Den seneste generation af neurale netværk erstatter delvist forskere: de udfører eksperimenter, diagnosticerer sygdomme, afslører mønstre, fremsætter og tester hypoteser. De bruges, når datamængderne overstiger enhver menneskelig kapacitet. Hvilke videnskabelige problemer hjalp med til at løse den kunstige intelligens - i materialet RIA Novosti.
"Adam" og "Eva"
Den første robotforsker blev skabt i 2009 af britiske specialister under ledelse af professor Ross King, dengang en medarbejder ved University of Aberystwyth. Hans "hjerne" var et neuralt netværksprogram ved hjælp af fire pc'er og kontrol af laboratorieudstyr. Den virtuelle væsen blev navngivet "Adam".
Et neuralt netværk er et computerprogram, der analyserer store mængder data med stor hastighed på udkig efter almindelige funktioner og mønstre i dem. I modsætning til modellering har neurale netværk ikke brug for videnskabelige hypoteser - de bygger dem selv og tester dem selv. Forskere bruger denne egenskab til at finde ud af, hvor sandsynligt et scenarie er. Dette sparer tid og computerkraft betydeligt, hvilket kræves meget mere i for eksempel computersimulering. Forskere forsynede Adam med stammer af bagegær med forskellige gener deaktiverede. Roboten selv voksede kulturer af disse mutante stammer og overvågede, hvordan de udvikler sig uden visse enzymer, som de slukkede gener er ansvarlige for. Den kunstige hjerne lærte fra de første eksperimenter og planlagde derefter nye mere effektivt. Roboten kunne udføre tusind eksperimenter om dagen. Som et resultat fremførte han to dusin hypoteser om gener, der koder for 13 enzymer. Forskerne udførte derefter manuelle eksperimenter og bekræftede Adams gætter for 12 gener. Næsten et årti senere udviklede King og hans kolleger en anden robotforsker, Eve. Hun sorterer forskellige forbindelser og ser efter, hvilke der er lovende som medicin. Maskinen er i stand til at undersøge ti tusind stoffer pr. Dag. Den første opdagelse af "Eva" var en kemisk forbindelse med anti-kræftegenskaber, som også var effektiv mod det forårsagende middel af malaria. Til screening bruger "Eva" smarte systemer baseret på genetisk modificeret gær. Næsten et årti senere udviklede King og hans kolleger en anden robotforsker, Eve. Hun sorterer forskellige forbindelser og ser efter, hvilke der er lovende som medicin. Maskinen er i stand til at undersøge ti tusind stoffer pr. Dag. Den første opdagelse af "Eva" var en kemisk forbindelse med anti-kræftegenskaber, som også var effektiv mod det forårsagende middel af malaria. Til screening bruger "Eva" smarte systemer baseret på genetisk modificeret gær. Næsten et årti senere udviklede King og hans kolleger en anden robotforsker, Eve. Hun sorterer forskellige forbindelser og ser efter, hvilke der er lovende som medicin. Maskinen er i stand til at undersøge ti tusind stoffer pr. Dag. Den første opdagelse af "Eva" var en kemisk forbindelse med anti-kræftegenskaber, som også var effektiv mod det forårsagende middel af malaria. Til screening bruger "Eva" smarte systemer baseret på genetisk modificeret gær. Til screening bruger "Eva" smarte systemer baseret på genetisk modificeret gær. Til screening bruger "Eva" smarte systemer baseret på genetisk modificeret gær.
Levetid og rygemærker
Sidste år offentliggjorde forskere fra flere lande, herunder Rusland, repræsenteret af personalet ved ITMO-universitetet (Skt. Petersborg) et dokument om, hvordan man bestemmer en persons alder ved hjælp af en biokemisk blodprøve. For at gøre dette uddannede de det neurale netværk og gav det derefter prøver af mere end 120.000 blodprøver fra patienter fra Canada, Sydkorea og Østeuropa til forskning. Programmet kendte kun nationalitet, køn og to dusin biokemiske parametre af blod. Dette var nok til at fastlægge alderen for hver patient med god nøjagtighed. I januar i år præsenterede det samme team af forskere nye resultater: den kunstige intelligens, de uddannede, var i stand til at beregne, baseret på de biokemiske parametre for blod, om en person ryger eller ej. Forskere har stillet en database til rådighed for det neurale netværk med næsten 150 tusind blodprøver af patienter i provinsen Alberta (Canada), som tidligere blev anonyme. Programmet kendte kun menneskers køn. Neuralnetværket klarede opgaven med succes og lærte at isolere rygere. Desuden fandt hun tegn, der angav den sande, det vil sige den biologiske alder for personen, og ikke kronologisk (i henhold til pas). Det viste sig, at kvindelige rygere blev biologisk aldrende dobbelt så hurtigt som ikke-rygere, og mænd - halvanden gang. Det viste sig, at kvindelige rygere blev biologisk aldrende dobbelt så hurtigt som ikke-rygere, og mænd - halvanden gang. Det viste sig, at kvindelige rygere blev biologisk aldrende dobbelt så hurtigt som ikke-rygere, og mænd - halvanden gang.
