De nieuwste generatie neurale netwerken vervangen wetenschappers gedeeltelijk: ze voeren experimenten uit, diagnosticeren ziekten, leggen patronen bloot, stellen hypothesen op en testen deze. Ze worden gebruikt waar datavolumes de menselijke capaciteit overschrijden. Welke wetenschappelijke problemen hebben geholpen om de kunstmatige intelligentie op te lossen - in het materiaal RIA Novosti.
Adam en Eva
De eerste robotwetenschapper werd in 2009 opgericht door Britse specialisten onder leiding van professor Ross King, destijds een medewerker van de Universiteit van Aberystwyth. Zijn 'brein' was een neuraal netwerkprogramma dat vier pc's gebruikte en laboratoriumapparatuur aanstuurde. Het virtuele wezen heette "Adam".
Een neuraal netwerk is een computerprogramma dat grote hoeveelheden gegevens met hoge snelheid analyseert, op zoek naar gemeenschappelijke kenmerken en patronen daarin. In tegenstelling tot modellering hebben neurale netwerken geen wetenschappelijke hypothesen nodig - ze bouwen ze zelf en testen ze zelf. Wetenschappers gebruiken deze eigenschap om erachter te komen hoe waarschijnlijk een scenario is. Dat scheelt aanzienlijk in tijd en rekenkracht, wat veel meer nodig is bij bijvoorbeeld computersimulatie. Wetenschappers voorzagen Adam van stammen van bakkersgist waarbij verschillende genen waren uitgeschakeld. De robot kweekte zelf culturen van deze gemuteerde stammen en volgde hun ontwikkeling zonder bepaalde enzymen, waarvoor de uitgeschakelde genen verantwoordelijk zijn. Het kunstmatige brein leerde van de eerste experimenten en plande vervolgens efficiënter nieuwe experimenten. De robot kan duizend experimenten per dag uitvoeren. Als resultaat bracht hij twee dozijn hypothesen naar voren over genen die coderen voor 13 enzymen. De wetenschappers voerden vervolgens handmatige experimenten uit en bevestigden Adams gissingen voor 12 genen. Bijna een decennium later ontwikkelden King en zijn collega's een andere robotwetenschapper, Eve. Ze sorteert verschillende verbindingen en zoekt naar welke veelbelovend zijn als medicijnen. De machine kan tienduizend stoffen per dag onderzoeken. De eerste ontdekking van "Eva" was een chemische verbinding met eigenschappen tegen kanker, die ook effectief was tegen de veroorzaker van malaria. Voor het screenen maakt "Eva" gebruik van slimme systemen op basis van genetisch gemodificeerde gist. Bijna een decennium later ontwikkelden King en zijn collega's een andere robotwetenschapper, Eve. Ze sorteert verschillende verbindingen en zoekt naar welke veelbelovend zijn als medicijnen. De machine kan tienduizend stoffen per dag onderzoeken. De eerste ontdekking van "Eva" was een chemische verbinding met eigenschappen tegen kanker, die ook effectief was tegen de veroorzaker van malaria. Voor het screenen maakt "Eva" gebruik van slimme systemen op basis van genetisch gemodificeerde gist. Bijna een decennium later ontwikkelden King en zijn collega's een andere robotwetenschapper, Eve. Ze sorteert verschillende verbindingen en zoekt naar welke veelbelovend zijn als medicijnen. De machine kan tienduizend stoffen per dag onderzoeken. De eerste ontdekking van "Eva" was een chemische verbinding met eigenschappen tegen kanker, die ook effectief was tegen de veroorzaker van malaria. Voor het screenen maakt "Eva" gebruik van slimme systemen op basis van genetisch gemodificeerde gist. Voor het screenen maakt "Eva" gebruik van slimme systemen op basis van genetisch gemodificeerde gist. Voor het screenen maakt "Eva" gebruik van slimme systemen op basis van genetisch gemodificeerde gist.
Levensduur en rookmarkeringen
Vorig jaar publiceerden wetenschappers uit verschillende landen, waaronder Rusland, vertegenwoordigd door het personeel van de ITMO University (St. Petersburg), een paper over hoe de leeftijd van een persoon kan worden bepaald met behulp van een biochemische bloedtest. Om dit te doen, trainden ze het neurale netwerk en gaven het vervolgens monsters van meer dan 120.000 bloedonderzoeken van patiënten uit Canada, Zuid-Korea en Oost-Europa voor onderzoek. Het programma kende alleen nationaliteit, geslacht en twee dozijn biochemische parameters van bloed. Dit was voldoende om de leeftijd van elke patiënt nauwkeurig vast te stellen. In januari van dit jaar presenteerde hetzelfde team van wetenschappers nieuwe resultaten: de kunstmatige intelligentie die ze hadden opgeleid, kon met behulp van de biochemische parameters van bloed berekenen of iemand rookt of niet. Wetenschappers hebben aan het neurale netwerk een database ter beschikking gesteld van bijna 150 duizend bloedonderzoeken van patiënten in de provincie Alberta (Canada), die voorheen anoniem waren gemaakt. Het programma kende alleen het geslacht van de mensen. Het neurale netwerk loste de taak met succes op en leerde rokers isoleren. Bovendien vond ze tekens die de ware, dat wil zeggen, de biologische leeftijd van de persoon aangaven, en niet chronologisch (volgens het paspoort). Het bleek dat vrouwelijke rokers biologisch twee keer zo snel verouderen als niet-rokers, en mannen - anderhalf keer. Het bleek dat vrouwelijke rokers twee keer zo snel biologisch verouderen als niet-rokers, en mannen - anderhalf keer. Het bleek dat vrouwelijke rokers biologisch twee keer zo snel verouderen als niet-rokers, en mannen - anderhalf keer.
