خب بچه‌ها، بیاید با یه موضوع خفن تو دنیای هوش مصنوعی و پزشکی شخصی شروع کنیم! حتما شنیدید که این روزا کشف بیومارکر (یعنی پیدا کردن شاخصای زیستی که نشون میدن چه اتفاقی تو بدن می‌افته) و پیش‌بینی واکنش به داروها خیلی مهم شده. مخصوصا تو پزشکی شخصی یا همون Personalized Medicine که یعنی واسه هر آدم یه نسخه مخصوص خودش رو تنظیم کنن!
حالا واسه این کارا، دانشمندها دنبال مدل‌های پیش‌بینی هستن که هم قوی باشن، هم بتونن بهمون بگن “چی داره توی بدن پیش میره؟” یعنی نه فقط یه جعبه سیاه که جواب بده، بلکه بشه فهمید داخلش چه خبره!
اینجا یه ایده جالب اومد وسط: شبکه‌های عصبی قابل مشاهده یا قابل فهم (Visible Neural Networks یا به اختصار همون VNN ها و همچنین Biologically Informed Neural Networks که بهشون BINN هم میگن). اینا چیه؟ خب، معمولاً شبکه عصبی‌های معمولی وصلشون به هم معلوم نیست چرا و چطور ساخته شدن؛ اما توی این مدلای جدید، اتصالات بین لایه‌ها رو طوری محدود می‌کنن که بر اساس اطلاعات از قبل موجود مثل ژن‌اُنتولوژی (Gene Ontology یعنی یه جور طبقه‌بندی و دسته‌بندی ژن‌ها و وظایفشون) و دیتابیس مسیرهای بیولوژیکی (Pathway Database یعنی مجموعه‌ای از مسیرهایی که کارای مختلف بیولوژیکی در سلول‌ها رو نشون میده) ساخته شه.
یعنی شبکه عصبی رو جوری طراحی می‌کنن که دانش بیولوژیکی قبلی تو ساختارش وارد شه—اینطوری هم مدل تفسیرپذیرتر میشه (یعنی می‌تونیم بفهمیم چرا مدل فلان پیش‌بینی رو داده)، هم یادگیری مدل فقط روی چیزای بیولوژیکی معناداره و کمتر مزخرف درمیاره!
حالا، یه مرور سیستماتیک (Systematic Review یعنی بررسی همه مطالعات و مقاله‌هایی که درباره یه موضوع وجود داشتن) برای اولین بار اومده 86 تا مقاله جدید و مختلف رو که همین BINN/VNN ها رو استفاده کردن بررسی کرده. هدفشون چی بوده؟ اینکه ببینن کی داره از این روش استفاده می‌کنه، کِی جواب داده و اصلاً چه ترندهایی تو طراحی مدل و جمع‌آوری داده‌هاشون بوده.
نتیجه چی شده؟ این مدلها دارن روز به روز بیشتر استفاده می‌شن و محقق‌ها بهشون حسابی علاقه نشون دادن. اما یه مشکلی هست؛ هنوز معلوم نیست همه سر یه واژه یا استاندارد مشخص و ابزار یکسان توافق داشته باشن. یعنی یه نفر بهش میگه VNN، یکی دیگه میگه BINN، ابزارهایی که کمک کنن بسازیش هنوز زیاد توسعه پیدا نکرده و استاندارد ارزیابی هم واسش حسابی جا نیفتاده!
در کل، قضیه اینه که BINN ها و VNN ها واقعاً پتانسیل بالایی دارن برای اینکه دانش بیولوژیکی و مدل‌های پیش‌بینی رو یکی کنن و پزشکی شخصی رو پیش ببرن. ولی اگه این ایرادا حل نشن—مثلاً ابزارسازی، استاندارد کردن و ساختن معیارهای مشترک برای ارزیابی—این رشد ممکنه کند بشه.
در نهایت، اگه عاشق فناوری‌های هوش مصنوعی هستی و دوست داری مدل‌هات هم دقیق باشه هم قابل فهم، حتما روش‌های BINN/VNN رو دنبال کن. این یه حوزه داغه و هنوز کلی جا برای پیشرفت و ایده‌های جدید داره!
منبع: +
