Jaunākās paaudzes neironu tīkli daļēji aizstāj zinātniekus: viņi veic eksperimentus, diagnosticē slimības, atklāj modeļus, izvirza un pārbauda hipotēzes. Tos izmanto gadījumos, kad datu apjoms pārsniedz visas cilvēka iespējas. Kādi zinātniskie jautājumi palīdzēja atrisināt mākslīgo intelektu - materiālā RIA Novosti.
"Ādams" un "Ieva"
Pirmo robotu zinātnieku 2009. gadā izveidoja Lielbritānijas speciālisti profesora Rossa Kinga vadībā, kurš bija toreizējais Aberistvitas universitātes darbinieks. Viņa “smadzenes” bija neironu tīkla programma, izmantojot četrus personālos datorus un kontrolējot laboratorijas iekārtas. Virtuālā būtne tika nosaukta par "Adam".
Neironu tīkls ir datorprogramma, kas ar lielu ātrumu analizē lielu datu daudzumu, meklējot tajos kopīgas funkcijas un modeļus. Atšķirībā no modelēšanas, neironu tīkliem nav vajadzīgas zinātniskas hipotēzes - viņi paši tos izveido un paši pārbauda. Zinātnieki izmanto šo īpašumu, lai noskaidrotu scenārija iespējamību. Tas ievērojami ietaupa laiku un skaitļošanas jaudu, kas ir vajadzīgs daudz vairāk, piemēram, datoru simulācijā. Zinātnieki Ādamam piegādāja maizes rauga celmus ar dažādiem atspējotiem gēniem. Pats robots audzēja šo mutantu celmu kultūras un uzraudzīja, kā tās attīstās bez noteiktiem fermentiem, par kuriem atbild izslēgtie gēni. Mākslīgās smadzenes mācījās no pirmajiem eksperimentiem un pēc tam efektīvāk plānoja jaunus. Robots dienā varēja veikt tūkstoš eksperimentu. Rezultātā viņš izvirzīja divas desmit hipotēzes par gēniem, kas kodē 13 fermentus. Pēc tam zinātnieki veica manuālus eksperimentus un apstiprināja Ādama minējumus par 12 gēniem. Gandrīz desmit gadus vēlāk Kings un viņa kolēģi izstrādāja citu robotu zinātnieku Ievu. Viņa šķiro dažādus savienojumus un meklē, kuri no tiem ir daudzsološi kā narkotikas. Mašīna spēj izmeklēt desmit tūkstošus vielu dienā. Pirmais "Eva" atklājums bija ķīmisks savienojums ar pretvēža īpašībām, kas bija efektīvs arī pret malārijas izraisītāju. Pārbaudei "Eva" izmanto viedās sistēmas, kuru pamatā ir ģenētiski modificēts raugs. Gandrīz desmit gadus vēlāk Kings un viņa kolēģi izstrādāja citu robotu zinātnieku Ievu. Viņa šķiro dažādus savienojumus un meklē, kuri no tiem ir daudzsološi kā narkotikas. Mašīna spēj izmeklēt desmit tūkstošus vielu dienā. Pirmais "Eva" atklājums bija ķīmisks savienojums ar pretvēža īpašībām, kas bija efektīvs arī pret malārijas izraisītāju. Pārbaudei "Eva" izmanto viedās sistēmas, kuru pamatā ir ģenētiski modificēts raugs. Gandrīz desmit gadus vēlāk Kings un viņa kolēģi izstrādāja citu robotu zinātnieku Ievu. Viņa šķiro dažādus savienojumus un meklē, kuri no tiem ir daudzsološi kā narkotikas. Mašīna spēj izmeklēt desmit tūkstošus vielu dienā. Pirmais "Eva" atklājums bija ķīmisks savienojums ar pretvēža īpašībām, kas bija efektīvs arī pret malārijas izraisītāju. Pārbaudei "Eva" izmanto viedās sistēmas, kuru pamatā ir ģenētiski modificēts raugs. Pārbaudei "Eva" izmanto viedās sistēmas, kuru pamatā ir ģenētiski modificēts raugs. Pārbaudei "Eva" izmanto viedās sistēmas, kuru pamatā ir ģenētiski modificēts raugs.
Ilgmūžības un smēķēšanas marķieri
Pērn vairāku valstu, tostarp Krievijas, zinātnieki, kurus pārstāvēja ITMO universitātes (Sanktpēterburga) darbinieki, publicēja darbu par to, kā noteikt cilvēka vecumu, izmantojot bioķīmisko asins analīzi. Lai to izdarītu, viņi apmācīja neironu tīklu un pēc tam tam nodeva pētījumiem vairāk nekā 120 000 asins analīžu paraugus no pacientiem no Kanādas, Dienvidkorejas un Austrumeiropas. Programma zināja tikai tautību, dzimumu un divus desmitus asiņu bioķīmisko parametru. Tas bija pietiekami, lai precīzi noteiktu katra pacienta vecumu. Šī gada janvārī šī pati zinātnieku komanda iepazīstināja ar jauniem rezultātiem: viņu apmācītais mākslīgais intelekts spēja, pamatojoties uz asiņu bioķīmiskajiem parametriem, aprēķināt, vai cilvēks smēķē vai nē. Zinātnieki neironu tīklam ir darījuši pieejamu gandrīz 150 tūkstošu pacientu asins analīžu datu bāzi Alberta provincē (Kanāda), kas iepriekš tika padarīta par anonīmu. Programma zināja tikai cilvēku dzimumu. Neironu tīkls veiksmīgi tika galā ar uzdevumu un iemācījās izolēt smēķētājus. Turklāt viņa atrada pazīmes, kas liecināja par patieso, tas ir, cilvēka bioloģisko vecumu, nevis hronoloģiski (saskaņā ar pasi). Izrādījās, ka smēķētājas sievietes bioloģiski noveco divreiz ātrāk nekā nesmēķētājas, bet vīrieši - pusotru reizi. Izrādījās, ka smēķētājas sievietes bioloģiski noveco divreiz ātrāk nekā nesmēķētājas, bet vīrieši - pusotru reizi. Izrādījās, ka smēķētājas sievietes bioloģiski noveco divreiz ātrāk nekā nesmēķētājas, bet vīrieši - pusotru reizi.