Neuraal netwerk tegen kanker
Promotie video:
Wetenschappers van Stanford (VS) gebruikten het vermogen van neurale netwerken om afbeeldingen te analyseren, die in wezen een set digitale gegevens zijn. Ze trainden het fotoprogramma om onderscheid te maken tussen carcinoom en melanoom, kwaadaardige gezwellen die wijzen op kanker.
Het programma onderzocht bijna 130.000 afbeeldingen van verschillende formaties op de huid, die werden gekenmerkt door het type ziekte of als gewone moedervlekken, keratomen en afgeleide patronen. De resultaten werden gecontroleerd door twee dozijn dermatologen: ze bleken behoorlijk nauwkeurig te zijn. Om een eerste diagnose te stellen, volstaat het om een foto van een huidneoplasma naar de dokter te sturen vanaf een smartphone. En vervolgens - afhankelijk van het antwoord - beslissen of u een biopsie wilt doen om een nauwkeurige diagnose te stellen. Kunstmatige intelligentie wordt ook gebruikt in het OncoTarget Center for Personalized Oncology aan de Sechenov University (Moskou). Daar creëren ze een digitaal model van de patiënt - dit is volledige informatie over zijn ziekte, de genetische kenmerken van de tumor. Wetenschappers hopen dat het neurale netwerk, dat data-arrays analyseert, de behandeling voor elke patiënt zal optimaliseren.
Op zoek naar de mysteries van het universum
Kunstmatige intelligentie biedt grote perspectieven voor astronomen, die letterlijk stikken in de overvloed aan gegevens die door waarnemingen worden verkregen. Talloze ruimtemissies, in een baan draaiende en op de grond gebaseerde telescopen hebben er veel meer van gegenereerd dan mensen binnenkort zullen kunnen verwerken. Kevin Schawinski van het Instituut voor Deeltjesfysica en Astrofysica aan de Zwitserse Hogere Technische School in Zürich gelooft dat neurale netwerken een revolutie teweeg zullen brengen in de astronomie. Hij en zijn collega's hebben kunstmatige intelligentie getest bij het analyseren van gegevens over de vormingssnelheid van dubbelsterren om te begrijpen waarom deze in sterrenstelsels afneemt wanneer de externe omstandigheden veranderen. Astronomen hebben het neurale netwerk getraind met behulp van een reeks afbeeldingen van sterrenstelsels. Net als hoe het programma kan weergeven wat het gezicht van een persoon zal zijn op oudere leeftijd,het kan ook het uiterlijk van een melkwegstelsel veranderen als het een groep of cluster binnengaat. De resultaten van het neurale netwerkwerk vielen samen met de waarnemingen. In 2017 hielp een zelflerend neuraal netwerk gecreëerd door Google NASA om een nieuwe exoplaneet te ontdekken. Analyse van gegevens van de in een baan om Kepler draaiende telescoop onthulde een rotsachtige planeet die slechts dertig procent groter was dan de aarde in een baan om de ster Kepler-90 in het sterrenbeeld Draco. De planeet was echter te dicht bij de ster voor leven. Eerder had het neurale netwerk de zesde planeet in het Kepler-80-sterrenstelsel al gevonden. Dit alles is het resultaat van het verwerken van zwakke lichtsignalen die alleen een computerprogramma kan opvangen.hielp NASA een nieuwe exoplaneet te ontdekken. Analyse van gegevens van de in een baan om Kepler draaiende telescoop onthulde een rotsachtige planeet die slechts dertig procent groter was dan de aarde in een baan om de ster Kepler-90 in het sterrenbeeld Draco. De planeet was echter te dicht bij de ster voor leven. Eerder had het neurale netwerk de zesde planeet in het Kepler-80-sterrenstelsel al gevonden. Dit alles is het resultaat van het verwerken van zwakke lichtsignalen die alleen een computerprogramma kan opvangen.hielp NASA een nieuwe exoplaneet te ontdekken. Analyse van gegevens van de in een baan om Kepler draaiende telescoop onthulde een rotsachtige planeet die slechts dertig procent groter was dan de aarde in een baan om de ster Kepler-90 in het sterrenbeeld Draco. De planeet was echter te dicht bij de ster voor leven. Eerder had het neurale netwerk de zesde planeet in het Kepler-80-sterrenstelsel al gevonden. Dit alles is het resultaat van het verwerken van zwakke lichtsignalen die alleen een computerprogramma kan opvangen. Eerder had het neurale netwerk de zesde planeet in het Kepler-80-sterrenstelsel al gevonden. Dit alles is het resultaat van het verwerken van zwakke lichtsignalen die alleen een computerprogramma kan opvangen. Eerder had het neurale netwerk de zesde planeet in het Kepler-80-sterrenstelsel al gevonden. Dit alles is het resultaat van het verwerken van zwakke lichtsignalen die alleen een computerprogramma kan opvangen.
Tatiana Pichugina
