وأوضحت الشركة أن هذا العقار هو مثبط جزيئي صغير لمستهدف حيوي جديد اكتشفته منصة اكتشاف الأدوية (Pharma.AI) التابعة للشركة والمدعومة بالذكاء الاصطناعي. وأضافت أنه يتم تطوير (ISM001-055) لعلاج مرض يُدعى التليف الرئوي مجهول السبب (IPF)، وهو مرض رئوي مزمن ينتج عنه تدهور تدريجي لا رجعة فيه في وظائف الرئة. وتتضمن التجربة -التي تُجرى في أستراليا- إعطاء العقار لمتطوعين أصحاء عن طريق الوريد.

وقال فينج رين، كبير المسؤولين العلميين في إنسيليكو، إن اكتشاف هذا العقار وتجربته يمثل "علامة فارقة" في استخدام الذكاء الاصطناعي لاكتشاف العلاجات، لأنه أول جزيء جديد يكتشفه الذكاء الاصطناعي على الإطلاق، استناداً إلى مستهدف حيوي تم اكتشافه بواسطة الذكاء الاصطناعي، مشيراً إلى أن الشركة تتوقع المزيد من العقاقير من هذا النوع في المستقبل القريب.

وذكرت الشركة أن (ISM001-055) أظهر نتائج "واعدة للغاية" في العديد من الدراسات قبل السريرية، بما في ذلك الدراسات البيولوجية المختبرية والحركية الدوائية والسلامة. وأشارت إلى أن المركب حسّن "بشكل كبير" من تنشيط الأرومة الليفية العضلية. ومن المحتمل أن يكون المستهدف الجديد للعقار مرتبط بمجموعة واسعة من مؤشرات التليف.
الرابط (إنجليزي)

روبوت ذكي يشق طريقه في المحيط بأقل قدر من الطاقة
يعمل فريق بحثي مشترك من معهد كاليفورنيا للتكنولوجيا (Caltech) والمعهد الفدرالي للتكنولوجيا في زيورخ (ETH Zürich) وجامعة هارفارد، على تطوير روبوت يشبه قنديل البحر يعمل بالذكاء الاصطناعي، ويعتمد على التيارات البحرية لمساعدته على التنقل في المحيطات بدون أجهزة تحكم عن بعد.

للوصول إلى نقاط أعمق في المحيط، تُرسَل أسراب من الروبوتات الصغيرة لجمع المعلومات المطلوبة، لكن يستحيل التحكم فيها إلى ما هو أبعد من 6 كيلومترات، ولا يستطيع الباحثون تزويدها ببيانات عن تيارات المحيط المحلية اللازمة للتنقل لعدم إمكانية اكتشافها من السطح. لذلك يحتاج الباحثون إلى روبوتات تستكشف ذلك بنفسها، وقادرة على اتخاذ قرارات بمفردها حول المكان الذي يجب أن تتجه إليه والطريقة الأكثر فعالية للوصول إليه أيضاً.

هذا ما يفعله الروبوت المسمى كارل بوت (CARL-Bot)، الذي يمكنه الوصول إلى أعماق أكبر ويقوم بمهام أكثر تفصيلاً تحت الماء. و«كارل بوت» هو روبوت صغير بحجم كف اليد، له محركات للسباحة، وفيه مستشعرات للتوازن ولاكتشاف الضغط والعمق والتسارع والاتجاه. يمكنه جمع البيانات عن التيارات المائية التي يواجهها في الوقت الفعلي. وقد نُشرت دراسة عن آلية عمل الروبوت في دورية «نيتشر» العلمية.

ويعتمد الروبوت على التعلم المعزز، ويمكنه أن يراكم الخبرات بسرعة كبيرة، لذلك احتاج إلى معالج صغير، أصغر من طابع بريدي. وقد أنشأه «بيتر جونارسون»، طالب الدراسات العليا في معهد كاليفورنيا للتكنولوجيا، في بيته باستخدام تقنية الطباعة ثلاثية الأبعاد، وجربه للمرة الأولى في حوض الاستحمام.

من مميزات «كارل بوت» أنه يستهلك أقل قدر ممكن من الطاقة، فهو يستفيد من طاقة التيارات المائية للوصول إلى الموقع المطلوب، وهذه هي الطريقة التي تسخر بها النسور والصقور حرارة الهواء للتزود بالطاقة. أيضاً يمكن لخوارزميات الذكاء الاصطناعي أن تتعلم من المهمات التي سبق وأن أنجزها الروبوت، والتي يخُزن المعلومات عنها في ذاكرته.
للمزيد حول آلية عمل الروبوت الجديد واستخداماته، تابع القراءة على موقعنا عبر هذا الرابط

تطوير نظام ذكاء اصطناعي يساعد الآلات على رؤية العالم كالبشر
تقوم أنظمة الرؤية الحاسوبية في بعض الأحيان بعمليات استدلال تتعارض مع المنطق السليم. على سبيل المثال، إذا كان الروبوت يعاين مشهداً لطاولة عشاء، فقد يتجاهل تماماً وجود وعاء مرئي لأي مراقب بشري، أو يقدر أن ثمة لوحة تطفو فوق الطاولة، أو يخطئ في تصور أن الشوكة تخترق الوعاء بدلاً من الاستناد عليه. عند نقل نظام الرؤية الحاسوبية هذا إلى سيارة ذاتية القيادة تصبح المخاطر أعلى بكثير. وقد فشلت هذه الأنظمة في اكتشاف سيارات الطوارئ والمشاة الذين يعبرون الشارع.

للتغلب على هذه الأخطاء، طور باحثون بجامعة إم آي تي إطار عمل يساعد الآلات على رؤية العالم كما يفعل البشر. يتعلم نظام الذكاء الاصطناعي الجديد إدراك الأشياء الموجودة في العالم الحقيقي من مجرد صور قليلة، ويتصور المشاهد من خلال هذه العناصر التي تعلمها.

وقام الباحثون ببناء هذا الإطار باستخدام البرمجة الاحتمالية (Probabilistic Programming)، وهو نهج ذكاء اصطناعي يمكّن النظام من التحقق من العناصر المكتشفة من خلال بيانات الإدخال، لمعرفة ما إذا كانت الصور التي التقطتها الكاميرا تتطابق مع المشهد أم لا. ويسمح الاستدلال الاحتمالي للنظام باستنتاج ما إذا كان من المحتمل أن يكون عدم التطابق ناتجاً عن ضوضاء أو عن أخطاء في تفسير المشهد تحتاج إلى تصحيح من خلال إجراء المزيد من المعالجة.

تسمح هذه الحماية المعتمدة على المنطق السليم للنظام باكتشاف العديد من الأخطاء التي تصيب نُهج "التعلم العميق" المستخدمة في الرؤية الحاسوبية وتصحيحها. كما تجعل البرمجة الاحتمالية من الممكن أيضاً استنتاج العلاقات المحتملة بين عناصر المشهد، واستخدام التفكير المنطقي لاستنتاج المواضع الأكثر دقة للعناصر.
الرابط (إنجليزي)