Al menos desde 1950, cuando el famoso “Maquinaria informática e inteligenciaEl artículo se publicó por primera vez en la revista. Mente, los informáticos interesados en la inteligencia artificial han quedado fascinados por la noción de codificar la mente. La mente, según la teoría, es independiente del sustrato, lo que significa que su capacidad de procesamiento no tiene, por necesidad, que estar unida al software húmedo del cerebro. Podríamos cargar mentes en computadoras o, posiblemente, construir mentes completamente nuevas en el mundo del software.
Contenido
- Datos genéticos artificiales
- Todo sobre privacidad de datos
Todo esto es algo familiar. Si bien todavía tenemos que construir o recrear una mente en software, fuera de las abstracciones de más baja resolución que son las redes neuronales modernas, no faltan científicos informáticos trabajando en este esfuerzo en este momento. momento.
Vídeos recomendados
Lo que resulta menos conocido es el trabajo que llevan a cabo investigadores de la Universidad de Tartu, en Estonia, y de la Universidad Paris-Saclay, en Francia.
Relacionado
- ¿Cómo sabremos cuándo una IA realmente se vuelve sensible?
- La fórmula divertida: por qué el humor generado por máquinas es el santo grial de la IA
- El futuro de la IA: 4 grandes cosas a tener en cuenta en los próximos años
En lugar de simplemente intentar recrear una aproximación de la mente en el software, han recurrido a una problema diferente: ¿Puedes usar un algoritmo para generar código genético para personas que nunca ¿existió? ¿Podrías aplicar la misma tecnología de red generativa adversarial (GAN) que permite AI. modelos como BigSleep ¿Escupir imágenes generadas convincentemente realistas y usarlas, en cambio, para crear ADN falso que, en la línea del trabajo de Turing, sea indistinguible del de una persona de carne y hueso?
Datos genéticos artificiales
"Crear datos genéticos artificiales que sean lo suficientemente realistas, sin copiar directamente las secuencias, es un problema muy difícil". Flora Jay, dijo a Digital Trends un investigador especializado en aprendizaje automático y genética de poblaciones de la Universidad de París-Saclay. “Los datos genéticos son de gran dimensión y no se puede simplemente observar lo que es importante o no. Por lo tanto, recurrimos a técnicas de vanguardia aplicadas al mundo de la visión por computadora, el texto, la música o las proteínas. Estas redes generativas (GAN y [máquinas Boltzmann restringidas]) están diseñadas para que puedan aprender de forma progresiva y automática cómo crear secuencias genéticas artificiales”.
Una GAN, una clase de marco de aprendizaje automático acuñado por el investigador (y actual empleado de Apple) Ian Goodfellow, utiliza un enfoque combativo de tira y afloja para mejorar sus resultados generativos. Consta de dos redes neuronales: un "generador" y un "discriminador" que se pasan salidas entre sí.
El trabajo del generador es crear algo, ya sea una IA. pintura o un fragmento de código que representa un genoma artificial en forma de unos y ceros. El discriminador, como una versión bot de J.K. El perfeccionista instructor de música de Simmons en la película Latigazo, luego critica sus esfuerzos y lo envía de vuelta al generador. El generador aprende de esta retroalimentación, mientras que el discriminador también mejora cada vez más al adivinar qué ha creado el generador y cuál es el artículo genuino. Al final, el generador es tan bueno creando versiones falsas de lo que sea que intenta que el discriminador puede ser engañado. Ya no es capaz de diferenciar lo real de lo falso.
"Uno de los principales problemas aquí es evaluar la calidad de los genomas artificiales", Burak Yelmen, un doctorado. estudiante del Instituto de Genómica de la Universidad de Tartu, dijo a Digital Trends. “Puedes mirar una imagen y decidir si parece real, pero esto no es posible con los genomas. [La] mayoría de los análisis que realizamos en nuestro estudio fueron para ver si los fragmentos del genoma artificial que generamos realmente se parecían a los reales”.
Pero no te preocupes. A pesar de la creciente masa de artículos sobre la muy dudosa manipulación genética diseñada para reescribir el código humano, Este trabajo no trata de intentar “escribir” nuevos seres humanos sin padres que podrían crearse con la ayuda de supercomputadoras.
“Para ser claros, el objetivo de nuestro trabajo es comprender y codificar mejor la genética existente. diversidad de miles o millones de personas en todo el mundo, no para crear células artificiales”, Jay dicho. "Las redes neuronales están entrenadas en esta diversidad existente, por lo que las regiones genómicas generadas no portan nuevas mutaciones adicionales que podrían alterar fácilmente la funcionalidad de una secuencia, e incluyen, intactos, los segmentos que se conservan en todo el ser humano. poblaciones”.
Jay señaló que, a escala del genoma completo, es “difícil decir” si una combinación específica de millones de nucleótidos generados podría efectivamente ser "funcional." En otras palabras, no espere compilar y ejecutar este código, esperando que una persona completamente formada (o sus planos) surja en el otro. fin. Más bien, el propósito es algo menos siniestro y, potencialmente, más útil.
Todo sobre privacidad de datos
"Hay una inmensa cantidad de datos en los biobancos y sigue aumentando cada día", dijo Yelmen. “Sin embargo, los datos genómicos son datos confidenciales y el acceso a estos biobancos puede resultar difícil para los investigadores debido a preocupaciones éticas. El objetivo principal de nuestro trabajo es crear sustitutos de alta calidad de bancos de genoma existentes y proporcionar una solución a esta barrera de accesibilidad dentro de un marco ético seguro. Es importante señalar que nuestro estudio fue un primer paso: todavía queda trabajo por hacer”.
Jay añadió: “La idea detrás de nuestro estudio es comenzar a investigar si la liberación de genomas artificiales en lugar de los reales Estos podrían preservar la privacidad de los donantes de genoma, al tiempo que proporcionan información útil a la genética de la población. comunidad. [Las posibles] aplicaciones de los genomas artificiales podrían variar desde una mejor comprensión de nuestro pasado evolutivo hasta proporcionar conocimientos sobre genética médica, incluida una gama más amplia de diversidad”.
En cierto modo, el trabajo recuerda la tendencia, vista un par de años atras, en el que se utilizaron GAN para crear imágenes de personas, animales y más imaginarios, como lo resume el sitio web generativo EstaPersonaNoExiste.com. Sólo que esta vez, por supuesto, se trata de un código genético real, en lugar de simples imágenes.
Se publicó un artículo que describe el proyecto, titulado “Creación de genomas humanos artificiales utilizando redes neuronales generativas”. publicado recientemente en la revista PLOS Genetics.
Recomendaciones de los editores
- Las ilusiones ópticas podrían ayudarnos a construir la próxima generación de IA
- ¿IA analógica? Parece una locura, pero podría ser el futuro.
- Lea la inquietantemente hermosa "escritura sintética" de una IA. que piensa que es dios
- Arquitectura algorítmica: ¿Deberíamos dejar que la A.I. ¿Diseñar edificios para nosotros?
- Esta tecnología era ciencia ficción hace 20 años. Ahora es la realidad
