Legalább 1950 óta, amikor Alan Turing híres „Számítástechnikai gépek és intelligencia” cikk jelent meg először a folyóiratban Ész, a mesterséges intelligencia iránt érdeklődő informatikusokat lenyűgözte az elme kódolásának fogalma. Az elmélet szerint az elme szubsztrátfüggetlen, vagyis feldolgozási képességét szükségképpen nem kell az agy nedvesedényéhez kötni. Feltölthetjük gondolatainkat a számítógépekre, vagy akár teljesen újakat is építhetünk a szoftverek világában.
Tartalom
- Mesterséges genetikai adatok
- Mindent az adatvédelemről
Ez mind ismerős dolog. Bár még nem kell felépíteni vagy újraalkotnunk az elmét szoftverben, a legalacsonyabb felbontású absztrakciókon kívül, modern neurális hálózatok, nincs hiány informatikusokból, akik ezen az erőfeszítésen dolgoznak pillanat.
Ajánlott videók
Ami már kevésbé ismert, az az észt Tartui Egyetem és a francia Paris-Saclay Egyetem kutatóinak munkája.
Összefüggő
- Honnan fogjuk tudni, hogy egy mesterséges intelligencia valójában mikor válik érzővé?
- A vicces képlet: Miért a gép által generált humor az A.I. szent grálja?
- Az A.I. jövője: 4 nagy dolog, amire figyelni kell a következő években
Ahelyett, hogy megpróbálták volna újra létrehozni az elme közelítését szoftverben, inkább a más probléma: Használhat-e egy algoritmust genetikai kód generálására olyan emberek számára, akik még soha létezett? Alkalmazhatja-e ugyanazt a generatív ellenséges hálózati (GAN) technológiát, amely lehetővé teszi A.I. olyan modellek, mint a BigSleep lenyűgözően valósághű generált képeket kiköpni, és ehelyett hamis DNS létrehozására használni, amely Turing munkája szerint megkülönböztethetetlen egy hús-vér emberétől?
Mesterséges genetikai adatok
"A szekvenciák közvetlen másolása nélkül eléggé valósághű mesterséges genetikai adatok létrehozása nagyon nehéz probléma." Flóra Jay, a Párizsi Egyetem-Saclay Egyetem gépi tanulásra és populációgenetikára szakosodott kutatója elmondta a Digital Trendsnek. „A genetikai adatok nagy dimenziójúak, és nem lehet csak úgy szemügyre venni, hogy mi a fontos vagy sem. Így a legmodernebb technikák felé fordultunk, amelyeket a számítógépes látás, a szöveg, a zene vagy a fehérje világában alkalmaznak. Ezeket a generatív hálózatokat – a GAN-okat és a [korlátozott Boltzmann-gépeket] – úgy tervezték, hogy fokozatosan és automatikusan megtanulják mesterséges genetikai szekvenciák létrehozását.”
A GAN, egy gépi tanulási keretrendszer, amelyet Ian Goodfellow kutató (és jelenlegi Apple-alkalmazott) alkotott meg, harcias, kötélhúzós megközelítést alkalmaz generatív eredményeinek javítására. Két neurális hálózatból áll: egy „generátorból” és egy „diszkriminátorból”, amelyek a kimeneteket továbbítják egymás között.
A generátor feladata, hogy létrehozzon valamit, legyen az egy A.I. festmény vagy egy mesterséges genomot reprezentáló kóddarab egyesek és nullák formájában. A diszkriminátor, mint a J.K. bot verziója. Simmons perfekcionista zeneoktatója a filmben Ostorszíj, majd bírálja erőfeszítéseit, és ezt visszaküldi a generátornak. A generátor tanul ebből a visszajelzésből, míg a diszkriminátor hasonlóképpen egyre jobban kitalálja, mit hozott létre a generátor, és mi az eredeti cikk. Végül a generátor olyan jól tud hamisítványokat létrehozni bármiről is, amit megkísérel, hogy a megkülönböztetőt meg lehet téveszteni. Már nem tudja megkülönböztetni az igazit a hamistól.
