Biolodzy Nauczyli Komputer Przewidywania Długości życia Człowieka - Alternatywny Widok

Spisu treści:

Biolodzy Nauczyli Komputer Przewidywania Długości życia Człowieka - Alternatywny Widok
Biolodzy Nauczyli Komputer Przewidywania Długości życia Człowieka - Alternatywny Widok

Wideo: Biolodzy Nauczyli Komputer Przewidywania Długości życia Człowieka - Alternatywny Widok

Wideo: Biolodzy Nauczyli Komputer Przewidywania Długości życia Człowieka - Alternatywny Widok
Wideo: Naukowe podstawy biologii | 1.3. Hierarchiczna organizacja życia 2024, Może
Anonim

Zgodnie z artykułem opublikowanym w Scientific Reports, australijscy biolodzy stworzyli system sztucznej inteligencji (AI), który jest w stanie przewidzieć długość życia człowieka z 69% dokładnością na podstawie pojedynczego zdjęcia jego narządów.

Cybernetyczna „kukułka”

W ostatnich latach, dzięki rozwojowi matematyki i wzrostowi mocy obliczeniowych komputerów, naukowcy mają możliwość tworzenia skomplikowanych sieci neuronowych, systemów sztucznej inteligencji zdolnych do wykonywania nietrywialnych zadań, a nawet twórczego „myślenia”, tworzenia nowych przykładów sztuki i technologii.

Na przykład, tylko w zeszłym roku naukowcy stworzyli sztuczną inteligencję zdolną do grania w „niezliczoną” starożytną chińską grę w Go, przeszukiwania gazet pod kątem najważniejszych wydarzeń w historii, pisania scenariuszy do gier komputerowych, kolorowania fotografii i filmów wideo „jak Van Gogh” oraz rysowania obrazków. Na początku roku naukowcy zaprezentowali system AI, który jest w stanie odróżnić znamiona od raka skóry lepiej niż najbardziej doświadczeni dermatolodzy.

Oakden-Rainer i jego koledzy posunęli się dalej, tworząc system inteligencji maszynowej, który może określić długość życia człowieka na podstawie zdjęć narządów wewnętrznych uzyskanych za pomocą tomografu komputerowego.

Ten program to tak zwana głęboka, czyli ultraprecyzyjna sieć neuronowa - wielowarstwowa struktura kilkudziesięciu lub setek prostszych sieci neuronowych. Każdy z nich nie przetwarza surowych danych, ale produkty analityczne uzyskane przez znajdującą się powyżej sieć, co pozwala uprościć bardzo złożone problemy i rozwiązać je przy użyciu stosunkowo skromnych zasobów obliczeniowych.

Sieci te nie mogą rozwiązywać problemów natychmiast po ich utworzeniu - podobnie jak ludzie, muszą uczyć się na własnych błędach przez długi czas, zanim zaczną uzyskiwać właściwe odpowiedzi.

Film promocyjny:

Magia sztucznej inteligencji

Do takiego treningu Oakden-Rainer i jego koledzy wykorzystali zbiór kilku tysięcy zdjęć klatki piersiowej i jamy brzusznej wykonanych tomografem podczas obserwacji zdrowia 40 pacjentów. Zdaniem naukowców ten zestaw obrazów wystarczył, aby ich dziecko było w stanie osiągnąć poziom przewidywań, jaki zwykle pokazują lekarze, próbując „na oko” określić życie swoich pacjentów.

Po upewnieniu się, że stworzony przez nich system poprawnie przewiduje oczekiwaną długość życia na podstawie zdjęć narządów już zmarłych pacjentów, naukowcy sprawdzili, jak poradzi sobie z pracą w warunkach „bojowych”. W tym celu zrekrutowali grupę ośmiu młodych i starszych pacjentów, oświetlili klatkę piersiową tomografem i obserwowali ich życie przez kilka następnych lat.

Okazało się, że program naprawdę dobrze wykonał powierzone mu zadania - poprawnie przewidział długość życia 69% wolontariuszy, trafnie ustalając, którzy pacjenci w klinikach umrą w ciągu najbliższych pięciu lat.

Ponieważ naukowcy nie wiedzą, jak takie głębokie sieci neuronowe działają „od wewnątrz” i jak dochodzą do wniosków, pozostaje niejasne, jakie dokładnie cechy charakterystyczne wykorzystuje komputer do przewidywania śmierci człowieka. Jednocześnie relatywnie wysoka trafność prognoz dla osób cierpiących na obturacyjną chorobę płuc czy niewydolność serca przemawia za tym, że choroby te najsilniej wpłynęły na „opinię” AI.

Naukowcy mają nadzieję, że rozszerzenie bazy danych i zaangażowanie większej liczby ochotników w eksperymenty znacznie poprawi jakość prognoz i sprawi, że będą one dokładniejsze dla osób, które nie cierpią na poważne choroby serca i płuc. Teraz, jak twierdzi Oakden-Rainer, jego zespół „trenuje” nową wersję sieci neuronowej na podstawie zdjęć 12 tysięcy pacjentów, co powinno znacząco poprawić trafność prognoz.