في عصر الذكاء الاصطناعي والابتكارات التقنية، يتطلع العلماء إلى طرق جديدة لتحسين الطريقة التي نتعامل بها مع البيانات العلمية. واحدة من أكبر التحديات التي تواجه المجال هي عملية تصنيف الأوصاف النصية للظواهر الطبيعية، والمعروفة باسم 'ترميز الظواهر' (phenotype annotation). في السابق، كانت هذه العملية تعتمد بشكل كبير على خبراء بشريين مدربين، مما شكل عقبة كبيرة أمام التوسع في هذا المجال.

قام باحثون مثل داهدل وزملاؤه في عام 2018 بتحديد معيار ذهبي لتصنيف الكيانات وجودتها (Entity-Quality) عبر سبع دراسات في علم الأحياء النظم. ومن خلال قياس أداء ثلاثة من المتخصصين البشريين بمساعدة أداة الذكاء الاصطناعي 'Semantic CharaParser'، لوحظ أن التوافق بين البشر أقل مقارنة بالتوافق بين المحررين.

الآن، يعيد فريق البحث تقييم هذا المعيار باستخدام خمس وكالات متقدمة تعتمد على نماذج لغوية من شركتي Anthropic وOpenAI. تعمل كل من هذه الوكالات كـ'منسقين آليين' في بيئة عمل مغلقة، حيث تستخدم الوثائق الأصلية وأدلة الترميز التي اعتمدها المحررون البشر، بالإضافة إلى أربع ontologies (UBERON و PATO و BSPO و GO).

عند مقارنة الأداء بنفس المعايير الذهبية، أظهرت كل وكالة نتيجة تتضمن تباين المحررين البشر، حيث اقترب أفضلها من أداء أقوى محرر بشري، متفوقة بشكل ملحوظ على أداة Semantic CharaParser في جميع المقاييس. هذا التطور يفتح آفاقاً جديدة ويدلل على قدرة الذكاء الاصطناعي في تجاوز العقبات التقليدية في علم الأحياء والبيانات العلمية.

إذا كنت مهتمًا بمستقبل الذكاء الاصطناعي وعلاقته بتصنيف البيانات العلمية، فلا تفوت الفرصة لتبادل الآراء حول هذا الموضوع! ما رأيكم في قوة هذه الوكالات؟