Anti-kræft neuralt netværk
Salgsfremmende video:
Forskere fra Stanford (USA) brugte neurale netværkers evne til at analysere billeder, som i det væsentlige er et sæt digitale data. De uddannede fotoprogrammet til at skelne mellem karcinom og melanom, ondartede vækster, der tyder på kræft.
Programmet undersøgte næsten 130.000 billeder af forskellige formationer på huden, som var præget af sygdommens type eller som almindelige føflekker, keratomer og udledte mønstre. Resultaterne blev kontrolleret af to dusin dermatologer: de viste sig at være ret nøjagtige. For at udføre en initial diagnose er det nok at sende et foto af en hudneoplasma til lægen fra en smartphone. Og derefter - afhængigt af svaret - beslutte, om du vil foretage en biopsi for nøjagtigt at etablere en diagnose. Kunstig intelligens bruges også på OncoTarget Center for Personalized Oncology på Sechenov University (Moskva). Der skaber de en digital model af patienten - dette er komplet information om hans sygdom, tumorens genetiske egenskaber. Forskere håber, at det neurale netværk, der analyserer dataarrays, optimerer behandlingen for hver patient.
På jagt efter universets mysterier
Kunstig intelligens åbner store udsigter for astronomer, der bogstaveligt talt kvæler sig med de mange data, der er opnået som følge af observationer. Talrige rummissioner, kredsløb og jordbaserede teleskoper har genereret langt flere af dem, end mennesker snart kan behandle. Kevin Schawinski fra Institute for Particle Physics and Astrophysics ved den schweiziske højere tekniske skole i Zürich mener, at neurale netværk vil revolutionere astronomien. Han og hans kolleger testede kunstig intelligens ved analyse af data om dannelsen af binære stjerner for at forstå, hvorfor det falder i galakser, når de ydre forhold ændrer sig. Astronomer træner det neurale netværk ved hjælp af en række galaksebilleder. På samme måde som hvordan programmet kan skildre, hvad en persons ansigt vil være i alderdom,det kan også ændre udseendet på en galakse, når den kommer ind i en gruppe eller klynge. Resultaterne af det neurale netværks arbejde faldt sammen med observationer. I 2017 hjalp et selvlærende neuralt netværk oprettet af Google NASA med at opdage en ny exoplanet. Analyse af data fra Kepler-kredsens teleskop afslørede en stenet planet, der kun var tredive procent større end Jorden, der kredsede om stjernen Kepler-90 i stjernebilledet Draco. Imidlertid var planeten for tæt på stjernen for livet. Tidligere har det neurale netværk allerede fundet den sjette planet i Kepler-80-stjernesystemet. Alt dette er resultatet af behandling af svage lyssignaler, som kun et computerprogram kan fange.hjalp NASA med at opdage en ny exoplanet. Analyse af data fra Kepler-kredsens teleskop afslørede en stenet planet, der kun var tredive procent større end Jorden, der kredsede om stjernen Kepler-90 i stjernebilledet Draco. Imidlertid var planeten for tæt på stjernen for livet. Tidligere har det neurale netværk allerede fundet den sjette planet i Kepler-80-stjernesystemet. Alt dette er resultatet af behandling af svage lyssignaler, som kun et computerprogram kan fange.hjalp NASA med at opdage en ny exoplanet. Analyse af data fra Kepler-kredsens teleskop afslørede en stenet planet, der kun var tredive procent større end Jorden, der kredsede om stjernen Kepler-90 i stjernebilledet Draco. Imidlertid var planeten for tæt på stjernen for livet. Tidligere har det neurale netværk allerede fundet den sjette planet i Kepler-80-stjernesystemet. Alt dette er resultatet af behandling af svage lyssignaler, som kun et computerprogram kan fange. Tidligere har det neurale netværk allerede fundet den sjette planet i Kepler-80-stjernesystemet. Alt dette er resultatet af behandling af svage lyssignaler, som kun et computerprogram kan fange. Tidligere har det neurale netværk allerede fundet den sjette planet i Kepler-80-stjernesystemet. Alt dette er resultatet af behandling af svage lyssignaler, som kun et computerprogram kan fange.
Tatiana Pichugina