Inteligența artificială (AI) a schimbat dramatic peisajul științei, industriei, apărării și medicinei în ultimii ani. Susținut de o putere de calcul considerabil sporită și de stocarea în cloud, domeniul inteligenței artificiale a trecut de la studii preponderent teoretice în cadrul disciplinei informaticii la diverse aplicații din viața reală, cum ar fi proiectarea de medicamente, descoperirea de materiale, recunoașterea vorbirii, mașinile care se conduc singure, publicitatea, finanțele, imagistica medicală și observarea astronomică, unde s-a dovedit că rezultatele produse de inteligența artificială sunt comparabile sau chiar superioare performanțelor experților umani. În aceste aplicații, ceea ce este în esență important pentru dezvoltarea IA sunt datele necesare pentru învățarea automată. În ciuda importanței sale proeminente, primul proces de dezvoltare a IA, și anume colectarea și pregătirea datelor, este, de obicei, sarcina cea mai laborioasă și reprezintă adesea un factor limitativ al construirii unor algoritmi de IA funcționali. Tehnologia lab-on-a-chip, în special microfluidica, este o platformă puternică atât pentru construirea, cât și pentru punerea în aplicare a IA la scară largă, rentabilă, de mare randament, automatizată și multiplexată, depășind astfel blocajul de mai sus. Pe această platformă, imagistica de mare capacitate este un instrument esențial, deoarece poate genera informații cu conținut ridicat (de exemplu, dimensiunea, forma, structura, compoziția, interacțiunea) ale obiectelor la scară largă. Imagistica de mare randament poate fi, de asemenea, cuplată cu sortarea și secvențierea ADN/ARN pentru a realiza un studiu masiv al relațiilor fenotip-genotip ale căror date sunt prea complexe pentru a fi analizate cu instrumentele de calcul tradiționale, dar care pot fi analizate cu ajutorul puterii AI. Pe lângă funcția sa de furnizor de date, tehnologia lab-on-a-chip poate fi utilizată, de asemenea, pentru a pune în aplicare IA dezvoltată pentru identificarea, caracterizarea, clasificarea și predicția exactă a obiectelor în eșantioane mixte, eterogene sau necunoscute. În acest articol de analiză, motivat de sinergia excelentă dintre IA și tehnologia lab-on-a-chip, prezentăm elementele fundamentale, progresele recente, provocările viitoare și oportunitățile emergente ale IA cu tehnologia lab-on-a-chip sau, pe scurt, „IA pe un cip”.
.