ហេតុអ្វីបានជាក្រុមហ៊ុន AI កំពុងប្រណាំងប្រជែងគ្នាដើម្បីបង្កើតកោសិកាមនុស្សនិម្មិត

(SeaPRwire) –   កោសិកាមនុស្សប្រៀបដូចជាម៉ាស៊ីន Rube Goldberg ដែលមិនមានអ្វីប្រៀបបានឡើយ ពោរពេញទៅដោយប្រតិកម្មខ្សែសង្វាក់ជីវសាស្ត្រដែលធ្វើឱ្យមានភាពខុសគ្នារវាងជីវិតនិងសេចក្តីស្លាប់។ ការយល់ដឹងពីទំនាក់ទំនងដ៏ផុយស្រួយទាំងនេះ និងរបៀបដែលពួកវាខុសប្រក្រតីក្នុងជំងឺ គឺជាចំណុចដ៏គួរឱ្យចាប់អារម្មណ៍បំផុតមួយនៅក្នុងជីវវិទ្យា។ កំហុសតែមួយនៅក្នុងហ្សែនអាចធ្វើឱ្យប្រូតេអ៊ីនដែលវាបង្កើតមានរាងខុស។ ប្រូតេអ៊ីនដែលមានរាងខុសមិនអាចបំពេញការងាររបស់វាបានទេ។ ហើយដោយសារតែកង្វះប្រូតេអ៊ីននោះ សារពាង្គកាយ—អ្នក—អាចចាប់ផ្តើមបែកបាក់។

ទោះជាយ៉ាងណា កោសិកាមានភាពស្មុគស្មាញណាស់ ដែលធ្វើឱ្យការស្វែងយល់ពីរបៀបដែលការបរាជ័យនៃប្រូតេអ៊ីនមួយរីករាលដាលពេញប្រព័ន្ធ គឺជារឿងពិបាក។ លោក Graham Johnson ដែលជាអ្នកជីវវិទ្យាគណនា និងជាអ្នកគូររូបវិទ្យាសាស្ត្រនៅ Allen Institute for Cell Science រំលឹកពីការស្រមៃនៅតុអាហារថ្ងៃត្រង់ កាលពីជាង ១៥ ឆ្នាំមុន អំពីគំរូកុំព្យូទ័រនៃកោសិកាដែលមានលម្អិត និងពេញលេញបំផុត រហូតដល់អ្នកវិទ្យាសាស្ត្រអាចមើលឃើញដំណើរការបែបនេះកើតឡើង។ នៅពេលនោះ លោកនិយាយថា “មនុស្សគ្រប់គ្នាគ្រាន់តែសើចចំអក”។ លោកបន្តថា “វាហាក់ដូចជាមិនប្រាកដនិយមពេក”។

ប៉ុន្តែឥឡូវនេះ អ្នកស្រាវជ្រាវមួយចំនួនកំពុងប្រើប្រាស់ AI ដើម្បីឈានទៅរកគោលដៅនៃ “កោសិកា​និម្មិត”។ Google’s DeepMind គឺ , ហើយ Chan Zuckerberg Initiative (CZI) បានធ្វើឱ្យកោសិកា​និម្មិតក្លាយជាចំណុចសំខាន់នៅក្នុងបណ្តាញស្រាវជ្រាវ Biohub របស់ពួកគេ នេះបើយោងតាមលោក Theo Karaletsos នាយកជាន់ខ្ពស់ផ្នែក AI នៅ CZI។ ថែមទាំងមាន , ដែលត្រូវបានបង្កើតឡើងដោយ Arc Institute, សម្រាប់គំរូប្រភេទកោសិកា​និម្មិតផងដែរ។ គោលដៅនៃការខិតខំប្រឹងប្រែងទាំងអស់នេះ គឺដើម្បីទស្សន៍ទាយពីរបៀបដែលកោសិកាដែលមានសុខភាពល្អ និងកោសិកាដែលមានជំងឺដំណើរការ ជាមួយនឹងព័ត៌មានលម្អិតជាច្រើន ដែលអាចពន្លឿនការអភិវឌ្ឍន៍ថ្នាំ និងជំរុញការរកឃើញផ្នែកវិទ្យាសាស្ត្រ។ អ្នកខ្លះគិតថា កោសិកា​និម្មិតក៏អាចធ្វើឱ្យការស្រាវជ្រាវមូលដ្ឋានមានភាពរលូនផងដែរ ដោយផ្លាស់ប្តូរអ្នកជីវវិទ្យាពីកៅអីមន្ទីរពិសោធន៍ទៅក្ដារចុច។

តើអ្វីទៅជាកោសិកា​និម្មិត?

