كبير مرونة أساليب الذكاء الاصطناعي واستخداماتها في المجالات التي تتطلب اكتشاف المعرفة، مثل الطب.
يعد الذكاء الاصطناعي أداة قيمة للتعرف على الأنماط في مجموعات البيانات الكبيرة والمعقدة مثل تلك المستخدمة في أبحاث السرطان. كان التحدي الرئيسي في استخدام الذكاء الاصطناعي التقليدي هو تعظيم الاستفادة من المعلومات المضمنة في مجموعات البيانات تلك.
باستخدام الذكاء الاصطناعي المبني على الفرضيات، يستوقف الباحثون إيجاد طرق لدمج عملية فهم المرض، على سبيل المثال، دمج المغايرات الجينية المُمْرِضة المعروفة والتفاعلات بين جينات معينة في السرطان في تصميم خوارزمية التعلم. وهذا سيمكن الباحثين والأطباء تحديد أي من المكونات التي تساهم في أداء النموذج، وبالتالي تعزيز تفسيراته. علاوة على ذلك، يمكن أت تعالج هذه الاستراتيجية مشاكل مجموعة البيانات وتعزيز تركيزنا على الأسئلة العلمية المفتوحة.
يقول دانييل بيلادو، دكتوراه الفلسفة، وهو أستاذ في قسم علم المناعة في مايو كلينك: “يفتح هذا النوع الجديد من الذكاء الاصطناعي طريقًا جديدًا لفهم أفضل للتفاعلات بين السرطان وجهاز المناعة، ويحمل وعدًا كبيرًا ليس فقط لاختبار الفرضيات الطبية ولكن أيضًا للتنبؤ وشرح كيفية استجابة المرضى للعلاجات المناعية”. بيلادو هو مؤلف مشارك ومخترع مشارك في الدراسة ومعني بالبحوث طويلة الأمد في علم مناعة السرطان.
يقول فريق البحث إنه يمكن استخدام الذكاء الاصطناعي المبني على الفرضيات في جميع أنواع تطبيقات أبحاث السرطان، بما في ذلك تصنيف الأورام، وتحديد مراتب المرضى، واكتشاف الجينات السرطانية، والتنبؤ باستجابة الأدوية، والتنظيم الفراغي للورم.
يشير الدكتور لي إلى أن عيب هذه الأداة هو أن إنشاء هذه الأنواع من الخوارزميات يتطلب خبرة ومعرفة متخصصة، مما قد يحد من انتشارها إلى أوسع نطاق. يوجد أيضًا إمكانية إنشاء التحيزات، ويُقال إنه على الباحثين مراقبة ذلك عند تطبيق أجزاء مختلفة من المعلومات. بالإضافة إلى ذلك، لدى الباحثين عمومًا نطاق محدود ولن يصيغوا جميع السيناريوهات المحتملة، ومن المحتمل فقد بعض العلاقات الحرجة وغير المتوقعة.
“ومع ذلك، فإن الذكاء الاصطناعي المبني على الفرضيات يسهل التفاعلات النشطة بين الخبراء البشريين والذكاء الاصطناعي، مما يخفف المخاوف التي تتبنى فكرة أن الذكاء الاصطناعي سيقضي في النهاية على بعض الوظائف المهنية” هذا ما صرح به الدكتور لي.
وبما أن الذكاء الاصطناعي المبني على الفرضيات لا يزال في مراحله الأولى، تبقى الأسئلة، مثل كيفية دمج المعرفة والمعلومات البيولوجية دمجًا أفضل لتقليل التحيزات وتحسين التفسيرات. يقول الدكتور لي إنه رغم التحديات، فإن الذكاء الاصطناعي المبني على الفرضيات يعد خطوة إلى الأمام.
