Dikkat Et, Bilim Adamları! Ai 100 Yıllık Yenileme Bulmaca Çözüyor

{h1}

Bir yapay zeka (ai) sistemi, 100 yıldan fazla bir süredir bilim insanlarından kurtulan bir bulmacayı çözdü: küçük, tatlı bir düz kurt, vücut parçalarını nasıl yeniden üretiyor.

Bir yapay zeka (AI) sistemi, 100 yıldan fazla bir süredir bilim insanlarından kurtulan bir bulmacayı çözdü: küçük, tatlı bir düz kurt, vücut parçalarını nasıl yeniden üretiyor.

Sistem, evrim ilkelerinden esinlenen bir yöntem kullanarak gelişim biyolojisindeki deneysel verilerin dağlarına yardım etmek için Massachusetts'teki Tufts Üniversitesi araştırmacıları tarafından geliştirilmiştir.

Sistemi göstermek için, araştırmacılar, planaria deneylerinden elde edilen verileri araştırmaya koydular - doğduktan sonra karmaşık vücut kısımlarını yeniden kurtaracak olağanüstü yetenekleri onları rejeneratif tıpta popüler bir konu haline getiren minik solucanlar.

Bilim adamlarının bir asırdan fazla ilgi göstermesine ve bu solucanların esrarengiz kabiliyetinden sorumlu olan kök hücreleri kontrol eden kimyasal yollara dair içgörünün artmasına rağmen, hiç kimse süreci tam olarak açıklayan bir modele sahip olamamıştır. Yani, şu ana kadar. [Infographic: Yapay Zeka Tarihi]

Bir araştırmanın yazarlarından biri olan Michael Levin, “Doğanın yaptıklarını açıklayan modellerin icadı bilim adamlarının yaptığı en yaratıcı şeydir - bu sadece istatistik ya da rakamların çatlamasıdır, bu bilimsel girişimin kalbi ve ruhu” dedi. Yeni sistemi açıklayan PLOS Computational Biology dergisinde 4 Haziran'da yayınlandı.

Levin, “Burada, bilgisayar gerçekten neyin içine konduğundan daha fazlasını geri verdi” diye açıkladı. "Hiçbirimiz bu modelle gelemeyiz. Biz bir alan olarak, bir asırlık çabadan sonra bunu gerçekleştiremedik."

Sistem, Tufts'de doktora sonrası araştırmacı ve çalışmanın ortak yazarı Daniel Lobo tarafından programlandı. Rejenerasyonun nasıl gerçekleştiğini açıklamaya çalışan ve onları "doğal seleksiyon" sürecine tabi tutan modelleri ele alarak çalışır.

Esasen, potansiyel modeller, planaria üzerinde çeşitli deneyleri taklit eden sanal bir simülatörden geçirilir; Daha sonra, sonuçlar, planaria'nın parçalara ayrıldığı ve bazen ilaçlarla manipüle edildiği veya tam organizmalara dönüşmeden önce genlerin nakavt edildiği yayınlanmış deneylerin sonuçlarıyla karşılaştırılır.

Her döngüde, sonuçlara en uygun potansiyel modeller, yeni modeller oluşturmak için birbirleriyle "üretilir" ve daha az doğru olanlar atılır. Bu süreç, modellere mükemmel şekilde uyan bir modele dönüşene kadar tekrarlanır.

Araştırmacılar, bu süreci kullanarak, AI sisteminin sadece 42 saat içinde veri setinde yer alan 16 deneyin tümünü doğru olarak tahmin eden bir model üretebildiğini söyledi. Buna ek olarak, model araştırmacıların öngörücü gücünü test etmek için yürüttükleri bir dizi yeni deneyin sonuçlarını beklemiştir. [Yapay Zeka: Dostça veya Korkutucu?]

Illinois, Evanston'daki Northwestern Üniversitesi'nden uzman bir uzman olan Christian Petersen, bu yeteneklerin bilgisayarlar daha güçlü hale geldikçe daha da kullanışlı hale gelebileceğini söyledi. Sonuç olarak, AI sistemleri “araştırmacılar, deneylerle doğrulanabilecek gelişim yolları hakkında yeni hipotezler geliştirmelerine yardımcı olabilir” diye açıkladı.

AI sistemi planaria verisi üzerinde çalışmaya başlamadan önce, Levin ve Lobo, makinenin her bir deneyin hem metodolojisini hem de sonuçlarını açıklamak için anlayabileceği matematiksel bir dil oluşturmak zorundaydı.

Planar rejenerasyondaki önceki çalışmaların çoğu, rejenerasyon için gerekli olan bir dizi süreç gösteren ok diyagramlarına dayanmaktadır, ancak bunlar genellikle aralarında göze batan boşluklar içerir. Nicel bir model yaratarak, AI sistemi ilk kez tüm süreci çıplak koydu.

Levin, "Bilgisayarın güzelliği, bu tür şeyleri halı altında süpürememesidir - bir algoritmanın her durumda ne olacağını tam olarak belirtmesi gerekir." Dedi. “Bu, rejeneratif tıbbı ilerletmek için bu tür deneyleri kullanabilmek için, bir modele ve taşımak zorunda olduğumuz modellere yönelik güçlü bir gerekliliktir.”

Levin, projenin en dikkat çekici ve memnuniyet verici sonucunun, sistem tarafından keşfedilen modelin insanlar tarafından da anlaşılabilir olduğunu ve "hiçbir insanın gerçekten anlayamayacağı umutsuzca karışık bir ağ olmadığını" söyledi.

Araştırmacılar şimdi modeli geliştirmek için çalışıyorlar ve gelecekte embriyoların büyümesi ve kendini onarma robotları gibi problemler gibi gelişimsel biyolojinin diğer alanlarına uygulamayı umuyorlar.

Levin, "Bu büyük, derin veri kümelerini elde etmede daha iyi ve daha iyiye gidiyoruz, ancak ham verilerde boğulmanın ortasında insanlar hakkında bilgi sahibi olmak gittikçe zorlaşıyor." Dedi. "Bu problem ve bizim yaklaşımımız neredeyse evrenseldir. İşlevsel verilerin var olduğu ancak altta yatan mekanizmanın tahmin edilmesi zor olan herhangi bir şeyle kullanılabilir."

Canlı Bilimi Takip Et @wordssidekick, Facebook & Google+. Canlı Bilim ile ilgili orijinal makale.


Video Takviyesi: .




TR.WordsSideKick.com
Her Hakkı Saklıdır!
Herhangi Bir Malzemenin Çoğaltılabilir Sadece Siteye Aktif Linki Prostanovkoy TR.WordsSideKick.com

© 2005–2019 TR.WordsSideKick.com