Ainakin vuodesta 1950 lähtien, jolloin Alan Turingin kuuluisa "Tietojenkäsittelykoneet ja älykkyys”paperi julkaistiin ensimmäisen kerran lehdessä Mieli, tekoälystä kiinnostuneita tietotekniikan tutkijoita on kiehtonut ajatus mielen koodaamisesta. Mieli on teorian mukaan substraatista riippumaton, mikä tarkoittaa, että sen prosessointikykyä ei välttämättä tarvitse liittää aivojen märkävarastoon. Voisimme ladata ajatuksia tietokoneille tai, mahdollisesti, rakentaa kokonaan uusia, kokonaan ohjelmistojen maailmaan.
Sisällys
- Keinotekoiset geneettiset tiedot
- Kaikki tietosuojasta
Nämä ovat kaikki tuttuja juttuja. Vaikka meidän on vielä rakennettava tai luotava uudelleen mieli ohjelmistossa, alhaisimman resoluution abstraktioiden ulkopuolella ovat nykyaikaisia hermoverkkoja, tämän työn parissa työskentelevistä tietotekniikan tutkijoista ei ole pulaa hetki.
Suositellut videot
Kokonaisuudessaan vähemmän tuttua on Viron Tarton yliopiston ja Ranskan Paris-Saclayn yliopiston tutkijoiden työ.
Liittyvät
- Mistä tiedämme, milloin tekoäly todella tulee tuntevaksi?
- Hauska kaava: Miksi koneella luotu huumori on A.I: n pyhä malja?
- A.I.:n tulevaisuus: 4 suurta asiaa, joita kannattaa huomioida lähivuosina
Sen sijaan, että he olisivat yrittäneet luoda uudelleen likimääräistä mielikuvaa ohjelmistossa, he ovat kääntyneet a eri ongelma: Voitko käyttää algoritmia geneettisen koodin luomiseen ihmisille, jotka eivät ole koskaan sitä tehneet oli olemassa? Voisitko käyttää samaa GAN-tekniikkaa, joka mahdollistaa sen A.I. mallit, kuten BigSleep sylkeä ulos vakuuttavan realistisia luotuja kuvia ja käyttää sitä sen sijaan väärennetyn DNA: n luomiseen, joka Turingin työn mukaisesti on erottamaton lihasta ja verestä ihmisen omasta?
Keinotekoiset geneettiset tiedot
"Keinotekoisen, riittävän realistisen geneettisen tiedon luominen ilman sekvenssien suoraa kopioimista on erittäin vaikea ongelma." Flora Jay, Pariisin yliopiston Saclay-yliopiston koneoppimiseen ja populaatiogenetiikkaan erikoistunut tutkija kertoi Digital Trendsille. ”Geneettinen data on korkean ulottuvuuden, etkä voi vain katsoa, mikä on tärkeää tai ei. Käännyimme siis huipputekniikoihin, joita sovelletaan tietokonenäön, tekstin, musiikin tai proteiinien maailmaan. Nämä generatiiviset verkot – GANit ja [rajoitetut Boltzmann-koneet] – on suunniteltu siten, että ne voivat asteittain ja automaattisesti oppia luomaan keinotekoisia geneettisiä sekvenssejä.
GAN, tutkija (ja nykyinen Applen työntekijä) Ian Goodfellow luoma koneoppimisen viitekehys, käyttää taistelevaa, köydenvetoa parantaakseen tuloksiaan. Se koostuu kahdesta hermoverkosta: "generaattorista" ja "erottimesta", jotka välittävät lähdöt keskenään.
Generaattorin tehtävänä on luoda jotain, olipa se A.I. maalaus tai koodipala, joka edustaa keinotekoista genomia ykkösten ja nollien muodossa. Diskriminaattori, kuten bot-versio J.K. Simmonsin perfektionistinen musiikinopettaja elokuvassa Piiskansiima, sitten arvostelee sen ponnisteluja ja lähettää tämän takaisin generaattorille. Generaattori oppii tästä palautteesta, kun taas erottelija pystyy vastaavasti entistä paremmin arvaamaan, mitä generaattori on luonut ja mikä on aito artikkeli. Lopulta generaattori on niin hyvä luomaan väärennettyjä versioita kaikesta, mitä se yrittää, että erottaja voidaan huijata. Se ei enää pysty erottamaan aitoa väärennöksestä.