Pretvēža neironu tīkls
Reklāmas video:
Zinātnieki no Stenfordas (ASV) izmantoja neironu tīklu spēju analizēt attēlus, kas būtībā ir digitālo datu kopums. Viņi apmācīja foto programmu, lai atšķirtu karcinomu un melanomu, ļaundabīgus izaugumus, kas norāda uz vēzi.
Programmā tika pārbaudīti gandrīz 130 tūkstoši dažādu veidojumu attēlu uz ādas, kas bija apzīmēti ar slimības veidu vai kā parastie dzimumzīmes, keratomas un izsecinātie raksti. Rezultātus pārbaudīja divi desmiti dermatologu: tie izrādījās diezgan precīzi. Tagad, lai veiktu sākotnējo diagnozi, pietiek ar to, ka ārsts no viedtālruņa nosūta ādas jaunveidojuma fotoattēlu. Un tad - atkarībā no atbildes - izlemiet, vai veikt biopsiju, lai precīzi noteiktu diagnozi. Mākslīgais intelekts tiek izmantots arī Sečenova universitātes (Maskava) personalizētās onkoloģijas centrā OncoTarget. Tur viņi izveido pacienta digitālo modeli - tā ir pilnīga informācija par viņa slimību, audzēja ģenētiskajām īpašībām. Zinātnieki cer, ka neironu tīkls, analizējot datu masīvus, optimizēs katra pacienta ārstēšanu.
Meklējot Visuma noslēpumus
Mākslīgais intelekts paver lielas izredzes astronomiem, kuri burtiski aizraujas ar novērojumu rezultātā iegūto datu pārpilnību. Neskaitāmas kosmosa misijas, orbītas un uz zemes bāzēti teleskopi ir radījuši daudz vairāk no tiem, nekā cilvēki drīz varēs apstrādāt. Kevins Šavinskis no Cīrihes Šveices augstākās tehnikuma Daļiņu fizikas un astrofizikas institūta uzskata, ka neironu tīkli radīs revolūciju astronomijā. Viņš un viņa kolēģi pārbaudīja mākslīgo intelektu, analizējot datus par bināro zvaigžņu veidošanās ātrumu, lai saprastu, kāpēc tas samazinās galaktikās, mainoties ārējiem apstākļiem. Astronomi apmācīja neironu tīklu, izmantojot galaktiku attēlu masīvu. Līdzīgi tam, kā programma var attēlot, kāda būs cilvēka seja vecumdienās,tas var arī mainīt galaktikas izskatu, nonākot grupā vai klasterī. Neironu tīkla darba rezultāti sakrita ar novērojumiem. 2017. gadā Google izveidots pašmācības neironu tīkls palīdzēja NASA atklāt jaunu eksoplanetu. Keplera orbītas teleskopa datu analīze atklāja, ka klinšainā planēta ir tikai par trīsdesmit procentiem lielāka nekā Zeme, kas riņķo ap zvaigzni Kepler-90 Draco zvaigznājā. Tomēr planēta dzīvei bija pārāk tuvu zvaigznei. Iepriekš neironu tīkls jau ir atradis sesto planētu Keplera-80 zvaigžņu sistēmā. Tas viss ir vāju gaismas signālu apstrādes rezultāts, ko var noķert tikai datorprogramma.palīdzēja NASA atklāt jaunu eksoplanetu. Keplera orbītas teleskopa datu analīze atklāja, ka klinšainā planēta ir tikai par trīsdesmit procentiem lielāka nekā Zeme, kas riņķo ap zvaigzni Kepler-90 Draco zvaigznājā. Tomēr planēta dzīvei bija pārāk tuvu zvaigznei. Iepriekš neironu tīkls jau ir atradis sesto planētu Keplera-80 zvaigžņu sistēmā. Tas viss ir vāju gaismas signālu apstrādes rezultāts, ko var noķert tikai datorprogramma.palīdzēja NASA atklāt jaunu eksoplanetu. Keplera orbītas teleskopa datu analīze atklāja, ka klinšainā planēta ir tikai par trīsdesmit procentiem lielāka nekā Zeme, kas riņķo ap zvaigzni Kepler-90 Draco zvaigznājā. Tomēr planēta dzīvei bija pārāk tuvu zvaigznei. Iepriekš neironu tīkls jau ir atradis sesto planētu Keplera-80 zvaigžņu sistēmā. Tas viss ir vāju gaismas signālu apstrādes rezultāts, ko var noķert tikai datorprogramma. Iepriekš neironu tīkls jau ir atradis sesto planētu Keplera-80 zvaigžņu sistēmā. Tas viss ir vāju gaismas signālu apstrādes rezultāts, ko var noķert tikai datorprogramma. Iepriekš neironu tīkls jau ir atradis sesto planētu Keplera-80 zvaigžņu sistēmā. Tas viss ir vāju gaismas signālu apstrādes rezultāts, ko var noķert tikai datorprogramma.
Tatjana Pičugina