និយមន័យច្បាស់លាស់នៃកោសិកា​និម្មិតប្រែប្រួលទៅតាមអ្នកដែលអ្នកនិយាយជាមួយ។ អ្នកវិទ្យាសាស្ត្រមួយចំនួន ដូចជាលោក Johnson សង្ឃឹមថាកោសិកា​និម្មិតនឹងរួមបញ្ចូលរូបភាពដែលអ្នកអាចចុចមើល និងស្វែងយល់បាន។ អ្នកផ្សេងទៀតគិតថាវាជាចម្បងជាសំណុំនៃកម្មវិធីកុំព្យូទ័រដែលអាចឆ្លើយសំណួរ និងធ្វើការព្យាករណ៍អំពីអ្វីដែលអាចកើតឡើង។ ប៉ុន្តែគំនិតនេះមិនមែនជារឿងថ្មីនោះទេ។ អស់ជាច្រើនទសវត្សរ៍មកហើយ អ្នកជីវវិទូបានបង្កើតគំរូគណិតវិទ្យានៃដំណើរការកោសិកា។ ដើម្បីបង្កើតវា អ្នកស្រាវជ្រាវទាញយកទិន្នន័យពីការពិសោធន៍ជាមួយកោសិកាពិត ប្រមូលផ្តុំសមីការដែលពិពណ៌នាអំពីអ្វីដែលកំពុងកើតឡើង។

ឥឡូវនេះ មានទិន្នន័យអំពីកោសិកាមនុស្សច្រើនជាងពេលណាៗទាំងអស់ មួយផ្នែកដោយសារបច្ចេកវិទ្យាដែលអនុញ្ញាតឱ្យអ្នកវិទ្យាសាស្ត្រតាមដានសកម្មភាពនៃកោសិកានីមួយៗ។ ប៉ុន្តែការស្វែងរកសមីការសម្រាប់គ្រប់ដំណើរការ និងការដាក់បញ្ចូលពួកវាទាំងអស់គ្នា គឺជាកិច្ចការដ៏ធំមួយ។ លោក Stephen Quake សាស្ត្រាចារ្យនៅ Stanford University និងជាអតីតប្រធានផ្នែកវិទ្យាសាស្ត្រនៅ CZI បាននិយាយថា “វិធីចាស់ក្នុងការធ្វើវា”—ដោយដៃ—”ខ្ញុំអាចនិយាយបានថា ទទួលបានជោគជ័យតិចតួចណាស់”។ កាលពីឆ្នាំមុន រូបលោក និងអ្នកស្រាវជ្រាវផ្សេងទៀត បាន ដាក់ចេញនូវចក្ខុវិស័យសម្រាប់វិធីសាស្រ្តមួយផ្សេងទៀត ដែលផ្ដល់ទិន្នន័យអំពីកោសិកាដោយផ្ទាល់ទៅ AI ជំនាញ។ លោកនិយាយថា “អ្នកបង្កើតគំរូដែលរៀនដោយផ្ទាល់ពីទិន្នន័យ ជាជាងព្យាយាមសរសេរសមីការ”។

លោក Quake និងសហការីរបស់លោកបាន មាន។ ពួកគេបានប្រើប្រាស់ទិន្នន័យស្តីពីកោសិកាពី ១២ ប្រភេទផ្សេងគ្នាដើម្បីបណ្តុះបណ្តាល AI មួយ។ លោក Quake និយាយថា AI នោះបន្ទាប់មកអាចធ្វើការព្យាករណ៍បានត្រឹមត្រូវអំពីកោសិកានៃប្រភេទសត្វដែលវាមិនធ្លាប់បានឃើញពីមុនមក។ វាក៏អាចទាយពីទំនាក់ទំនងរវាងប្រភេទកោសិកាផ្សេងៗគ្នានៅក្នុងប្រភេទសត្វតែមួយផងដែរ ទោះបីជាមិនត្រូវបានផ្តល់ព័ត៌មានអំពីទំនាក់ទំនងទាំងនោះក៏ដោយ។ លោក Quake និយាយថា “នោះហើយជាអ្វីដែលធ្វើឱ្យខ្ញុំផ្ទាល់ រំភើបចិត្តយ៉ាងខ្លាំងចំពោះវិធីសាស្រ្តនេះ”។

