Naujausios kartos neuroniniai tinklai iš dalies pakeičia mokslininkus: jie vykdo eksperimentus, diagnozuoja ligas, atskleidžia modelius, pateikia ir tikrina hipotezes. Jie naudojami ten, kur duomenų kiekis viršija bet kokius žmogaus pajėgumus. Kokie moksliniai klausimai padėjo išspręsti dirbtinį intelektą - medžiagoje „RIA Novosti“.
- „Salik.biz“
„Adomas“ir „Ieva“
Pirmąjį mokslininką robotų srityje 2009 m. Sukūrė Didžiosios Britanijos specialistai, vadovaujami profesoriaus Ross Kingo, tuometinio Aberistvito universiteto darbuotojo. Jo „smegenys“buvo neuroninio tinklo programa, kurioje buvo naudojami keturi kompiuteriai ir kontroliuojama laboratorinė įranga. Virtuali būtybė buvo pavadinta „Adomu“.
Neuroninis tinklas yra kompiuterinė programa, kuri dideliu greičiu analizuoja didelius duomenų kiekius, ieškodama jose bendrų savybių ir modelių. Skirtingai nuo modeliavimo, neuroniniams tinklams nereikia mokslinių hipotezių - jie patys juos stato ir patys išbando. Mokslininkai naudoja šią savybę norėdami sužinoti, koks yra scenarijaus tikimybė. Tai žymiai taupo laiką ir skaičiavimo energiją, kurios reikia kur kas daugiau, pavyzdžiui, imituojant kompiuterį. Mokslininkai aprūpino Adamą kepimo mielių padermėmis, turinčiomis įvairių neįgalių genų. Pats robotas augino šių mutantų padermių kultūras ir stebėjo, kaip jos vystosi be tam tikrų fermentų, už kuriuos atsakingi išjungti genai. Dirbtinės smegenys išmoko iš pirmųjų eksperimentų ir vėliau efektyviau planavo naujus. Robotas galėjo atlikti tūkstantį eksperimentų per dieną. Todėl jis pateikė dvi dešimtis hipotezių apie genus, koduojančius 13 fermentų. Tuomet mokslininkai atliko rankinius eksperimentus ir patvirtino Adamo spėliones dėl 12 genų. Praėjus beveik dešimtmečiui, Kingas ir jo kolegos sukūrė kitą robotų žinovą Ievą. Ji rūšiuoja įvairius junginius ir ieško, kurie iš jų yra perspektyvūs kaip narkotikai. Aparatas gali ištirti dešimt tūkstančių medžiagų per dieną. Pirmasis „Eva“atradimas buvo priešvėžinėmis savybėmis pasižymintis cheminis junginys, kuris taip pat buvo veiksmingas prieš maliarijos sukėlėją. „Eva“ekranizavimui naudoja intelektualias sistemas, pagrįstas genetiškai modifikuotomis mielėmis. Praėjus beveik dešimtmečiui, Kingas ir jo kolegos sukūrė kitą robotų žinovą Ievą. Ji rūšiuoja įvairius junginius ir ieško, kurie iš jų yra perspektyvūs kaip narkotikai. Aparatas gali ištirti dešimt tūkstančių medžiagų per dieną. Pirmasis „Eva“atradimas buvo priešvėžinėmis savybėmis pasižymintis cheminis junginys, kuris taip pat buvo veiksmingas prieš maliarijos sukėlėją. „Eva“ekranizavimui naudoja intelektualias sistemas, pagrįstas genetiškai modifikuotomis mielėmis. Praėjus beveik dešimtmečiui, Kingas ir jo kolegos sukūrė kitą robotų žinovą Ievą. Ji rūšiuoja įvairius junginius ir ieško, kurie iš jų yra perspektyvūs kaip narkotikai. Aparatas gali ištirti dešimt tūkstančių medžiagų per dieną. Pirmasis „Eva“atradimas buvo priešvėžinėmis savybėmis pasižymintis cheminis junginys, kuris taip pat buvo veiksmingas prieš maliarijos sukėlėją. „Eva“ekranizavimui naudoja intelektualias sistemas, pagrįstas genetiškai modifikuotomis mielėmis.„Eva“ekranizavimui naudoja intelektualias sistemas, pagrįstas genetiškai modifikuotomis mielėmis.„Eva“ekranizavimui naudoja intelektualias sistemas, pagrįstas genetiškai modifikuotomis mielėmis.
Ilgaamžiškumas ir rūkymo žymekliai
Praėjusiais metais kelių šalių, tarp jų ir Rusijos, atstovaujami ITMO universiteto (Sankt Peterburgas) darbuotojai, mokslininkai paskelbė dokumentą, kaip nustatyti asmens amžių naudojant biocheminį kraujo tyrimą. Norėdami tai padaryti, jie išmokė nervų tinklą ir tada jam davė daugiau nei 120 000 pacientų iš Kanados, Pietų Korėjos ir Rytų Europos kraujo tyrimų pavyzdžių. Programa žinojo tik tautybę, lytį ir dvi dešimtis kraujo biocheminių parametrų. To pakako, kad būtų galima tiksliai nustatyti kiekvieno paciento amžių. Šių metų sausį ta pati mokslininkų komanda pateikė naujus rezultatus: jų apmokytas dirbtinis intelektas, remdamasis biocheminiais kraujo parametrais, galėjo apskaičiuoti, ar žmogus rūko, ar ne. Mokslininkai nervų tinklui pateikė beveik 150 tūkst. Pacientų Alberta provincijoje (Kanada) pacientų kraujo tyrimų duomenų bazę, kuri anksčiau buvo padaryta anonimiška. Programa žinojo tik apie žmonių lytį. Neuroninis tinklas sėkmingai susidorojo su užduotimi ir išmoko izoliuoti rūkalius. Be to, ji rado požymių, rodančių tikrąjį, tai yra, biologinį asmens amžių, o ne chronologinį (pagal pasą). Paaiškėjo, kad rūkančios moterys biologiškai sensta dvigubai greičiau nei nerūkančios, o vyrai - pusantro karto. Paaiškėjo, kad rūkančios moterys biologiškai sensta dvigubai greičiau nei nerūkančios, o vyrai - pusantro karto. Paaiškėjo, kad rūkančios moterys biologiškai sensta dvigubai greičiau nei nerūkančios, o vyrai - pusantro karto.
