Den siste generasjonen nevrale nettverk erstatter delvis forskere: de gjennomfører eksperimenter, diagnostiserer sykdommer, avslører mønstre, legger frem og tester hypoteser. De brukes der datavolumene overstiger enhver menneskelig kapasitet. Hvilke vitenskapelige spørsmål hjalp til med å løse kunstig intelligens - i materialet RIA Novosti.
Adam og Eva
Den første robotforskeren ble opprettet i 2009 av britiske spesialister under ledelse av professor Ross King, den gang en ansatt ved University of Aberystwyth. Hans "hjerne" var et nevralt nettverksprogram som brukte fire PC-er og kontrollerte laboratorieutstyr. Den virtuelle skapningen fikk navnet "Adam".
Et nevralt nettverk er et dataprogram som analyserer store datamengder med stor hastighet, og leter etter vanlige funksjoner og mønstre i dem. I motsetning til modellering, trenger ikke nevrale nettverk vitenskapelige hypoteser - de bygger dem selv og tester dem selv. Forskere bruker denne egenskapen for å finne ut hvor sannsynlig et scenario er. Dette sparer betydelig tid og datakraft, noe som kreves mye mer når for eksempel datasimuleringer. Forskere ga Adam stammer av bakergjær med forskjellige gener deaktivert. Roboten selv vokste kulturer av disse mutante stammene og overvåket hvordan de utvikler seg uten visse enzymer, som de slått av genene er ansvarlige for. Den kunstige hjernen lærte fra de første eksperimentene og planla deretter nye mer effektivt. Roboten kunne utføre tusen eksperimenter per dag. Som et resultat fremmet han to dusin hypoteser om gener som koder for 13 enzymer. Forskerne utførte deretter manuelle eksperimenter og bekreftet Adams gjetninger for 12 gener. Nesten et tiår senere utviklet King og kollegene en annen robotforsker, Eve. Hun sorterer ut forskjellige forbindelser og ser etter hvilke som er lovende som medisiner. Maskinen kan undersøke ti tusen stoffer per dag. Den første oppdagelsen av "Eva" var en kjemisk forbindelse med anti-kreftegenskaper, som også var effektiv mot det forårsakende middelet av malaria. For screening bruker "Eva" smarte systemer basert på genmodifisert gjær. Nesten et tiår senere utviklet King og kollegene en annen robotforsker, Eve. Hun sorterer ut forskjellige forbindelser og ser etter hvilke som er lovende som medisiner. Maskinen kan undersøke ti tusen stoffer per dag. Den første oppdagelsen av "Eva" var en kjemisk forbindelse med anti-kreftegenskaper, som også var effektiv mot det forårsakende middelet av malaria. For screening bruker "Eva" smarte systemer basert på genmodifisert gjær. Nesten et tiår senere utviklet King og kollegene en annen robotforsker, Eve. Hun sorterer ut forskjellige forbindelser og ser etter hvilke som er lovende som medisiner. Maskinen kan undersøke ti tusen stoffer per dag. Den første oppdagelsen av "Eva" var en kjemisk forbindelse med anti-kreftegenskaper, som også var effektiv mot det forårsakende middelet av malaria. For screening bruker "Eva" smarte systemer basert på genmodifisert gjær. For screening bruker "Eva" smarte systemer basert på genmodifisert gjær. For screening bruker "Eva" smarte systemer basert på genmodifisert gjær.
Levetid og røyke markører
I fjor publiserte forskere fra flere land, inkludert Russland, representert av personalet ved ITMO University (St. Petersburg), et dokument om hvordan man bestemmer en persons alder ved hjelp av en biokjemisk blodprøve. For å gjøre dette trente de det nevrale nettverket og ga det prøver av mer enn 120 000 blodprøver fra pasienter fra Canada, Sør-Korea og Øst-Europa for forskning. Programmet visste bare nasjonalitet, kjønn og to dusin biokjemiske parametere av blod. Dette var nok til å fastslå alderen til hver pasient med god nøyaktighet. I januar i år presenterte det samme teamet av forskere nye resultater: den kunstige intelligensen de trente var i stand til å beregne, basert på de biokjemiske parametrene til blod, om en person røyker eller ikke. Forskere har gjort tilgjengelig for det nevrale nettverket en database med nesten 150 000 blodprøver av pasienter i provinsen Alberta (Canada), som tidligere ble anonymisert. Programmet kjente bare kjønn til folket. Nevralt nettverk taklet oppgaven og lærte å isolere røykere. Dessuten fant hun tegn som indikerte den sanne, det vil si den biologiske alderen til personen, og ikke kronologisk (i følge passet). Det viste seg at kvinnelige røykere ble biologisk aldrende dobbelt så raskt som ikke-røykere, og menn - halvannen gang. Det viste seg at kvinnelige røykere ble biologisk aldrende dobbelt så raskt som ikke-røykere, og menn - halvannen gang. Det viste seg at kvinnelige røykere ble biologisk aldrende dobbelt så raskt som ikke-røykere, og menn - halvannen gang.
