Classical baselines outperform released deep-learning ITS classifiers, which collapse on ITS2 where predictions follow the flanking regions
تُظهر هذه الدراسة أنه بينما تحقق المصنفات القائمة على التعلم العميق لتسلسلات ITS الفطرية دقة عالية على المراجع كاملة الطول، فإنها تفشل بشكل ذريع في منطقة ITS2 الفرعية الشائعة الاستخدام من خلال الاعتماد على المناطق المتاخمة بدلاً من الباركود نفسه، مما يتسبب في تفوق الطرق المرجعية الكلاسيكية عليها بشكل كبير في سيناريوهات الميتاباركودينج البيئية الواقعية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل
في عالم الفطريات المجهري، يعتمد العلماء على امتداد محدد من الشفرة الوراثية لتحديد الأنواع، تماماً كما يستخدم أمين المكتبة رمز "الباركود" لفرز الكتب. هذه الشفرة، المعروفة باسم "الفاصل النسخي الداخلي" (ITS)، تقع بين جينات أخرى في الحمض النووي للفطريات وتتفاوت بما يكفي بين الأنواع لتعمل كمعرّف فريد. لعقود من الزمن، استخدم الباحثون هذه المنطقة لتصنيف الحياة الفطرية غير المرئية التي تحيط بنا، من الفطريات في الغابة إلى العفن الذي ينمو في المنزل. ومع ذلك، جعلت التكنولوجيا الحديثة من الممكن تسلسل جزء صغير ومريح فقط من هذه الشفرة — وتحديداً مقطع يُسمى (ITS2) — بدلاً من السجل الجيني الكامل. هذا الاختصار أسرع وأرخص، مما يسمح للعلماء بمعالجة آلاف العينات في وقت واحد، لكنه يثير سؤالاً جوهرياً: هل لا تزال برامج الكمبيوتر الأكثر تقدماً، المدربة على السجل الجيني الكامل، قادرة على التعرف على الفطر عندما لا ترى سوى هذا الجزء الضئيل؟
مؤخراً، وضع فريق من الباحثين حداً لاختبار قدرات الذكاء الاصطناعي في هذا المجال. فقد فحصوا مصنفين قويين يعتمدان على التعلم العميق، وهما نماذج حاسوبية متطورة تم تدريبها على ملايين التسلسلات الفطرية للتنبؤ بأسماء الأنواع بدقة عالية. وقد تم الاحتفاء بهذه النماذج لقدرتها على تحديد الفطريات بدقة تتجاوز 90 بالمائة، لكنها كانت مدربة على السجلات الجينية الكاملة والطويلة. أراد الباحثون معرفة ما إذا كانت هذه النماذج نفسها ستعمل عند تغذيتها بالتسلسلات القصيرة والجزئية التي تنتجها المسوحات البيئية فعلياً. وللقيام بذلك، أنشأوا اختباراً عادلاً باستخدام آلاف التسلسلات الفطرية، مقارنين أداء الذكاء الاصطناعي بالطرق التقليدية الأكثر قدماً والتي تعتمد على المقارنة المباشرة بدلاً من التعلم المعقد.
كشفت النتائج عن فشل ذريع للذكاء الاصطناعي. فعندما غدّى الباحثون النماذج بالسجلات الجينية كاملة الطول، قدمت مصنفات التعلم العميق أداءً مقبولاً، وإن كانت لا تزال أقل دقة قليلاً من الطرق التقليدية. ومع ذلك، بمجرد تقييد المدخلات بالاقتصار على قطعة (ITS2) القصيرة، انهار أداء الذكاء الاصطناعي. ففي هذه القطعة القصيرة، انخفضت دقة نماذج التعلم العميق إلى حوالي 18 إلى 28 بالمائة، وهو فشل كارثي مقارنة بالطرق التقليدية التي ظلت قوية ودقيقة بنسبة تقارب 90 بالمائة. إن نماذج الذكاء الاصطناعي، التي تم الترويج لها كأنها مستقبل تحديد الفطريات، توقفت فعلياً عن العمل عندما واجهت البيانات التي من المرجح جداً أن تصادفها في العالم الحقيقي.
استقصى الباحثون سبب حدوث ذلك، مشتبهين في أن النماذج لم تكن تقرأ "الباركود" الذي كان من المفترض أن تحدده. وأجروا تجربة ذكية حيث أخذوا قطعة (ITS2) القصيرة من فطر ما وأحاطوها بالمناطق الجينية المجاورة لنوع مختلف تماماً من الفطريات. لو كان الذككم الاصطناعي يقرأ حقاً باركود (ITS2)، لكان قد حدد الفطر الأصلي. وبدلاً من ذلك، حددت النماذج بشكل ساحق الفطر "المتبرع"، وهو الفطر الذي تم إلحاق مادتة الجينية المحيطة به. وفي إحدى الحالات، حدد النموذج عائلة الفطر المتبرع بدقة بلغت 64 بالمائة تقريباً من الاستعلامات، بينما حدد الفطر الفعلي في أقل من 1 بالمائة من الحالات. أثبت هذا أن النماذج لم تكن تنظر إلى الباركود نفسه، بل كانت تعتمد على السياق الجيني المحيط، وهو السياق المفقود تماماً في العينات البيئية القصيرة.
يوضح هذا الاكتشاف سبب فشل النماذج بهذا الشكل الدراماتيكي. لقد تعلم الذكاء الاصطناعي التعرف على الفطريات من خلال النظر إلى السجل الجيني بأكمله، بما في ذلك المناطق التي تسبق وتلي الباركود. وعند تقديم القطعة القصيرة وحدها، أصبحت النماذج "عمياء" فعلياً، وغير قادرة على العثور على السمات التي تدربت على التعرف عليها. والأسوأ من ذلك، أن النماذج لم تعترف بارتباكها؛ إذ فقدت درجات الثقة لديها القدرة على التمييز بين الفطريات المألوفة والجديدة، مما يعني أن المخرجات لم تقدم أي تحذير بأن التنبؤ من المرجح أن يكون خاطئاً. وفي حالة أحد النماذج، ظل مفرط الثقة، مما أعطى الباحثين شعوراً زائفاً بالأمان رغم كونه مخطئاً في معظم الحالات. وتخلص الدراسة إلى أن الدقة العالية المسجلة لأدوات التعلم العمدي هذه هي وهم ناتج عن اختبارها على بيانات لا تتطابق مع الظروف الواقعية للمسوحات البيئية. ولكي تكون هذه الأدوات مفيدة، يجب إعادة تدريبها أو إعادة تصميمها لتفهم أن القطع القصيرة التي تتلقاها تختلف جوهرياً عن السجلات الكاملة التي بُنيت عليها، وإلا فعل العلماء الاعتماد على الطرق الأبسط والأكثر موثوقية التي صمدت أمام اختبار الزمن.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.