Self Driving Datasets: From 20 Million Papers to Nuanced Biomedical Knowledge at Scale
تقدم هذه الورقة "Starling"، وهو نظام بحث عميق متعدد الوكلاء يقوم ذاتياً بتحويل مجموعة بيانات PubMed بأكملها إلى مجموعات بيانات طبية حيوية مهيكلة واسعة النطاق، وعالية الدقة، وغنية بالفروق الدقيقة، متفوقاً بذلك على المستودعات التقليدية التي يتم تنسيقها يدوياً في كل من النطاق وجودة البيانات.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
تخيل عالم الأبحاث الطبية الحيوية كمكتبة ضخمة وفوضوية تحتوي على 22.5 مليون كتاب (أوراق علمية). لعقود من الزمن، حاول العلماء الذين يحاولون بناء ذكاء اصطناعي لاكتشاف أدوات جديدة التعلم من "ورقة غش" صغيرة، مكلفة، ومنتهية الصلاحية نوعاً ما، كتبها عدد قليل من المكتبيين يدوياً. ورقة الغش هذه (قواعد البيانات الموجودة) جيدة، لكنها تفتقد لبعض الصفحات، وتحديثها بطيء، وغالباً ما أغفل المكتبيون التفاصيل الفوضوية لكيفية إجراء التجارب فعلياً.
تقدم هذه الورقة البحثية Starling، وهو نظام جديد يعمل كأنه أمين مكتبة خارق، لا يكل ولا يمل، يمكنه قراءة المكتبة بأكملها المكونة من 22.5 مليون كتاب، وفهم السياق فوراً، وإعادة كتابة "ورقة الغش" لتصبح أكبر، وأكثر دقة، ومليئة بالتفاصيل المفقودة.
إليك كيف يعمل Starling، مقسماً إلى خطوات بسيطة:
1. المشكلة: "ورقة الغش" معيبة
فكر في قواعد بيانات الأدوية الحالية مثل جدول بيانات كتب فيه شخص ما: "الدواء X يعمل".
- إنها غير مكتملة: فهي تفتقد لآلاف الدراسات الجديدة التي نُشرت منذ آخر تحديث لجدول البيانات هذا.
- تفتقر إلى الدقة والعمق: فهي لا تخبرك متى يعمل الدواء X. ربما يعمل فقط إذا كان المريض صائماً، أو فقط إذا كان يتناول دواءً آخر معيناً معه. جدول البيانات هذا يتخلص من هذا السياق الحيوي.
- تحتوي على أخطاء: وجدت الورقة أن أوراق الغش القديمة تكون خاطئة في 7% إلى 16% من الحالات.
2. الحل: Starling (أمين المكتبة ذاتي القيادة)
بدلاً من توظيف المزيد من المكتبيين البشر لقراءة الكتب (وهو أمر يستغرق سنوات ويكلف ثروة)، قام المؤلفون ببناء Starling، وهو نظام ذكاء اصطناعي يقوم بالعمل بنفسه.
أ- نظام الوسم (الفهرس)
أولاً، يقرأ Starling كل ورقة بحثية ويضع عليها ملاحظات لاصقة. يقوم بوسم 4.5 مليار شيء محدد (مثل أسماء الأدوية، الجينات، الأمراض، والبروتينات) عبر 19 فئة مختلفة. الأمر يشبه امتلاك مكتبة حيث يتم فهرسة كل كتاب فورياً بكل الشخصيات والحبكات الدرامية بداخله.
ب- البحث (المحقق)
عندما يسأل باحث سؤالاً مثل: "ابحث لي عن كل مرة تحدث فيها أي شخص عن كيفية دخول دواء إلى الدماغ"، فإن Starling لا يخمن فحسب. بل يستخدم "بحثاً هجيناً" (يجمع بين مطابقة الكلمات المفتاحية وفهم معنى الجمل) للعثور على الصفحات الدقيقة في الـ 22.5 مليون كتاب ذات الصلة.
ج- الاستخراج (الكاتب)
هذا هو الجزء السحري. يستخدم Starling فريقاً من وكلاء الذكاء الاصطناعي للقيام بما يلي:
- تصميم النموذج: يحدد المعلومات المهمة (مثلاً: "هل كان المريض صائماً؟").
- القراءة والكتابة: يقرأ الفقرات المحددة، يستخرج البيانات، ويملأ سجلاً منظماً.
- القاضي: يقوم "قاضٍ" نهائي من الذكاء الاصطناعي بمراجعة العمل. يسأل نفسه: "هل وجدت هذا بالفعل في الورقة البحثية؟ هل اسم الدواء صحيح؟ هل اخترعت رقماً من عندك؟" إذا كانت الإجابة "لا"، فإنه يتخلص من السجل.
3. النتائج: مكتبة أفضل
اختبرت الورقة Starling في ست مهام مختلفة، مثل معرفة مدى سمية مادة كيميائية أو مدى قدرة دواء على عبور الحاجز الدموي الدماغي.
- النطاق: أنتج Starling حوالي 6.3 مليون سجل. بالنسبة لبعض المهام، هذا الرقم أكبر بـ 20 إلى 3اً من أفضل قواعد البيانات اليدوية الموجودة حالياً.
- الدقة: للمفاجأة، كانت سجلات Starling أكثر دقة من تلك التي أعدها البشر. فبينما كانت معدلات الخطأ في قواعد البيانات القديمة تتراوح بين 7% إلى 16%، كان معدل خطأ Starling يتراوح بين 0.6% إلى 7.7% فقط.
- العمق والدقة: هذا هو الفوز الأكبر. لم يكتفِ Starling بالقول: "الدواء X لديه توافر حيوي بنسبة 60%"، بل قال: "الدواء X لديه توافر حيوي بنسبة 60% إذا أُخذ على معدة فارغة، ولكن بنسبة 20% فقط إذا أُخذ مع وجبة عالية الدهون". لقد التقط "القصة" وراء الرقم، وهو ما كانت قواعد البيانات السابقة تتجاهله.
4. التكلفة
تشير الورقة إلى أن هذه العملية برمتها كلفت حوالي سنت واحد لكل سجل. في المقابل، فإن تنسيق هذه قواعد البيانات يدوياً يكلف ثروة طائلة ويستغرق سنوات.
الملخص
تزعم الورقة أنه من خلال استخدام الذكاء الاصطناعي للقراءة المستقلة للأدبيات العلمية الأولية، يمكننا بناء مجموعات بيانات أكبر، وأرخص، وأكثر دقة، وأغنى بالتفاصيل من أي شيء تم تنسيقه بشرياً من قبل. وقد أطلقوا الكود البريدي ومجموعات البيانات لكي يتمكن الآخرون من استخدام طريقة "القيادة الذاتية" هذه لبناء قواعد معرفية خاصة بهم من الأدبيات العلمية.
ما لا تدعيه الورقة:
- لا تدعي أن هذه المجموعات من البيانات قد عالجت بالفعل أمراضاً أو أدت إلى الموافقة على أدوية جديدة.
- لا تدعي أن الذكاء الاصطناعي مثالي أو أنه يفهم البيولوجيا مثل الطبيب البشري (لا يزال بحاجة إلى مراجعة).
- لا تدعي أن النظام يمكنه قراءة الصور أو الرسوم البيانية في الأوراق (هو حالياً يقرأ النصوص والجداول فقط).
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.