הודעה לעיתונות: המשוואות שמניעות את החיים: מערכת בינה מלאכותית חדשה לגילוי תהליכים ביולוגיים

פיתוח חדש של בינה המלאכותית שמצליחה ללמוד איך לקרוא ספרות ביולוגית ורפואית יחד עם מידע מניסויים ולמצוא חוקים מתמטים שמתארים אותה ברמה של חוקרים מנוסים.

מחקר חדש של חוקרים מאוניברסיטת חיפה וממכון ויצמן למדע שיוצג בחודש הבא בכנס השנתי של IEEE -The world’s largest technical professional organization, מצא כי מערכת בינה מלאכותית שפיתחו הצליחה לשחזר במקרים רבים מודלים מתמטיים המתארים תהליכים ביולוגיים ולהציע מודלים אפשריים גם לבעיות שאין להן מודל מוסכם אחד.

בניתוח נוסף, שנערך על שלוש מערכות מייצגות, נמצא כי המערכת הציעה מודלים בעלי סבירות ביולוגית גבוהה יותר כאשר שילבה ידע מן הספרות המדעית ואילוצים ביולוגיים, ולא הסתמכה על נתונים בלבד. עוד נמצא כי הוספת נתונים לא תמיד שיפרה את המודל, ובמקרים מסוימים הובילה למשוואות שהתאימו לתצפיות אך תיארו באופן פחות אמין את המנגנון הביולוגי. “בינה מלאכותית יכולה לחזות היטב מה צפוי לקרות, אבל חיזוי אינו בהכרח הבנה. המטרה שלנו הייתה לבנות מערכת שלא רק מתאימה משוואה לנתונים, אלא מציעה הסבר מתמטי שאפשר לקרוא, לבחון ולערער עליו”, אמר ד”ר טדי לזבניק מהפקולטה למדעי המחשב והמידע מאוניברסיטת חיפה ומאוניברסיטת יונשופינג בשוודיה, שהוביל את המחקר.

משוואות דיפרנציאליות רגילות הן כלי מרכזי לתיאור תהליכים המשתנים לאורך זמן, ובהם התפשטות מגפות, גידול אוכלוסיות, פעילות חשמלית של תאי עצב והתקדמות של פצעים כרוניים. כדי לבנות מודל כזה, על החוקרים לקבוע אילו משתנים חשובים, אילו קשרים מתקיימים ביניהם ואילו מגבלות ביולוגיות צריכות להיכלל במשוואות. אלא שהתאמה טובה של משוואה לנתונים אינה מבטיחה שהיא מתארת נכון את המנגנון הביולוגי, משום שמודלים שונים יכולים להפיק תוצאות דומות אף שהם נשענים על הסברים שונים ולעיתים שגויים. במחקר הנוכחי ביקשו ד”ר לזבניק מאוניברסיטת חיפה, דוד קרונגאוז וארד זולטי מהמחלקות למדעי המחשב ומתמטיקה שימושית ולביולוגיה מולקולרית של התא במכון ויצמן למדע, ופרופ’ ערן סגל ממכון ויצמן למדע ומאוניברסיטת מוחמד בן זאיד לבינה מלאכותית, לבדוק אם שילוב בין מודלי שפה גדולים לבין חיפוש מתמטי יכול להפיק מודלים שמנסים להסביר את המנגנון שמאחורי התהליך, ולא רק לחקות את תוצאותיו.

המערכת, MEDA, פועלת באמצעות כמה סוכני בינה מלאכותית, שכל אחד מהם מבצע שלב אחר בתהליך. תחילה היא סוקרת את הספרות המדעית ומחלצת ממנה ידע קודם על המערכת הנבחנת. לאחר מכן היא מתרגמת את הידע המילולי למשתנים, לקשרים ולאילוצים מתמטיים, מחפשת משוואות אפשריות ולבסוף בוחנת את המודלים ומזהה את מגבלותיהם. כל שלב מתועד בנפרד, כך שהחוקרים יכולים לבדוק אילו הנחות הוטמעו ומדוע נבחרה משוואה מסוימת. MEDA נבחנה בשתי תצורות: על סמך הספרות והאילוצים הביולוגיים בלבד, ובשילוב סדרות נתונים המדמות תצפיות לאורך זמן. הבדיקה כללה 12 מערכות בשלוש דרגות קושי: חמישה מודלים מוכרים, ובהם גידול אוכלוסייה, יחסי טורף וטרף, מגפות ופעילות עצבית; חמישה מודלים מורכבים יותר שהרחיבו מערכות מוכרות; ושתי משימות פתוחות יותר, שעסקו בהתפשטות מידע שגוי ובהתקדמות של פצע כרוני. המשוואות ששימשו אמת מידה הוסתרו מסוכני הגילוי ונחשפו רק לאחר שהמערכת השלימה את עבודתה.

מתוצאות המחקר עולה כי במערך הבדיקות המרכזי זיהתה MEDA את המשתנים הרלוונטיים בכל 12 המערכות שנבחנו. במודלים מוכרים היא שחזרה בחלק מהמקרים את כל רכיבי המשוואה, ובמערכות מורכבות יותר הצליחה בדרך כלל לזהות את שלד המנגנון, גם כאשר המשוואה הסופית לא הייתה זהה במלואה למודל ששימש להשוואה. הערכת הסבירות הביולוגית של המודלים נעשתה בידי חמישה מתמטיקאים בעלי תואר דוקטור ולפחות עשר שנות ניסיון אקדמי. בניתוח שנערך על שלוש מערכות מייצגות ירד ציון הסבירות הביולוגית הממוצע מכ־0.97 במערכת המלאה לכ־0.60 בגישה שהתבססה על נתונים בלבד, ללא הספרות המדעית, שלב התרגום לאילוצים מתמטיים והאילוצים המכניסטיים. במודל של פצע כרוני, למשל, הוספת הנתונים הובילה למשוואות שהתאימו למסלול שנצפה, אך תיארו את המנגנון באופן פחות סביר מבחינה ביולוגית. “מודל יכול להתאים היטב לתצפיות ועדיין להסביר את הביולוגיה בצורה שגויה. לכן הערך של המערכת אינו בכך שהיא מכריעה מהו המודל הנכון, אלא בכך שהיא מציעה השערות מפורשות שאפשר לבדוק בניסוי, להשוות ביניהן ולפסול. היא אינה מחליפה מדענים, אלא עשויה לסייע להם לצמצם את מספר ההסברים האפשריים ולתכנן ניסויים ממוקדים יותר”, אמר ד”ר לזבניק.

קראו עוד על המחקר בכתבה שפורסמה באתר ynet