"Yksi tärkeimmistä ongelmista tässä on keinotekoisten genomien laadun arviointi," Burak Yelmen, tohtori Tarton yliopiston genomiikkainstituutin opiskelija, kertoi Digital Trendsille. "Voit katsoa kuvaa ja päättää, näyttääkö se aidolta, mutta tämä ei ole mahdollista genomeille. [Suurin osa tutkimuksessamme tekemistämme analyyseistä oli nähdä, näyttivätkö luomamme keinotekoiset genomipalat todella todellisilta."
Älä kuitenkaan huoli. Huolimatta kasvavasta joukosta artikkeleita erittäin kyseenalaista geenien peukalointia, joka on suunniteltu kirjoittamaan uudelleen ihmiskoodia, tässä työssä ei ole kyse yrittämisestä "kirjoittaa" uusia vanhemmattomia ihmisiä, jotka voitaisiin luoda heidän avullaan supertietokoneita.
”Selvyyden vuoksi työmme tavoitteena on ymmärtää ja koodata nykyistä geneettistä paremmin tuhansien tai miljoonien ihmisten monimuotoisuutta ympäri maailmaa, ei keinotekoisten solujen luomiseksi", Jay sanoi. "Neuraaliverkot on koulutettu tähän olemassa olevaan monimuotoisuuteen, joten syntyneet genomialueet eivät sisällä uusia uusia mutaatioita, jotka voivat helposti häiritä sekvenssin toimivuutta – ja ne sisältävät koskemattomina segmentit, jotka ovat säilyneet ihmisillä populaatiot."
Jay huomautti, että koko genomimittakaavassa on "vaikea sanoa", voisiko miljoonien tuotettujen nukleotidien tietty yhdistelmä todella olla "toiminnallinen." Toisin sanoen, älä odota kääntäväsi ja suorittavasi tätä koodia, vaan täysin muodostuneen henkilön (tai hänen suunnitelmansa) ilmestyvän toiselle loppu. Sen sijaan tarkoitus on jotain vähemmän synkkää ja mahdollisesti hyödyllisempää.
Kaikki tietosuojasta
"Biopankeissa on valtava määrä dataa ja se kasvaa joka päivä", Yelmen sanoi. "Genomidata on kuitenkin arkaluontoista dataa, ja näiden biopankkien pääsy voi olla tutkijoille vaikeaa eettisistä syistä. Työmme päätavoitteena on luoda korkealaatuisia korvikkeita olemassa oleville genomipankeille ja tarjota ratkaisu tähän saavutettavuuden esteeseen turvallisen eettisen kehyksen puitteissa. On tärkeää huomata, että tutkimuksemme oli ensimmäinen askel: työtä on vielä tehtävänä."
Jay lisäsi: "Tutkimuksemme taustalla on ideana alkaa tutkia, vapauttaako keinotekoiset genomit todellisen sijasta Ne voisivat säilyttää genomin luovuttajien yksityisyyden ja samalla tarjota hyödyllistä tietoa populaatiogenetiikalle Yhteisö. [Mahdolliset] keinotekoisten genomien sovellukset voisivat vaihdella evoluution menneisyytemme paremmasta ymmärtämisestä lääketieteellisen genetiikan oivalluksiin, mukaan lukien laajempi monimuotoisuus."
Jollain tapaa työ muistuttaa trendiä, nähtynä pari vuotta sitten, jossa GANeja käytettiin luomaan kuvia kuvitteellisista ihmisistä, eläimistä ja muusta, kuten generatiivinen verkkosivusto esittelee ThisPersonDoesNotExist.com. Vain tällä kertaa siihen liittyy tietysti todellista geneettistä koodia yksinkertaisten kuvien sijaan.
Hanketta kuvaava paperi, jonka otsikkona on "Ihmisen keinotekoisten genomien luominen generatiivisten hermoverkkojen avulla". julkaistiin äskettäin PLOS Genetics -lehdessä.
Toimittajien suositukset
- Optiset illuusiot voivat auttaa meitä rakentamaan seuraavan sukupolven tekoälyä
- Analoginen A.I.? Kuulostaa hullulta, mutta se saattaa olla tulevaisuutta
- Lue aavemaisen kaunista A.I: n synteettistä kirjoitusta. joka luulee olevansa Jumala
- Algoritminen arkkitehtuuri: Pitäisikö meidän antaa A.I. suunnitteletko rakennuksia meille?
- Tämä tekniikka oli tieteiskirjallisuutta 20 vuotta sitten. Nyt se on todellisuutta