Nevralt nettverk mot kreft
Salgsfremmende video:
Forskere fra Stanford (USA) brukte evnen til nevrale nettverk til å analysere bilder, som egentlig er et sett med digitale data. De trente fotoprogrammet for å skille mellom karsinom og melanom, ondartede vekster som indikerer kreft.
Programmet undersøkte nesten 130 000 bilder av forskjellige formasjoner på huden, som var preget av sykdommens type eller som vanlige føflekker, keratomer og avledet mønstre. Resultatene ble sjekket av to dusin hudleger: de viste seg å være ganske nøyaktige. Nå, for å stille en første diagnose, er det nok å sende et bilde av en hudneoplasma til legen fra en smarttelefon. Og deretter - avhengig av svaret - bestemme om du vil gjøre en biopsi for å nøyaktig etablere en diagnose. Kunstig intelligens brukes også ved OncoTarget Center for Personalised Oncology ved Sechenov University (Moskva). Der lager de en digital modell av pasienten - dette er fullstendig informasjon om sykdommen hans, svulstens genetiske egenskaper. Forskere håper at det nevrale nettverket, som analyserer dataarrayer, vil optimalisere behandlingen for hver pasient.
På leting etter universets mysterier
Kunstig intelligens åpner for store utsikter for astronomer, som bokstavelig talt kveler seg på overflod av data som er innhentet som et resultat av observasjoner. Tallrike romoppdrag, kretsløp og bakkebaserte teleskoper har generert langt flere av dem enn mennesker vil kunne behandle snart. Kevin Schawinski ved Institute for Particle Physics and Astrophysics ved Swiss Higher Technical School i Zürich tror nevrale nettverk vil revolusjonere astronomien. Han og kollegene testet kunstig intelligens når de analyserte data om dannelsen av binære stjerner for å forstå hvorfor den avtar i galakser når de ytre forholdene endrer seg. Astronomer trente det nevrale nettverket ved hjelp av en rekke galaksebilder. På samme måte som hvordan programmet kan skildre hva ansiktet vil være i alderdommen,den kan også endre utseendet til en galakse når den kommer inn i en gruppe eller klynge. Resultatene av det nevrale nettverksarbeidet falt sammen med observasjonene. I 2017 hjalp et selvlærende nevralt nettverk opprettet av Google NASA å oppdage et nytt eksoplanett. Analyse av data fra Kepler-kretseteleskopet avslørte en steinete planet bare tretti prosent større enn Jorden, og kretset rundt stjernen Kepler-90 i stjernebildet Draco. Imidlertid var planeten for nær stjernen for livet. Tidligere har nevrale nettverk allerede funnet den sjette planeten i Kepler-80-stjernersystemet. Alt dette er resultatet av å behandle svake lyssignaler som bare et dataprogram kan fange.hjalp NASA med å oppdage en ny eksoplanett. Analyse av data fra Kepler-kretseteleskopet avslørte en steinete planet bare tretti prosent større enn Jorden, og kretset rundt stjernen Kepler-90 i stjernebildet Draco. Imidlertid var planeten for nær stjernen for livet. Tidligere har nevrale nettverk allerede funnet den sjette planeten i Kepler-80-stjernersystemet. Alt dette er resultatet av å behandle svake lyssignaler som bare et dataprogram kan fange.hjalp NASA med å oppdage en ny eksoplanett. Analyse av data fra Kepler-kretseteleskopet avslørte en steinete planet bare tretti prosent større enn Jorden som kretser rundt stjernen Kepler-90 i stjernebildet Draco. Imidlertid var planeten for nær stjernen for livet. Tidligere har nevrale nettverk allerede funnet den sjette planeten i Kepler-80-stjernersystemet. Alt dette er resultatet av å behandle svake lyssignaler som bare et dataprogram kan fange. Tidligere har nevrale nettverk allerede funnet den sjette planeten i Kepler-80-stjernersystemet. Alt dette er resultatet av å behandle svake lyssignaler som bare et dataprogram kan fange. Tidligere har nevrale nettverk allerede funnet den sjette planeten i Kepler-80-stjernersystemet. Alt dette er resultatet av å behandle svake lyssignaler som bare et dataprogram kan fange.
Tatiana Pichugina
