អ្នកស្រាវជ្រាវវៀតណាមប្រើ AI ដើម្បី 'ឌិកូដ' បាក់តេរីពោះវៀន

ការងាររបស់អ្នកស្រាវជ្រាវ Dang Thanh Tung (សាកលវិទ្យាល័យតូក្យូ) ជួយឌិកូដពីរបៀបដែលបាក់តេរីក្នុងពោះវៀនទាក់ទងគ្នា បើកទិសដៅថ្មីសម្រាប់ថ្នាំផ្ទាល់ខ្លួន។

រូបភាព៖ ScienceDaily

យោងតាម ​​ScienceDaily នៅក្នុងការសិក្សាស្រាវជ្រាវមួយ អ្នកវិទ្យាសាស្ត្រ នៅសាកលវិទ្យាល័យតូក្យូ ប្រទេសជប៉ុន បានអនុវត្តបញ្ញាសិប្បនិម្មិតកម្រិតខ្ពស់ (AI) ដើម្បីឌិកូដប្រព័ន្ធអេកូស្មុគ្រស្មាញនៃបាក់តេរីពោះវៀន និងសញ្ញាគីមីរវាងពួកវា។

ក្រុមការងារបានបង្កើតបណ្តាញសរសៃប្រសាទ Bayesian ថ្មីហៅថា VBayesMM ដែលរកឃើញទំនាក់ទំនងជីវសាស្ត្រពិត ជាជាងការជាប់ទាក់ទងគ្នាដោយចៃដន្យ។ ប្រព័ន្ធ​នេះ​បាន​អនុវត្ត​លើស​គំរូ​ប្រពៃណី​ក្នុង​ការ​សិក្សា​អំពី​ជំងឺ​ធាត់ ការគេង​មិន​លក់ និង​មហារីក។

បាក់តេរីពោះវៀនដើរតួនាទីយ៉ាងសំខាន់ក្នុងសុខភាពមនុស្ស មានឥទ្ធិពលលើការរំលាយអាហារ ភាពស៊ាំ និងសូម្បីតែអារម្មណ៍។ រាងកាយរបស់មនុស្សមានកោសិកាមនុស្សប្រហែល 30-40 ពាន់ពាន់លាន ខណៈពេលដែលពោះវៀនតែមួយមានកោសិកាបាក់តេរីរហូតដល់ 100 ពាន់ពាន់លាន ដែលមានន័យថាយើងផ្ទុកកោសិកាបាក់តេរីច្រើនជាងកោសិការបស់យើងផ្ទាល់។

អតិសុខុមប្រាណទាំងនេះមិនត្រឹមតែចូលរួមក្នុងការរំលាយអាហារប៉ុណ្ណោះទេ ប៉ុន្តែថែមទាំងផលិត និងបំប្លែងសារធាតុតូចៗរាប់ពាន់ដែលហៅថា មេតាបូលីត ដែលជា "សារជាតិគីមី" ដែលមានឥទ្ធិពលលើការរំលាយអាហារ ប្រព័ន្ធភាពស៊ាំ និងមុខងារខួរក្បាល។

អ្នកស្រាវជ្រាវ Tung Dang (Dang Thanh Tung) នៃមន្ទីរពិសោធន៍ Tsunoda នាយកដ្ឋានវិទ្យាសាស្ត្រជីវសាស្ត្រ នៃសាកលវិទ្យាល័យតូក្យូ បាននិយាយថា "យើងទើបតែចាប់ផ្តើមយល់ថា បាក់តេរីមួយណាផលិតមេតាបូលីត និងរបៀបដែលទំនាក់ទំនងទាំងនេះផ្លាស់ប្តូរនៅក្នុងជំងឺផ្សេងៗ" ។

ប្រសិនបើយើងអាចគូសផែនទីអន្តរកម្មរវាងបាក់តេរី និងសារធាតុគីមីបានយ៉ាងច្បាស់លាស់ យើងអាចបង្កើតការព្យាបាលផ្ទាល់ខ្លួន ឧទាហរណ៍ ការដាំដុះបាក់តេរីប្រភេទជាក់លាក់មួយដើម្បីបង្កើតសារធាតុដែលមានអត្ថប្រយោជន៍ដល់សុខភាព ឬរចនាវិធីព្យាបាលដែលរៀបចំសារធាតុទាំងនោះដើម្បីព្យាបាលជំងឺ។

បញ្ហាស្ថិតនៅក្នុងទំហំទិន្នន័យ៖ ពពួកបាក់តេរី និងសមាសធាតុអន្តរកម្មរាប់ពាន់ប្រភេទ ធ្វើឱ្យពិបាកស្វែងរកគំរូដ៏មានអត្ថន័យ។