ក្រុមអ្នកស្រាវជ្រាវមួយទៀត រួមទាំងមួយចំនួននៅ Google DeepMind, គឺ។ ពួកគេបានបណ្តុះបណ្តាល AI លើសំណុំទិន្នន័យធំៗនៃព័ត៌មានអំពីកោសិកា ដែលអនុញ្ញាតឱ្យអ្នកប្រើប្រាស់សួរសំណួរដូចជា “តើកោសិកានេះនឹងឆ្លើយតបទៅនឹងថ្នាំនេះដោយរបៀបណា?” ហើយបន្ទាប់មកទទួលបានចម្លើយអំពីផ្នែកណាមួយនៃកោសិកាដែលទំនងជារងផលប៉ះពាល់។

ទាំងនេះគ្រាន់តែជាវិធីសាស្រ្តមួយចំនួនដែលអ្នកវិទ្យាសាស្ត្រកំពុងប្រើប្រាស់ឆ្ពោះទៅរកការបង្កើតកោសិកា​និម្មិត។ វាទំនងជានឹងមានកោសិកា​និម្មិតជាច្រើនប្រភេទផ្សេងៗគ្នា ដែលត្រូវបានរចនាឡើងសម្រាប់អ្នកស្រាវជ្រាវប្រភេទផ្សេងៗគ្នាដើម្បីប្រើប្រាស់។ ឧទាហរណ៍ កោសិកា​និម្មិតដែលប្រើដោយអ្នកជីវវិទ្យាមហារីក អាចខុសពីកោសិកាដែលប្រើដោយអ្នកជីវវិទ្យាកោសិកាដែលស្វែងរកចម្លើយចំពោះសំណួរអំពីរបៀបដែលរចនាសម្ព័ន្ធមួយបានវិវឌ្ឍន៍។ ហើយវាអាចទៅរួចដែលពួកគេអាចប្រើវិធីសាស្រ្តគំរូប្រពៃណី និង AI ផងដែរ។

អ្វីដែលកោសិកា​និម្មិតអាចអនុញ្ញាតឱ្យយើងធ្វើបាន

កោសិកា​និម្មិតអាចធ្វើឱ្យការរកឃើញថ្នាំថ្មីៗកាន់តែលឿន និងងាយស្រួល។ ពួកវាក៏អាចផ្តល់ការយល់ដឹងអំពីរបៀបដែលកោសិកាមហារីករត់គេចពីប្រព័ន្ធភាពស៊ាំ ឬរបៀបដែលអ្នកជំងឺម្នាក់ៗអាចឆ្លើយតបទៅនឹងការព្យាបាលណាមួយ។ ពួកវាក៏អាចជួយអ្នកវិទ្យាសាស្ត្រមូលដ្ឋានបង្កើតសម្មតិកម្មអំពីរបៀបដែលកោសិកាដំណើរការ ដែលអាចដឹកនាំពួកគេទៅរកការពិសោធន៍អ្វីដែលត្រូវធ្វើជាមួយកោសិកាពិត។ លោក Quake និយាយថា “គោលដៅរួមនៅទីនេះ គឺព្យាយាមផ្លាស់ប្តូរជីវវិទ្យាកោសិកាពីវិស័យដែល ៩០% ជាការពិសោធន៍ និង ១០% ជាការគណនា ទៅជាផ្ទុយពីនេះវិញ”។

អ្នកវិទ្យាសាស្ត្រមួយចំនួនបានចោទជាសំណួរថា តើការព្យាករណ៍ដែលធ្វើឡើងដោយ AI នឹងមានប្រយោជន៍កម្រិតណា ប្រសិនបើ AI មិនអាចផ្តល់ការពន្យល់សម្រាប់ការព្យាករណ៍ទាំងនោះ។ លោក Erick Armingol អ្នកជីវវិទ្យាប្រព័ន្ធ និងជាអ្នកស្រាវជ្រាវក្រោយបណ្ឌិតនៅ Wellcome Sanger Institute ក្នុងចក្រភពអង់គ្លេស បាននិយាយថា “គំរូ AI ជាធម្មតា គឺជាប្រអប់ខ្មៅ”។ ម្យ៉ាងវិញទៀត ពួកគេផ្តល់ចម្លើយដល់អ្នក ប៉ុន្តែពួកគេមិនអាចប្រាប់អ្នកថាហេតុអ្វីបានជាពួកគេផ្តល់ចម្លើយនោះដល់អ្នកបានទេ។

