Sieci neuronowe najnowszej generacji częściowo zastępują naukowców: przeprowadzają eksperymenty, diagnozują choroby, ujawniają wzorce, wysuwają i testują hipotezy. Są używane, gdy ilość danych przekracza jakiekolwiek ludzkie możliwości. Jakie zagadnienia naukowe pomogły rozwiązać sztuczną inteligencję - w materiale RIA Novosti.
Adam i Ewa
Pierwszy robotnik-naukowiec został stworzony w 2009 roku przez brytyjskich specjalistów pod kierownictwem profesora Rossa Kinga, wówczas pracownika Uniwersytetu w Aberystwyth. Jego „mózgiem” był program sieci neuronowej wykorzystujący cztery komputery PC i sterujący sprzęt laboratoryjny. Wirtualne stworzenie zostało nazwane „Adam”.
Sieć neuronowa to program komputerowy, który analizuje duże ilości danych z dużą prędkością, szukając w nich wspólnych cech i wzorów. W przeciwieństwie do modelowania, sieci neuronowe nie potrzebują hipotez naukowych - same je budują i testują. Naukowcy wykorzystują tę właściwość, aby dowiedzieć się, jak prawdopodobny jest scenariusz. To znacznie oszczędza czas i moc obliczeniową, która jest wymagana znacznie bardziej na przykład w symulacji komputerowej. Naukowcy dostarczyli Adamowi szczepy drożdży piekarskich z różnymi unieczynnionymi genami. Sam robot wyhodował kultury tych zmutowanych szczepów i monitorował ich rozwój bez pewnych enzymów, za które odpowiedzialne są wyłączone geny. Sztuczny mózg uczył się na pierwszych eksperymentach, a następnie efektywniej planował nowe. Robot mógł przeprowadzić tysiące eksperymentów dziennie. W rezultacie wysunął dwa tuziny hipotez dotyczących genów kodujących 13 enzymów. Następnie naukowcy przeprowadzili ręczne eksperymenty i potwierdzili przypuszczenia Adama dotyczące 12 genów. Prawie dziesięć lat później King i jego koledzy opracowali Eve, innego naukowca zajmującego się robotami. Sortuje różne związki i szuka, które z nich są obiecujące jako leki. Maszyna jest w stanie zbadać dziesięć tysięcy substancji dziennie. Pierwszym odkryciem "Evy" był związek chemiczny o właściwościach przeciwnowotworowych, który był również skuteczny przeciwko czynnikowi wywołującemu malarię. Do badań przesiewowych „Eva” wykorzystuje inteligentne systemy oparte na genetycznie modyfikowanych drożdżach. Prawie dziesięć lat później King i jego koledzy opracowali Eve, innego naukowca zajmującego się robotami. Sortuje różne związki i szuka, które z nich są obiecujące jako leki. Maszyna jest w stanie zbadać dziesięć tysięcy substancji dziennie. Pierwszym odkryciem "Evy" był związek chemiczny o właściwościach przeciwnowotworowych, który był również skuteczny przeciwko czynnikowi wywołującemu malarię. Do badań przesiewowych „Eva” wykorzystuje inteligentne systemy oparte na genetycznie modyfikowanych drożdżach. Prawie dziesięć lat później King i jego koledzy opracowali Eve, innego naukowca zajmującego się robotami. Sortuje różne związki i szuka, które z nich są obiecujące jako leki. Maszyna jest w stanie zbadać dziesięć tysięcy substancji dziennie. Pierwszym odkryciem "Evy" był związek chemiczny o właściwościach przeciwnowotworowych, który był również skuteczny przeciwko czynnikowi wywołującemu malarię. Do badań przesiewowych „Eva” wykorzystuje inteligentne systemy oparte na genetycznie modyfikowanych drożdżach. Do badań przesiewowych „Eva” wykorzystuje inteligentne systemy oparte na genetycznie modyfikowanych drożdżach. Do badań przesiewowych „Eva” wykorzystuje inteligentne systemy oparte na genetycznie modyfikowanych drożdżach.
Markery długowieczności i palenia
W ubiegłym roku naukowcy z kilku krajów, w tym z Rosji, reprezentowani przez pracowników Uniwersytetu ITMO (St. Petersburg), opublikowali artykuł na temat określania wieku osoby za pomocą biochemicznego badania krwi. W tym celu przeszkolili sieć neuronową, a następnie przekazali jej próbki ponad 120 000 testów krwi od pacjentów z Kanady, Korei Południowej i Europy Wschodniej do badań. W programie znano tylko narodowość, płeć i dwa tuziny parametrów biochemicznych krwi. To wystarczyło, aby z dużą dokładnością ustalić wiek każdego pacjenta. W styczniu tego roku ten sam zespół naukowców przedstawił nowe wyniki: szkolona przez nich sztuczna inteligencja była w stanie obliczyć, na podstawie parametrów biochemicznych krwi, czy dana osoba pali, czy nie. Naukowcy udostępnili sieci neuronowej bazę danych zawierającą prawie 150 tys. Badań krwi pacjentów z prowincji Alberta (Kanada), które wcześniej były anonimowe. Program znał tylko płeć ludzi. Sieć neuronowa z powodzeniem poradziła sobie z zadaniem i nauczyła się izolować palaczy. Co więcej, znalazła oznaki, które wskazywały na prawdę, czyli wiek biologiczny osoby, a nie chronologiczny (zgodnie z paszportem). Okazało się, że palące kobiety starzeją się biologicznie dwa razy szybciej niż niepalące, a mężczyźni - półtora raza. Okazało się, że palące kobiety starzeją się biologicznie dwa razy szybciej niż niepalące, a mężczyźni - półtora raza. Okazało się, że palące kobiety starzeją się biologicznie dwa razy szybciej niż niepalące, a mężczyźni - półtora raza.
