این هوش مصنوعی می تواند تخمین بزند که چه مدت مرده اید. چگونه کار می کند بخش عجیب و غریب است

هوش مصنوعی می‌تواند مسائل ریاضی نظری را حل کند، یک سیستم آنزیمی مرموز در ویروس‌ها را شناسایی کند، به طور بالقوه انسان‌ها را تا پایان دهه منقرض کند، و طبق تحقیقات جدید، مدت زمانی که مرده‌اید را تخمین بزند.

در مطالعه‌ای که دوشنبه در Nature Communications منتشر شد، محققان یک سیستم هوش مصنوعی ایجاد کردند که از میکروب‌ها بر روی اجساد برای تخمین فواصل پس از مرگ (PMI) یا زمان پس از مرگ آنها استفاده می‌کند. این سیستم که mHolmes نام دارد بر روی داده های عمومی 34 جسد انسان آموزش داده شده است. در حالی که کار بیشتر مورد نیاز است، روزی می تواند تحقیقات پزشکی قانونی را تا حد زیادی بهبود بخشد.

کانگ نینگ، یکی از نویسندگان این مطالعه و کارشناس بیوانفورماتیک در دانشگاه علم و فناوری Huazhong، به Gizmodo گفت: "تخمین زمان از زمان مرگ در علم پزشکی قانونی بسیار دشوار است." روش‌های قبلی که از نمونه‌های میکروبیوم استفاده می‌کردند، تنها از چند نقطه زمانی (معمولا 3 تا 5) نمونه‌برداری می‌کردند و فقط بر روی یک عضو بدن تمرکز می‌کردند، که اغلب باعث خطاهای بزرگ‌تر از 3± روز، به‌ویژه برای بقایای تکه تکه شده یا جزئی می‌شدند.»

به این ترتیب، نینگ و همکارانش mHolmes را ساختند و آن را با داده های نمونه های میکروبیوم پوست که روزانه به مدت 21 روز از صورت و لگن 34 جسد انسان جمع آوری می شد، آموزش دادند. این به سیستم آموزش داد که چگونه میکروب های روی اجساد مرده در طول زمان رشد می کنند. محققان همچنین به mHolmes اجازه دادند تا از تمرینات به دست آمده از یک قسمت بدن برای اطلاع از تخمین PMI برای یک قسمت مختلف بدن استفاده کند، که در مورد بقایای تکه تکه شده یا جزئی مفید است.

نینگ توضیح داد که mHolmes اساسا یک «پیش‌بینی‌کننده آب و هوا برای میکروب‌ها» است - می‌آموزد که چگونه باکتری‌ها در یک بدن مرده در مدت طولانی رشد می‌کنند و کاهش می‌یابند. با چند روز داده‌های میکروبی، این سیستم می‌تواند تخمین بزند که میکروب‌ها در طول هر روز شکاف احتمالی چه کار کرده‌اند یا ترکیبات میکروبی آینده را پیش‌بینی کند. mHolmes از این پیش بینی ها برای تخمین PMI بدن استفاده می کند. این سیستم همچنین می‌تواند به صورت معکوس کار کند و رشد میکروبی را که در هفته اول پس از مرگ رخ داده است، کشف کند، که وقتی اجساد دیر کشف می‌شوند بسیار ارزشمند است.

نینگ توضیح داد: «mHolmes می‌تواند تقریبا روز به روز تغییرات میکروبی را پیش‌بینی کند و در هنگام پیش‌بینی در نقاط مختلف بدن به خطای متوسط ​​کمتر از دو روز دست یابد.» رویکردهای قبلی معمولا دارای خطای متوسط ​​سه روزه مثبت یا منفی هستند. توانایی mHolmes برای بازسازی توسعه میکروبی گذشته نیز زمانی که تیم بیش از نیمی از داده‌های ورودی خود را حذف کرد، ثابت ماند و توانایی آن را برای عملکرد حتی با اطلاعات از دست رفته نشان داد.

جالب اینجاست که mHolmes هفت گروه از باکتری ها را مشخص کرد که هر کدام با مراحل تجزیه شناخته شده مرتبط هستند. نینگ تاکید کرد: «برای مثال، گاماپروتئوباکتری‌ها زود شکوفا می‌شوند، کلستریدیا در طول پوسیدگی فعال غالب می‌شوند، و Deinococci در مرحله خشک ظاهر می‌شوند. این بدان معناست که پیش‌بینی‌های هوش مصنوعی یک «جعبه سیاه» نیستند، بلکه بر اساس زیست‌شناسی واقعی (قابل توضیح) هستند.

به طور کلی، mHolmes این ظرفیت را دارد که تحقیقات پزشکی قانونی را بهبود بخشد، به ویژه زمانی که صحبت از موقعیت هایی مانند بقایای تکه تکه شده یا بدن بسیار تجزیه شده باشد. اما قبل از اینکه بتواند به طور کامل جایگزین رویکردهای سنتی شود، کار بیشتری لازم است - در حال حاضر باید به عنوان یک دستیار قدرتمند در نظر گرفته شود. نینگ اشاره کرد که مجموعه داده در مطالعه آنها کوچک بود و mHolmes باید بیشتر در سناریوهای دنیای واقعی با محیط های مختلف و قسمت های اضافی بدن آزمایش شود. محققان همچنین باید پروتکل‌های نمونه‌گیری را قبل از استفاده از نتایج mHolmes در دادگاه ایجاد کنند.