מערכת חיסון מלאכותית

מתוך ויקיפדיה, האנציקלופדיה החופשית
Gnome-edit-clear.svg
ערך זה זקוק לעריכה: הסיבה לכך היא: תרגמת, קישורים.
אתם מוזמנים לסייע ולתקן את הבעיות, אך אנא אל תורידו את ההודעה כל עוד לא תוקן הדף. אם אתם סבורים כי אין בדף בעיה, ניתן לציין זאת בדף השיחה.

מערכת חיסון מלאכותית (Artificial immune system או AIS) היא תת-סוג של מערכת בינה מלאכותית לומדת המבוססת על כללים שקיבלו את השראתם ממערכת החיסון של בעלי חוליות. האלגוריתמים לרוב מבוססים על מאפייני מערכת החיסון בכל הקשור ללמידה וזיכרון ושימושם בפתרון בעיות.

הגדרה[עריכת קוד מקור | עריכה]

מערכות חיסון מלאכותיות שואפות לפשט את פעילות ומבנה מערכת החיסון ליצירת מודלים ממוחשבים, ושימוש במודלים אלו לטובת פתרון בעיות חישוביות בתחומי המתמטיקה, הנדסה וטכנולוגיות מידע ותקשורת. מערכת חיסון מלאכותית (AIS) היא תת-תחום של מחשוב בהשראת ביולוגיה ומחשוב טבעי, עם זיקה ללמידת מכונה ובהקשר רחב יותר לבינה מלאכותית.

מערכת חיסון מלאכותית היא מערכת לומדת בהשראת תאוריית האימונולוגיה וכן בהשראת תפקודים, עקרונות ומודלים חיסוניים, אשר מיושמת לפתרון בעיות.[1]

מערכת חיסון מלאכותית (AIS) נבדלת מאימונולוגיה חישובית ומביולוגיה תאורטית העוסקות בהדמיית מערכת החיסון באמצעות מודלים חישוביים ומתמטיים לשם הבנה טובה יותר של מערכת החיסון, למרות שמודלים כאלו הציתו את העניין ב-AIS וממשיכות לתת לה השראה. AIS אינו עוסק בחקירת מערכת החיסון כמצע חישובי, בדומה לנעשה בתחום מחשוב DNA.

היסטוריה[עריכת קוד מקור | עריכה]

תחום מערכת חיסון מלאכותית (AIS) פרץ באמצע שנות ה-80 עם מאמרים שנכתבו על ידי פרמר, פקרד ופרלסון (1986) וכמו כן על ידי ברסיני וורלה (1990) על מערכות חיסון. עם זאת רק באמצע שנות ה-90 תחום מערכת חיסון מלאכותית עמד כתחום בפני עצמו. 

פוסטר וקפרט פרסמו את מאמרם הראשון בנושא מערכת חיסון מלאכותית בשנת 1994, ודסגופטה ניהל מחקר נרחב על אלגוריתמי סלקציה שליליים. הונט וקוק כתבו מודלים של רשת חיסון בשנת 1995; טימיס וניל המשיכו לפתח את המחקר ועשו כמה שיפורים. מחקריהם של דה-קסטרו וון ז'ובן וכן גם של ניקוסיה וקוטלו על ברירת השבטים הפכו לראויים לציון בשנת 2002. הספר הראשון בנושא של מערכת חיסון מלאכותית נכתב על ידי דסגופטה בשנת 1999.

כיום, תאוריות חדשות בתחומי מערכת חיסון מלאכותית כמו תאוריית סכנה ואלגוריתמים שהושפעו על ידי המערכת חיסון המוטבעת נחקרים. אומנם יש כאלו שמאמינים שהתאוריות החדשות האלו לא באמת מציעות אלגוריתמים שבאמת חדשים ביחס לאלגוריתמים שכבר קיימים בתחום מערכת חיסון מלאכותית. טענה זאת ניתנת לוויכוח, והוויכוח נותן את אחד הכוחות המניעים העיקריים לפיתוחים בתחום מערכת חיסון מלאכותית. התפתחויות אחרות בנושא כוללות את החקר בהתנוונות במודלים של מערכת חיסון מלאכותית,[2][3] אשר מונע על ידי התפקיד המשוער שלו בלמידה והתפתחות.[4][5]

במקור מערכת חיסון מלאכותית (AIS) ניסו למצוא הפשטות בתהליכים שנמצאים במערכת החיסון. ממש לאחרונה, מערכת חיסון מלאכותית משמשת יותר למפות את התהליכים הביולוגיים וכן בליישם אלגוריתמים של חסינות לבעיות ביו-אינפורמטיביים.

בשנת 2008, דסגופטה ונינו הוציאו לאור ספר לימוד על מחשוב מערכת החיסון המציג מאגר של חקר עדכני ביחס לטכניקות המבוססות על חסינות ומתאר מגוון רחב של שימושים. 

שיטות[עריכת קוד מקור | עריכה]

השיטות הנפוצות הושפעו על ידי תאוריות מערכות החיסון ספציפיות שמתארות את הפונקציה והתנהגות של מערכת החיסון האדפטיבי של יונקים.

