به گزارش ایسنا، مدل هوش مصنوعی موسوم به «پلنت آران‌ای-اف‌ام»(Plant RNA-FM) که به گفته سازندگان آن اولین نمونه در نوع خود به شمار می‌رود، در همکاری بین پژوهشگران علوم گیاهی «مرکز جان اینس»(John Innes Centre) و پژوهشگران علوم رایانه «دانشگاه اکستر»(University of Exeter) ساخته شده است.
به نقل از وب‌سایت رسمی مرکز جان اینس، سازندگان پلنت آران‌ای-اف‌ام معتقدند این مدل هوش مصنوعی یک پیشرفت هوشمندانه در فناوری است که می‌تواند به کشف و نوآوری در علوم گیاهی و احتمالا در مطالعه بی‌مهرگان و باکتری‌ها کمک کند.
آران‌ای مانند DNA یک مولفه مهم در همه موجودات است و مسئولیت حمل اطلاعات ژنتیکی را در توالی‌ها و ساختارهای بدن آنها بر عهده دارد. در ژنوم، ساختار آران‌ای از ترکیب عناصر سازنده موسوم به نوکلئوتید تشکیل شده است که در الگوهایی مشابه الگوی حروف الفبا چیده شده‌اند.
گروه پروفسور «ییلیانگ دینگ»(Yiliang Ding) در مرکز جان اینس، ساختار آران‌ای را مطالعه می‌کنند که می‌تواند به ساختارهای پیچیده تنظیم‌کننده عملکردهای بیولوژیکی پیچیده مانند رشد گیاه و واکنش به فشار محیطی تبدیل شوند.
برای درک بهتر زبان پیچیده آران‌ای در عملکرد آن، گروه پروفسور دینگ با گروه دکتر «که لی»(Ke Li) در دانشگاه اکستر همکاری کردند. این دو گروه به همراه یکدیگر مدل هوش مصنوعی پلنت آران‌ای-اف‌ام را ابداع کردند که روی مجموعه بزرگی از داده‌های به‌دست آمده از ۵۴ میلیارد قطعه آران‌ای آموزش دیده است. این ۵۴ میلیارد قطعه آران‌ای، الفبای ژنتیکی ۱۱۲۴ گونه گیاهی را تشکیل می‌دهند.
پژوهشگران هنگام ساخت پلنت آران‌ای-اف‌ام، از روشی پیروی کردند که در آن مدل‌های هوش مصنوعی مانند «چت‌جی‌پی‌تی»(ChatGPT) برای درک زبان انسان آموزش می‌بینند. مدل هوش مصنوعی با مطالعه اطلاعات آران‌ای به‌دست‌آمده از گونه‌های گیاهی در سرتاسر جهان، زبان گیاهان را آموخت تا یک دید جامع را از نحوه عملکرد آران‌ای در سراسر قلمرو گیاهی به دست بیاورد.
همان طور که چت‌جی‌پی‌تی می‌تواند زبان انسان را بفهمد و به آن پاسخ دهد، پلنت آران‌ای-اف‌ام نیز یاد گرفته است که منطق توالی‌ها و ساختارهای آران‌ای گیاهان را درک کند.
دکتر «هاوپنگ یو»(Haopeng Yu) پژوهشگر گروه پروفسور دینگ در مرکز جان اینس گفت: اگرچه توالی‌های آران‌ای ممکن است برای چشم انسان تصادفی به نظر برسند اما مدل هوش مصنوعی ما یاد گرفته است که الگوهای پنهان درون آنها را رمزگشایی کند.
این پژوهش در مجله «Nature Machine Intelligence» به چاپ رسید.
انتهای پیام
به گزارش ایسنا، مدل هوش مصنوعی موسوم به «پلنت آران‌ای-اف‌ام»(Plant RNA-FM) که به گفته سازندگان آن اولین نمونه در نوع خود به شمار می‌رود، در همکاری بین پژوهشگران علوم گیاهی «مرکز جان اینس»(John Innes Centre) و پژوهشگران علوم رایانه «دانشگاه اکستر»(University of Exeter) ساخته شده است.
به نقل از وب‌سایت رسمی مرکز جان اینس، سازندگان پلنت آران‌ای-اف‌ام معتقدند این مدل هوش مصنوعی یک پیشرفت هوشمندانه در فناوری است که می‌تواند به کشف و نوآوری در علوم گیاهی و احتمالا در مطالعه بی‌مهرگان و باکتری‌ها کمک کند.
آران‌ای مانند DNA یک مولفه مهم در همه موجودات است و مسئولیت حمل اطلاعات ژنتیکی را در توالی‌ها و ساختارهای بدن آنها بر عهده دارد. در ژنوم، ساختار آران‌ای از ترکیب عناصر سازنده موسوم به نوکلئوتید تشکیل شده است که در الگوهایی مشابه الگوی حروف الفبا چیده شده‌اند.
گروه پروفسور «ییلیانگ دینگ»(Yiliang Ding) در مرکز جان اینس، ساختار آران‌ای را مطالعه می‌کنند که می‌تواند به ساختارهای پیچیده تنظیم‌کننده عملکردهای بیولوژیکی پیچیده مانند رشد گیاه و واکنش به فشار محیطی تبدیل شوند.
برای درک بهتر زبان پیچیده آران‌ای در عملکرد آن، گروه پروفسور دینگ با گروه دکتر «که لی»(Ke Li) در دانشگاه اکستر همکاری کردند. این دو گروه به همراه یکدیگر مدل هوش مصنوعی پلنت آران‌ای-اف‌ام را ابداع کردند که روی مجموعه بزرگی از داده‌های به‌دست آمده از ۵۴ میلیارد قطعه آران‌ای آموزش دیده است. این ۵۴ میلیارد قطعه آران‌ای، الفبای ژنتیکی ۱۱۲۴ گونه گیاهی را تشکیل می‌دهند.
پژوهشگران هنگام ساخت پلنت آران‌ای-اف‌ام، از روشی پیروی کردند که در آن مدل‌های هوش مصنوعی مانند «چت‌جی‌پی‌تی»(ChatGPT) برای درک زبان انسان آموزش می‌بینند. مدل هوش مصنوعی با مطالعه اطلاعات آران‌ای به‌دست‌آمده از گونه‌های گیاهی در سرتاسر جهان، زبان گیاهان را آموخت تا یک دید جامع را از نحوه عملکرد آران‌ای در سراسر قلمرو گیاهی به دست بیاورد.
همان طور که چت‌جی‌پی‌تی می‌تواند زبان انسان را بفهمد و به آن پاسخ دهد، پلنت آران‌ای-اف‌ام نیز یاد گرفته است که منطق توالی‌ها و ساختارهای آران‌ای گیاهان را درک کند.
دکتر «هاوپنگ یو»(Haopeng Yu) پژوهشگر گروه پروفسور دینگ در مرکز جان اینس گفت: اگرچه توالی‌های آران‌ای ممکن است برای چشم انسان تصادفی به نظر برسند اما مدل هوش مصنوعی ما یاد گرفته است که الگوهای پنهان درون آنها را رمزگشایی کند.
این پژوهش در مجله «Nature Machine Intelligence» به چاپ رسید.
انتهای پیام