ដើម្បីដោះស្រាយបញ្ហានេះ ក្រុមការងារបានប្រើ AI ជាមួយនឹងវិធីសាស្រ្ត Bayesian ដើម្បីស្វែងរកក្រុមបាក់តេរីដែលមានឥទ្ធិពលលើសារធាតុរំលាយអាហារនីមួយៗ ហើយក៏បានគណនាកម្រិតទំនុកចិត្តនៃការព្យាករណ៍ផងដែរ ដែលជួយជៀសវាងការសន្និដ្ឋានខុស។

លោក Tung បានបន្ថែមថា "នៅពេលធ្វើតេស្តលើទិន្នន័យពិភពលោកពិតស្តីពីបញ្ហានៃការគេង ភាពធាត់ និងមហារីក គំរូរបស់យើងបានអនុវត្តយ៉ាងខ្ជាប់ខ្ជួននូវវិធីសាស្រ្តដែលមានស្រាប់ និងកំណត់ក្រុមគ្រួសារបាក់តេរីដែលត្រូវគ្នានឹងដំណើរការជីវសាស្រ្តដែលគេស្គាល់" ។ "នេះផ្តល់ឱ្យយើងនូវទំនុកចិត្តថាប្រព័ន្ធកំពុងរកឃើញទំនាក់ទំនងជីវសាស្រ្តពិតប្រាកដហើយមិនមែនជាគំរូស្ថិតិចៃដន្យទេ។"

សមត្ថភាពក្នុងការកំណត់បរិមាណភាពមិនច្បាស់លាស់ជួយ VBayesMM ផ្តល់ព័ត៌មានដែលអាចទុកចិត្តបានកាន់តែច្រើនដល់អ្នកវិទ្យាសាស្ត្រ។ ទោះជាយ៉ាងណាក៏ដោយ ការវិភាគសំណុំទិន្នន័យអតិសុខុមប្រាណដ៏ធំនៅតែពឹងផ្អែកខ្លាំងលើការគណនា ទោះបីជាការចំណាយនេះនឹងថយចុះនៅពេលដែលបច្ចេកវិទ្យាដំណើរការមានភាពប្រសើរឡើងក៏ដោយ។ ប្រព័ន្ធដំណើរការបានល្អបំផុតនៅពេលដែលបរិមាណទិន្នន័យអតិសុខុមប្រាណមានទំហំធំជាងបរិមាណទិន្នន័យមេតាបូលីត។ ប្រសិនបើចំនួនទិន្នន័យអតិសុខុមប្រាណកាន់តែធំ ភាពត្រឹមត្រូវនឹងថយចុះ។

លើសពីនេះ VBayesMM នៅតែចាត់ទុកប្រភេទបាក់តេរីនីមួយៗជាអង្គភាពឯករាជ្យ ខណៈដែលការពិតពួកវាមានអន្តរកម្មស្មុគស្មាញជាមួយគ្នា។

ឥឡូវនេះក្រុមកំពុងស្វែងរកពង្រីកគំរូដើម្បីដោះស្រាយសំណុំទិន្នន័យគីមីដ៏ទូលំទូលាយបន្ថែមទៀត រួមទាំងសមាសធាតុពីបាក់តេរី រាងកាយមនុស្ស និងរបបអាហារ។ ពួកគេក៏ចង់បញ្ចូល "ដើមឈើគ្រួសារ" នៃប្រភេទបាក់តេរី ដើម្បីបង្កើនការព្យាករណ៍ និងកាត់បន្ថយពេលវេលាគណនា។

លោក Tung មានប្រសាសន៍ថា “គោលដៅចុងក្រោយគឺដើម្បីកំណត់អត្តសញ្ញាណបាក់តេរីជាក់លាក់ ដែលអាចជាគោលដៅសម្រាប់ការព្យាបាល ឬអន្តរាគមន៍ផ្នែកអាហារូបត្ថម្ភ ដោយហេតុនេះការផ្លាស់ប្តូរពីការស្រាវជ្រាវជាមូលដ្ឋានទៅកម្មវិធីព្យាបាល” ។

ជាមួយនឹងឧបករណ៍ AI ថ្មីនេះ អ្នកវិទ្យាសាស្ត្រកំពុងខិតកាន់តែជិតក្នុងការទាញយកសក្តានុពលនៃមីក្រូជីវសាស្រ្តពោះវៀន ដើម្បីអភិវឌ្ឍថ្នាំផ្ទាល់ខ្លួន បើកផ្លូវសម្រាប់ការថែទាំសុខភាពកាន់តែច្បាស់លាស់ និងមានប្រសិទ្ធភាពនាពេលអនាគត។

ត្រឡប់ទៅ ប្រធានបទ

VNA

ប្រភព៖ https://tuoitre.vn/nha-nghien-cuu-viet-dung-ai-giai-ma-vi-khuyen-duong-ruot-20251111125341462.htm