GOPHER به کو و تیمش کمک کرد تا بخش هایی از الگوریتم های هوش مصنوعی را کشف کنند که قابلیت اطمینان، عملکرد و دقت را افزایش می دهد. این یافته ها به تعریف بلوک های ساختمانی کلیدی برای ساخت کارآمدترین الگوریتم های هوش مصنوعی در آینده کمک می کند. شوشان تنیان، یکی دیگر از دانشجویان فارغ التحصیل آزمایشگاه کو، می گوید: «امیدواریم این به افرادی که در آینده تازه وارد این رشته شده اند کمک کند.
ژنوم انسان سه میلیارد حرف کد است و هر فرد میلیون ها تنوع دارد. در حالی که هیچ انسانی نمی تواند به طور واقع بینانه تمام این کدها را غربال کند، کامپیوترها می توانند. برنامه های هوش مصنوعی (AI) می توانند الگوهای مربوط به بیماری را در ژنوم بسیار سریعتر از انسان پیدا کنند. آنها همچنین چیزهایی را که انسان از دست می دهد را تشخیص می دهد. روزی، خوانندگان ژنوم مجهز به هوش مصنوعی حتی ممکن است بتوانند بروز بیماری ها از سرطان گرفته تا سرماخوردگی را پیش بینی کنند. متأسفانه، افزایش محبوبیت اخیر هوش مصنوعی منجر به گلوگاهی در نوآوری شده است.GOPHER برنامه های هوش مصنوعی را بر اساس چندین معیار قضاوت می کند: اینکه آنها چقدر زیست شناسی ژنوم ما را یاد می گیرند، چقدر دقیق الگوها و ویژگی های مهم را پیش بینی می کنند، توانایی آن ها در مدیریت نویز پس زمینه، و میزان تفسیرپذیری تصمیم هایشان. تانگ می گوید: «هوش مصنوعی این الگوریتم های قدرتمندی هستند که برای ما سؤالات را حل می کنند. اما، او خاطرنشان می کند: "یکی از مسائل مهم با آنها این است که ما نمی دانیم آنها چگونه به این پاسخ ها رسیده اند."
اینجاست که GOPHER، جدیدترین اختراع آزمایشگاه کو، وارد می شود. GOPHER (مخفف GenOmic Profile-model compreHensive Evaluator) روش جدیدی است که به محققان کمک می کند کارآمدترین برنامه های هوش مصنوعی را برای تجزیه و تحلیل ژنوم شناسایی کنند. Ziqi Tang، دانشجوی فارغ التحصیل در آزمایشگاه Koo توضیح می دهد: «ما چارچوبی ایجاد کردیم که در آن می توانید الگوریتم ها را به طور سیستماتیک تر مقایسه کنید.