  • אלגוריתם ברירת השבטים: אלגוריתם שהושפע על ידי תאוריית הברירות שבטים של חסינות שמתארת איך לימפוציטים מסוג B ו-T המשפרים את התגובה שלהם לאנטיגנים לאורך זמן הנקרא התבגרות הזיקה (AFFINITY MATURATION). האלגוריתמים האלו מתרכזים על התכונות הדארוויניות של התאוריה כאשר בחירה הושפעה על ידי זיקה של אינטראקציית של נוגדנים אנטיגנים. התפתחות מושפעת על ידי חילוק תאים, וריאציה שהושפעה על ידי היפרמוטציה של תאי גוף. אלגוריתמים ברירת שבטים משמשים לרוב לתחומים של זיהוי רצפים.[6]
  • אלגוריתם מיון שלילי: הושפע על ידי תהליך המיון החיובי ושלילי שמתבצע לאורך ההתבגרות של תאי T בתימוס הנקרא סיבולת תא T. מיון שלילי מתייחס לזיהוי ומחיקה של תאים המגיבים לעצמם, כלומר תאי T שעלולות לתקוף רקמת תאים. הסוג הזה של אלגוריתמים משמשים לרוב למיון וזיהוי רצפים בתחומי בעיות כשאזור הבעיה מבוססת על מידע קיים. לדוגמה, במקרה של זיהוי תחום יוצא דופן האלגוריתם מכין סט של מזהיי רצפים שמזהים רצפים לא צפויים או יוצאי דופן.
  • אלגוריתמים של רשת חיסון :אלגוריתמים שהושפעו על ידי תאוריית הרשת האידיוטופי שהוצג על ידי נילס קוו ג'רן שמתאר את הרגולציה של רשת החיסון על ידי נוגדנים אנטי-אידיוטופים. הסוג הזה של אלגוריתם מתרכז על גרף המערכת שבוא נוגדנים מייצגים את ה צמתים האלגוריתם המאמן מתקשר לגדילת או לקיצוץ צדדים בין הצמתים. אלגוריתמים רשת החיסון משמשים בהתאספות, ראית מידע, שליטה, ואופטימיזציה של תחומים וחולקים תכונות עם רשתות עצביות מלאכותיות.[7]
  • אלגוריתם התא הדנדריטי: אלגוריתם התא הדנדריטי (DCA) הוא דוגמה לאלגוריתם חיסוני שפותח באמצעות שימוש בגישה רבת היקף. האלגוריתם מבוסס על מודל של תא דנדריטי (DCs). אלגוריתם התא הדנדריטי עובר תהליך של בחינת אספקטים שונים של פעילות של תאים דנדריטים (DC), מהרשת המולקולרי שנמצא בתוך התא להתנהגות של קבוצת תאים כקבוצה. באלגוריתם התא הדנדריטי מידע מתפרק במספר שכבות, בעזרת עיבוד רב היקפי.[8]

ראו גם[עריכת קוד מקור | עריכה]

קישורים חיצוניים[עריכת קוד מקור | עריכה]

הערות שוליים[עריכת קוד מקור | עריכה]

  1. ^ de Castro, Leandro N.; Timmis, Jonathan (2002). Artificial Immune Systems: A New Computational Intelligence Approach. Springer. עמ' 57–58. ISBN 978-1-85233-594-6. 
  2. ^ Andrews and Timmis (2006). "A Computational Model of Degeneracy in a Lymph Node". Lecture Notes in Computer Science 4163: 164. doi:10.1007/11823940_13. 
  3. ^ Mendao (2007). "The Immune System in Pieces: Computational Lessons from Degeneracy in the Immune System". Foundations of Computational Intelligence (FOCI): 394–400. 
  4. ^ Edelman and Gally (2001). "Degeneracy and complexity in biological systems". Proceedings of the National Academy of Sciences of the United States of America 98 (24): 13763–13768. doi:10.1073/pnas.231499798. 
  5. ^ Whitacre (2010). "Degeneracy: a link between evolvability, robustness and complexity in biological systems". Theoretical Biology and Medical Modelling 7 (6). doi:10.1186/1742-4682-7-6. בדיקה אחרונה ב-11 במרץ 2011. 
  6. ^ de Castro, L. N.; Von Zuben, F. J. (2002). "Learning and Optimization Using the Clonal Selection Principle" (PDF). IEEE Transactions on Evolutionary Computation, Special Issue on Artificial Immune Systems (IEEE) 6 (3): 239–251. doi:10.1109/tevc.2002.1011539. 
  7. ^ Timmis, J.; Neal, M.; Hunt, J. (2000). "An artificial immune system for data analysis". BioSystems 55 (1): 143–150. PMID 10745118. doi:10.1016/S0303-2647(99)00092-1. 
  8. ^ Greensmith, J.; Aickelin, U. (2009). "Artificial Dendritic Cells: Multi-faceted Perspectives" (PDF). Human-Centric Information Processing Through Granular Modelling: 375–395. אורכב מ-המקור ב-2011-08-09. בדיקה אחרונה ב-25 בפברואר 2017.