លោកនិយាយថា “ផ្ទាល់ខ្លួន ហេតុផលដែលខ្ញុំបានបញ្ចប់ក្នុងវិស័យនេះ គឺដោយសារតែខ្ញុំចង់ធ្វើត្រាប់តាមរាងកាយមនុស្សទាំងមូល និងរបៀបដែលកោសិកាភ្ជាប់គ្នាទៅវិញទៅមក និងធ្វើអន្តរកម្ម។ ដូច្នេះ នោះគឺជាក្តីសុបិន”។ ចម្លើយប្រអប់ខ្មៅអាចមានប្រយោជន៍សម្រាប់ការដឹកនាំការអភិវឌ្ឍន៍ថ្នាំ ប៉ុន្តែពួកគេប្រហែលជាមិនសូវមានប្រយោជន៍សម្រាប់អ្នកវិទ្យាសាស្ត្រមូលដ្ឋានទេ—យ៉ាងហោចណាស់ក៏មិនមែនតាមរបៀបដែល AI ជាច្រើនត្រូវបានរៀបចំឡើងបច្ចុប្បន្នដែរ។ (លោក Karaletsos មកពី CZI និយាយថា AI មួយចំនួនរបស់ពួកគេត្រូវបានរៀបចំឡើងដើម្បីផ្តល់ការពន្យល់អំពីហេតុផលរបស់ពួកគេ។ លោកនិយាយថា “យើងចង់យល់ មិនមែនគ្រាន់តែព្យាករណ៍ទេ”)។

លោក Johnson ដែលជាអ្នកនិពន្ធ បាន សរសេរអំពីសារៈសំខាន់នៃការកសាងកោសិកា​និម្មិត សង្ឃឹមថាអ្វីដែលអ្នកវិទ្យាសាស្ត្រនឹងបង្កើតនោះនឹងអាចមើលឃើញបាន។ លោកនិយាយថា ឧត្តមគតិរបស់លោកគឺ “កំណែដែលមើលឃើញ អន្តរកម្ម វិចារណញាណនៃអ្វីដែលស្មុគស្មាញ”។ លោកបន្តថា “ខ្ញុំគិតថា AI មានសារៈសំខាន់ណាស់ក្នុងការអនុញ្ញាតឱ្យរឿងទាំងអស់នេះកើតឡើង។ ខ្ញុំមិនចាប់អារម្មណ៍នឹងការព្យាករណ៍ប្រអប់ខ្មៅជាលទ្ធផលចម្បងនោះទេ”។

ដោយមិនគិតពីរបៀបដែលពួកវាត្រូវបានបង្កើតឡើង វានឹងចំណាយពេលបន្តិចមុនពេលដែលកោសិកា​និម្មិតមួយចំនួនអាចដំណើរការបាន។ លោក Quake និយាយថា “នេះមិនមែនជារឿងដែលនឹងត្រូវធ្វើរួចរាល់នៅឆ្នាំក្រោយទេ”។ លោកបន្តថា “ខ្ញុំគិតថាវានឹងចំណាយពេលពេញមួយទសវត្សរ៍ដើម្បីដឹងពីសក្តានុពល”។

ប៉ុន្តែចាប់តាំងពីការជជែកគ្នាអាហារថ្ងៃត្រង់កាលពីយូរយារណាស់មកហើយ លោក Johnson និយាយថា ការរីកចម្រើនផ្នែកជីវវិទ្យាកោសិកា និងវិទ្យាសាស្ត្រកុំព្យូទ័របានផ្លាស់ប្តូរមូលដ្ឋានគ្រឹះនៃលទ្ធភាពនៃការមានកោសិកា​និម្មិតនៅថ្ងៃណាមួយ។ លោកនិយាយថា “ខ្ញុំលែងមានអារម្មណ៍ដូចជាមនុស្សឆ្កួតដែលគ្រាន់តែនិយាយរអ៊ូរទាំអំពីរឿងនេះទៀតហើយ”។ លោកបន្តថា “ឥឡូវនេះវាហាក់ដូចជាអាចទៅរួចហើយ”។