Sinanay nina Nam H. Le, Douglas Blackiston, Michael Levin at Josh Bongard ang sistemang ginagawang pagpili mula sa mga dating naitalang pagsubok sa electrical stimulation ng xenobot ang maiikling utos gaya ng “bumilis.” Iniulat ng kanilang preprint sa arXiv noong Setyembre 30 na pinili ng paboritong modelo ang nakaarkibong kinalabasang nasa nilalayong direksiyon sa 80.0% ng pinakamahihirap na held-out na paghahambing. Offline na pagtutugma ito. Hindi iniulat ng mga may-akda na inilapat nila ang prediksyon sa bagong-stimulate na xenobot.

Para sa mga biologist na gustong gumabay sa buhay na sistema, mahalagang itanong kung ano ang ginawa ng AI sa pagitan ng pangungusap at pisikal na interbensiyon. Dito, hinusgahan nito ang lumang galaw, tumulong magsanay ng modelong prompt-patungong-tagalan, at nagbalik ng dating pagsubok na pinakamalapit sa hinihinging kilos. Hindi nito pinatunayang ganoon din tutugon ang bagong organismo.

Ang malaking pagbabago

  • Ano ang nagbago:Gumamit ang mga mananaliksik ng AI judge para iugnay ang mga kahilingan sa galaw sa karaniwang wika sa tagal ng electrical stimulation sa umiiral na archive ng xenobot. Nagbibigay ito ng paraan para magsanay ng language interface nang hindi nangongolekta ng bagong eksperimento para sa bawat utos.
  • Bakit mahalaga:Maaaring siyasatin ng mga mananaliksik na may tala ng interbensiyon at kinalabasan kung sapat ang mga iyon para sa kapaki-pakinabang na language interface bago maglaan ng oras sa mga prospective trial. Isang stimulation parameter at magaspang na direksiyon ng galaw lamang ang pinangangasiwaan dito; hindi pa nasusubok ang praktikal na halaga.
  • Ano ang dapat bantayan:Ang mahalagang susunod na eksperimento ay ilapat ang napiling tagal sa bagong xenobot at sukatin kung susunod ang galaw sa utos. Iminumungkahi ng preprint ang pagsubok na iyon; archive matching ang sinusukat ng iniulat na accuracy.

Ano talaga ang natutuhan ng modelo

Ang mga xenobot ay maliliit na buhay na likha mula sa mga selula ng Xenopus laevis. Sa mga eksperimentong ginamit muli para sa papel, sinubaybayan ang isang likha bago at pagkatapos ng electrical stimulus. Tagal ng stimulus lang ang mapipili ng bagong sistema. Ipinakita ng nakaarkibong video kung bumilis o bumagal ang xenobot pagkatapos.

Una, kumuha ang mga may-akda ng 2D path mula sa video. Gumamit ang tracking pipeline ng Segment Anything Model at ilang paraan ng detection para harapin ang bula, repleksiyon at debris. Binigyan nila ng utos at iginuhit na galaw ang vision-language model na tinukoy bilang Claude sa AI-use statement. Sinukat ni Claude kung gaano tumutugma ang naitalang galaw sa mga salita; hindi nito nakita ang tagal ng stimulus.

Naging nakapirming reward table ang mga score. Kumuha ang hiwalay na network ng instruction embedding at nagpredikta ng tagal ng stimulation. Sa pangunahing paraan, nag-fit ang mga mananaliksik ng makinis na score curve sa mga nakaarkibong tagal para sa bawat prompt, kumuha ng target duration, at sinanay ang network na hulaan iyon. Sa pagpapakita ng resulta, itinugma ng sistema ang prediksyon sa dating naitalang trial at ipinakita ang trajectory nito. Ipinapakita ng Figure 1 ng papel ang pagkakasunod-sunod; samantalang ang demo sa Figure 10 ay nagbabalik ng lumang trajectory para sa tatlong itinaypong prompt. Ang “live interface” sa papel ay tumutukoy sa interactive na display, hindi sa live control ng organismo.

Gaano katibay ang resulta sa archive?

May 149 na nasubaybayang trial ang panimulang koleksiyon. Inalis ng mga may-akda ang 48 na hindi mapagkakatiwalaan, kaya 101 trial mula sa magkakaibang xenobot ang naiwan: 26 na mas mabilis at 75 na mas mabagal. Iniulat nila ang 61 trial sa training subset at 40 sa test subset. Gumamit ang sistema ng 33 training prompt; kasama rin sa evaluation ang mga prompt na wala sa training. Itinuring na tama ang hinulaang tagal kung ang tatlong pinakamalapit na trial ayon sa tagal sa kaugnay na archive subset ay bumoto sa nilalayong direksiyon ng galaw.

Sa paghahambing gamit ang bagong prompt at test subset ng archive, umabot sa 80.0% accuracy sa 30 training seed ang piniling paraan ng training. Nakakuha rito ng 66.7% ang tuntuning laging “mas mabagal,” dahil binalanse ng test ang tatlong uri ng prompt ngunit pinagsama ang “bagalan” at “huminto” sa iisang kategoryang mas mabagal. Umabot sa 59.1% ang modelong sinanay sa mas payak na target mula sa nasukat na pagbabago ng bilis. Resulta ito ng mga may-akda sa sarili nilang dataset, hindi sukat ng tagumpay sa bagong xenobot.

Sinuri rin ng mga may-akda ang AI judge gamit ang mga label ng galaw na hiwalay na hinango sa mga trajectory. Iniulat nila ang 97% pagkakasundo sa pag-uuri ng mas mabilis laban sa mas mabagal. Sinusuportahan nito ang judge para sa magaspang na pagkakaibang iyon, bagaman mas mahina ang ugnayan ng score sa laki ng pagbabago ng bilis. Hindi mapagkakatiwalaang natutuhan ng paraan ang magkahiwalay na utos para sa bahagyang pagbagal at paghinto; kapwa “mas mabagal” sa pangunahing resulta.

May detalye sa paghahati ng datos na kailangang lutasin ng independiyenteng reviewer. Inilalarawan ng Seksyon 3.4 ang pag-score sa lahat ng 101 nakaarkibong trial gamit ang 33 training prompt para buuin ang reward table; samantalang inilalarawan ng Seksyon 3.5 ang magkahiwalay na archive training/test evaluation. Tinatawag ng papel na held out ang huli, ngunit hindi malinaw sa pangunahing teksto kung paanong hindi isinama sa training target ang score ng test trial. Nililimitahan ng kawalang-katiyakang ito ang kumpiyansang basahin ang 80.0% bilang generalization sa di-nakikitang archive record.

Ang nawawalang biyolohikal na pagsubok

Tagal mula sa archive pa rin ang interbensiyon. Hindi makabubuo ang modelo ng bagong electrical protocol, makapipili ng ibang stimulus setting o makapagpapakitang tutugon ang bagong xenobot gaya ng nakaarkibo. Walang wet-lab trial na idinagdag sa training o evaluation. Hindi rin pinatutunayan ng preprint ang kahalintulad na resulta sa organoid, tissue repair o klinikal na gamit, kahit binabanggit ng pamagat at talakayan ang mas malawak na posibilidad.

ArXiv preprint ang papel at walang iniulat na ebidensiya ng independiyenteng replication. Paraan ng pagkatuto mula sa mga rekord na hindi nagtambal ng utos at interbensiyon ang agarang ambag nito. Eksperimental na tanong pa kung kaya nitong gumabay nang maaga sa buhay na selula.

Mga source at karagdagang babasahin