Արհեստական բանականության տարածման ինտենսիվությունը սրընթաց աճում է։ Այն կառավարում է մոդելներ, որոնք օգնում են մեզ կառավարել տրանսպորտային միջոցները, ստուգել էլեկտրոնային փոստը եւ անգամ մշակել նոր մոլեկուլներ դեղերի համար։ Բայց, ինչպես եւ մարդու պարագայում, դժվար է կարդալ ԱԲ մտքերը։ Բացատրելի արհեստական բանականությունը (XAI) տեխնոլոգիայի մի մասն է, որը կարող է օգնել մեզ այդ հարցում՝ հիմնավորելով մոդելի որոշումները։ Եվ հիմա հետազոտողներն օգտագործում են XAI-ն ոչ միայն արհեստական բանականության կանխատեսվող մոդելների ավելի մանրակրկիտ ուսումնասիրման, այլեւ քիմիայի ոլորտի ավելի խոր հետազոտման համար։ Հետազոտողներն իրենց արդյունքները կներկայացնեն Ամերիկյան քիմիական ընկերության (ACS) News Medical News Sciences աշնանային ժողովում։

Գիտնականների նոր հետազոտությունները կենտրոնացած են այն ԱԲ մոդելներում կիրառելու հարցում՝ մշակելու համար դեղեր, օրինակ՝ նոր թեկնածու հակաբիոտիկների կանխատեսման նպատակով։

Գիտնականներն իրենց աշխատանքն սկսել են այն բանից, որ դեղամիջոցների հայտնի մոլեկուլները մտցրել են ԱԲ տվյալների շտեմարաններ, որը կկանխատեսեր, թե արդյոք այս կամ այն միացությունը կենսաբանական էֆեկտ կունենա։ Հետո նրանք օգտագործել են XAI մոդելը, որն ստեղծել է Կառլսռուեի գերմանական տեխնոլոգիական ինստիտուտի աշխատակից Պասկալ Ֆրիդերիխը՝ ուսումնասիրելու համար դեղերի մոլեկուլների առանձնահատուկ մասերը, որոնք հանգեցրել են մոդելի կանխատեսման։ Դա օգնել է բացատրել, թե ինչու այս կամ այլ մոլեկուլն ունի ակտիվություն կամ չունի՝ ըստ մոդելի, եւ դա օգնել է հասկանալ, որ ԱԲ մոդելը կարող է կարեւոր համարվել, եւ թե ինչպես է այն ստեղծում կարգեր՝ ուսումնասիրելու համար տարբեր միացությունների բազմությունը։

Գիտնականները պարզել են, որ XAI-ն կարող է տեսնել այն, ինչ մարդիկ, գուցե, բաց են թողել. այն կարող է հաշվի առնել անհամեմատ ավելի շատ փոփոխականներ եւ տվյալների կետեր միաժամանակ, քան մարդու ուղեղը։ Օրինակ, պենիցիլինի մոլեկուլների հավաքածուի սքրինիգի ժամանակ XAI-ն հայտնաբերել է կրիտիկական գործոն դրա դասակարգման մեջ, այլ ոչ թե հենց միջուկը։