Sieć neuronowa o działaniu przeciwnowotworowym
Film promocyjny:
Naukowcy ze Stanford (USA) wykorzystali zdolność sieci neuronowych do analizowania obrazów, które zasadniczo są zbiorem danych cyfrowych. Wyszkolili program fotograficzny, aby rozróżniać raka od czerniaka, złośliwych narośli, które wskazują na raka.
W programie zbadano blisko 130 tysięcy obrazów różnych formacji na skórze, które charakteryzowały się typem choroby lub jako zwykłe pieprzyki, rogowiaki i wydedukowane wzory. Wyniki sprawdzało dwa tuziny dermatologów: okazały się dość trafne. Teraz, aby przeprowadzić wstępną diagnozę, wystarczy przesłać lekarzowi zdjęcie nowotworu skóry ze smartfona. A następnie - w zależności od odpowiedzi - zdecyduj, czy wykonać biopsję w celu dokładnego ustalenia diagnozy. Sztuczna inteligencja jest również wykorzystywana w OncoTarget Center for Personalized Onkology na Sechenov University (Moskwa). Tam tworzą cyfrowy model pacjenta - to pełna informacja o jego chorobie, cechach genetycznych guza. Naukowcy mają nadzieję, że sieć neuronowa, analizująca tablice danych, zoptymalizuje leczenie każdego pacjenta.
W poszukiwaniu tajemnic wszechświata
Sztuczna inteligencja otwiera ogromne perspektywy przed astronomami, którzy dosłownie dławią się obfitością danych uzyskanych w wyniku obserwacji. Liczne misje kosmiczne, teleskopy orbitujące i naziemne wygenerowały ich znacznie więcej, niż ludzie będą w stanie wkrótce przetworzyć. Kevin Schawinski z Instytutu Fizyki Cząstek i Astrofizyki w Szwajcarskiej Wyższej Szkole Technicznej w Zurychu uważa, że sieci neuronowe zrewolucjonizują astronomię. On i jego koledzy przetestowali sztuczną inteligencję, analizując dane dotyczące tempa formowania się gwiazd podwójnych, aby zrozumieć, dlaczego zmniejsza się on w galaktykach, gdy zmieniają się warunki zewnętrzne. Astronomowie wytrenowali sieć neuronową za pomocą szeregu obrazów galaktyk. Podobnie jak program może pokazać, jaka będzie twarz osoby na starość,może również zmienić wygląd galaktyki, gdy wchodzi do grupy lub gromady. Wyniki pracy sieci neuronowej zbiegły się w czasie z obserwacjami. W 2017 roku samoucząca się sieć neuronowa stworzona przez Google pomogła NASA odkryć nową egzoplanetę. Analiza danych z orbitującego teleskopu Keplera ujawniła, że skalista planeta jest tylko o trzydzieści procent większa niż Ziemia krążąca wokół gwiazdy Kepler-90 w konstelacji Draco. Jednak planeta była zbyt blisko gwiazdy, by przetrwać. Wcześniej sieć neuronowa znalazła już szóstą planetę w układzie gwiazdowym Kepler-80. Wszystko to jest wynikiem przetwarzania słabych sygnałów świetlnych, które może wychwycić tylko program komputerowy.pomógł NASA odkryć nową egzoplanetę. Analiza danych z orbitującego teleskopu Keplera ujawniła, że skalista planeta jest tylko o trzydzieści procent większa niż Ziemia krążąca wokół gwiazdy Kepler-90 w konstelacji Draco. Jednak planeta była zbyt blisko gwiazdy, by przetrwać. Wcześniej sieć neuronowa znalazła już szóstą planetę w układzie gwiazdowym Kepler-80. Wszystko to jest wynikiem przetwarzania słabych sygnałów świetlnych, które może wychwycić tylko program komputerowy.pomógł NASA odkryć nową egzoplanetę. Analiza danych z orbitującego teleskopu Keplera ujawniła skalistą planetę o zaledwie trzydzieści procent większej od Ziemi, krążącą wokół gwiazdy Kepler-90 w konstelacji Draco. Jednak planeta była zbyt blisko gwiazdy, by przetrwać. Wcześniej sieć neuronowa znalazła już szóstą planetę w układzie gwiazdowym Kepler-80. Wszystko to jest wynikiem przetwarzania słabych sygnałów świetlnych, które może wychwycić tylko program komputerowy. Wcześniej sieć neuronowa znalazła już szóstą planetę w układzie gwiazdowym Kepler-80. Wszystko to jest wynikiem przetwarzania słabych sygnałów świetlnych, które może wychwycić tylko program komputerowy. Wcześniej sieć neuronowa znalazła już szóstą planetę w układzie gwiazdowym Kepler-80. Wszystko to jest wynikiem przetwarzania słabych sygnałów świetlnych, które może wychwycić tylko program komputerowy.
Tatiana Pichugina