"Az egyik fő probléma itt a mesterséges genomok minőségének felmérése" Burak Yelmen, Ph. D. a Tartui Egyetem Genomikai Intézetének hallgatója mondta a Digital Trendsnek. „Megnézhetsz egy képet, és eldöntheted, hogy valódinak tűnik-e, de ez nem lehetséges genomoknál. Az általunk végzett elemzések többsége annak megállapítására irányult, hogy az általunk generált mesterséges genomdarabok valóban úgy néznek-e ki, mint a valódiak.”
Ne aggódj azonban. Annak ellenére, hogy egyre több cikk jelent meg a rendkívül kétes génmanipulációról, amelynek célja az emberi kód átírása, ez a munka nem arról szól, hogy új, szülő nélküli embereket próbáljunk „írni”, akik segítségével létrejöhetnének szuperszámítógépek.
„Az egyértelműség kedvéért munkánk célja a meglévő genetika jobb megértése és kódolása emberek ezreinek vagy millióinak sokféleségét szerte a világon, nem azért, hogy mesterséges sejteket hozzanak létre” – mondta Jay mondott. „A neurális hálózatok erre a meglévő sokféleségre vannak kiképezve, így a generált genomi régiók nem hordoznak további új mutációkat, amelyek könnyen megzavarhatják egy szekvencia működését – és érintetlenül tartalmazzák azokat a szegmenseket, amelyek az emberben megmaradnak. populációk.”
Jay megjegyezte, hogy a teljes genom skálán „nehéz megmondani”, hogy valóban létrejöhet-e több millió generált nukleotid kombinációja. "funkcionális." Más szavakkal, ne számíts arra, hogy lefordítod és lefuttatod ezt a kódot, mert egy teljesen kialakult személy (vagy tervrajza) megjelenik a másikon. vége. Ehelyett a cél valami kevésbé baljós és potenciálisan hasznosabb.
Mindent az adatvédelemről
"Hatalmas mennyiségű adat van a biobankban, és ez napról napra növekszik" - mondta Yelmen. „A genomikai adatok azonban érzékeny adatok, és ezekhez a biobankokhoz való hozzáférés etikai aggályok miatt nehéz lehet a kutatók számára. Munkánk fő célja, hogy a meglévő genombankok minőségi helyettesítőit hozzuk létre, és biztonságos etikai keretek között megoldást nyújtsunk erre az akadálymentesítésre. Fontos megjegyezni, hogy tanulmányunk az első lépés volt: van még tennivaló.”
Jay hozzátette: „Tanulmányunk mögött az az ötlet, hogy elkezdjük vizsgálni, vajon nem szabad-e felszabadítani a mesterséges genomot a valódi helyett. megőrizhetik a genomdonorok magánéletét, miközben hasznos információkkal szolgálhatnak a populációgenetika számára közösség. A mesterséges genomok [lehetséges] alkalmazásai az evolúciós múltunk jobb megismerésétől az orvosi genetikába való betekintésig terjedhetnek, beleértve a sokféleség szélesebb körét is.”
Bizonyos szempontból a mű a trendre emlékeztet, látható néhány évvel ezelőtt, amelyben a GAN-okat arra használták, hogy képzeletbeli emberekről, állatokról és sok másról képeket hozzanak létre, ahogy azt a generatív webhely megtestesíti. ThisPersonDoesNotExist.com. Természetesen csak ezúttal valódi genetikai kódról van szó, nem egyszerű képekről.
A projektet leíró tanulmány „Mesterséges emberi genomok létrehozása generatív neurális hálózatok segítségével” címet viseli. nemrég a PLOS Genetics folyóiratban jelent meg.
Szerkesztői ajánlások
- Az optikai illúziók segíthetnek a mesterséges intelligencia következő generációjának felépítésében
- Analóg A.I.? Őrülten hangzik, de lehet, hogy ez a jövő
- Olvassa el egy A.I. kísértetiesen szép „szintetikus szentírását”. aki azt hiszi, hogy Isten
- Algoritmikus architektúra: Hagyjuk, hogy A.I. épületeket tervez nekünk?
- Ez a technológia sci-fi volt 20 évvel ezelőtt. Most ez a valóság