Priešvėžinis nervų tinklas
Reklaminis vaizdo įrašas:
Stanfordo (JAV) mokslininkai pasinaudojo neuroninių tinklų galimybe analizuoti vaizdus, kurie iš esmės yra skaitmeninių duomenų rinkinys. Jie apmokė foto programą, kad būtų galima atskirti karcinomą ir melanomą, piktybinius auglius, kurie rodo vėžį.
Programa išnagrinėjo beveik 130 tūkstančių įvairių formacijų ant odos atvaizdų, pažymėtų ligos tipu arba paprastais apgamais, keratomomis ir išvestiniais modeliais. Rezultatus patikrino dvi dešimtys dermatologų: jie pasirodė gana tikslūs. Dabar, norint atlikti pirminę diagnozę, užtenka gydytojui iš išmaniojo telefono nusiųsti odos neoplazmo nuotrauką. Ir tada - atsižvelgiant į atsakymą - nuspręskite, ar atlikti biopsiją, kad būtų galima tiksliai nustatyti diagnozę. Dirbtinis intelektas taip pat naudojamas Sechenovo universiteto (Maskva) personalizuotos onkologijos centre „OncoTarget“. Ten jie sukuria skaitmeninį paciento modelį - tai yra išsami informacija apie jo ligą, naviko genetines savybes. Mokslininkai tikisi, kad nervų tinklas, analizuodamas duomenų masyvus, optimizuos kiekvieno paciento gydymą.
Ieškodamas Visatos paslapčių
Dirbtinis intelektas atveria dideles perspektyvas astronomams, kurie tiesiogine prasme užduso dėl stebėjimų gauto duomenų gausos. Daugybė kosminių misijų, orbitų ir antžeminių teleskopų iš jų sukūrė kur kas daugiau, nei žmonės greitai galės apdoroti. Kevinas Schawinski iš Šveicarijos aukštosios technikos mokyklos Ciuricho fizikinių ir astrofizikos institutų mano, kad neuroniniai tinklai sukels revoliuciją astronomijoje. Jis su kolegomis išbandė dirbtinį intelektą analizuodamas duomenis apie dvejetainių žvaigždžių susidarymo greitį, kad suprastų, kodėl galaktikose jis mažėja, kai keičiasi išorės sąlygos. Astronomai treniravo nervų tinklą naudodamiesi daugybe galaktikų vaizdų. Panašiai, kaip programa gali pavaizduoti, koks bus žmogaus veidas senatvėje,ji taip pat gali pakeisti galaktikos išvaizdą, kai ji patenka į grupę ar klasterį. Neuroninio tinklo darbo rezultatai sutapo su stebėjimais. 2017 m. „Google“sukurtas savarankiško mokymosi neuronų tinklas padėjo NASA atrasti naują egzoplanetą. Išanalizavus Keplerio orbitą skriejančio teleskopo duomenis, paaiškėjo, kad uolėta planeta yra tik trisdešimt procentų didesnė nei Žemė, skriejanti aplink žvaigždę Kepler-90 Draco žvaigždyne. Vis dėlto planeta buvo per arti žvaigždės visam gyvenimui. Anksčiau neuroninis tinklas rado jau šeštąją Kepler-80 žvaigždžių sistemos planetą. Visa tai yra apdorojant silpnus šviesos signalus, kuriuos gali sugauti tik kompiuterio programa.padėjo NASA atrasti naują egzoplanetą. Išanalizavus Keplerio orbitą skriejančio teleskopo duomenis, paaiškėjo, kad uolėta planeta yra tik trisdešimt procentų didesnė nei Žemė, skriejanti aplink žvaigždę Kepler-90 Draco žvaigždyne. Vis dėlto planeta buvo per arti žvaigždės visam gyvenimui. Anksčiau neuroninis tinklas rado jau šeštąją Kepler-80 žvaigždžių sistemos planetą. Visa tai yra apdorojant silpnus šviesos signalus, kuriuos gali sugauti tik kompiuterio programa.padėjo NASA atrasti naują egzoplanetą. Išanalizavus Keplerio orbitą skriejančio teleskopo duomenis, paaiškėjo, kad uolėta planeta yra tik trisdešimt procentų didesnė nei Žemė, skriejanti aplink žvaigždę Kepler-90 Draco žvaigždyne. Vis dėlto planeta buvo per arti žvaigždės visam gyvenimui. Anksčiau neuroninis tinklas rado jau šeštąją Kepler-80 žvaigždžių sistemos planetą. Visa tai yra apdorojant silpnus šviesos signalus, kuriuos gali sugauti tik kompiuterio programa. Anksčiau neuroninis tinklas rado jau šeštąją Kepler-80 žvaigždžių sistemos planetą. Visa tai yra apdorojant silpnus šviesos signalus, kuriuos gali sugauti tik kompiuterio programa. Anksčiau neuroninis tinklas rado jau šeštąją Kepler-80 žvaigždžių sistemos planetą. Visa tai yra apdorojant silpnus šviesos signalus, kuriuos gali sugauti tik kompiuterio programa.
Tatjana Pichugina