Almeno dal 1950, quando il famoso “Macchine informatiche e intelligenza" l'articolo è stato pubblicato per la prima volta sulla rivista Mente, gli informatici interessati all'intelligenza artificiale sono rimasti affascinati dall'idea di codificare la mente. La mente, secondo la teoria, è indipendente dal substrato, il che significa che la sua capacità di elaborazione non deve, per necessità, essere collegata al sistema nervoso del cervello. Potremmo caricare le menti sui computer o, plausibilmente, costruirne di completamente nuove, interamente nel mondo del software.
Contenuti
- Dati genetici artificiali
- Tutto sulla privacy dei dati
Sono tutte cose familiari. Anche se dobbiamo ancora costruire o ricreare una mente nel software, al di fuori delle astrazioni a più bassa risoluzione che sono moderne reti neurali, non mancano gli scienziati informatici che lavorano su questo sforzo, proprio questo momento.
Video consigliati
Ciò che è del tutto meno familiare è il lavoro svolto dai ricercatori dell’Università di Tartu in Estonia e dell’Università Paris-Saclay in Francia.
Imparentato
- Come faremo a sapere quando un'intelligenza artificiale diventerà effettivamente senziente?
- La formula divertente: perché l'umorismo generato dalle macchine è il Santo Graal dell'A.I.
- Il futuro dell'intelligenza artificiale: 4 grandi cose a cui prestare attenzione nei prossimi anni
Piuttosto che cercare semplicemente di ricreare un’approssimazione della mente nel software, si sono rivolti a un problema diverso: puoi usare un algoritmo per generare codice genetico per persone che non lo hanno mai fatto esisteva? Potresti applicare la stessa tecnologia GAN (Generative Adversarial Network) che consente A.I. modelli come BigSleep sputare immagini generate irresistibilmente realistiche e usarlo, invece, per creare un DNA falso che, nel filone del lavoro di Turing, è indistinguibile da quello di una persona in carne e ossa?
Dati genetici artificiali
"Creare dati genetici artificiali che siano sufficientemente realistici, senza copiare direttamente le sequenze, è un problema molto difficile", Flora Jay, un ricercatore specializzato in apprendimento automatico e genetica delle popolazioni presso l'Università di Parigi-Saclay, ha dichiarato a Digital Trends. “I dati genetici sono di grandi dimensioni e non puoi semplicemente osservare cosa è importante o meno. Ci siamo quindi rivolti a tecniche all'avanguardia applicate al mondo della visione artificiale, del testo, della musica o delle proteine. Queste reti generative – GAN e [macchine Boltzmann limitate] – sono progettate in modo tale da poter imparare progressivamente e automaticamente come creare sequenze genetiche artificiali”.
Un GAN, una classe di framework di apprendimento automatico coniata dal ricercatore (e attuale dipendente Apple) Ian Goodfellow, utilizza un approccio combattivo e di tiro alla fune per migliorare i suoi risultati generativi. È costituito da due reti neurali: un “generatore” e un “discriminatore” che si scambiano gli output.
Il lavoro del generatore è creare qualcosa, sia esso un'A.I. pittura o un pezzo di codice che rappresenta un genoma artificiale sotto forma di uno e zero. Il discriminatore, come una versione bot di J.K. L'istruttore di musica perfezionista di Simmons nel film Colpo di frusta, quindi critica i suoi sforzi e lo rimanda al generatore. Il generatore impara da questo feedback, mentre il discriminatore allo stesso modo diventa sempre più bravo a indovinare cosa è stato creato dal generatore e qual è l’articolo autentico. Alla fine, il generatore è così bravo a creare versioni false di qualunque cosa stia tentando che il discriminatore può essere ingannato. Non è più in grado di distinguere il vero dal falso.
“Uno dei problemi principali qui è valutare la qualità dei genomi artificiali”, Burak Yelmen, un dottorato di ricerca. studente presso l’Istituto di Genomica dell’Università di Tartu, ha detto a Digital Trends. “Puoi guardare un’immagine e decidere se sembra reale, ma questo non è possibile per i genomi. [La] maggior parte delle analisi che abbiamo eseguito nel nostro studio miravano a vedere se i pezzi di genoma artificiale che abbiamo generato assomigliassero davvero a quelli reali”.
Non preoccuparti, però. Nonostante una massa crescente di articoli su manomissioni genetiche altamente dubbie progettate per riscrivere il codice umano, questo lavoro non riguarda il tentativo di “scrivere” nuovi esseri umani senza genitori che potrebbero essere creati con l’aiuto di supercomputer.
“Per essere chiari, l’obiettivo del nostro lavoro è comprendere e codificare meglio la genetica esistente diversità di migliaia o milioni di persone in tutto il mondo, non per creare cellule artificiali”, Jay disse. “Le reti neurali sono addestrate su questa diversità esistente, quindi le regioni genomiche generate non portano ulteriori nuove mutazioni potrebbero facilmente interrompere la funzionalità di una sequenza e includono, intatti, i segmenti conservati nell’intero essere umano popolazioni”.
Jay ha osservato che, su scala genomica complessiva, è “difficile dire” se una combinazione specifica di milioni di nucleotidi generati possa effettivamente essere "funzionale." In altre parole, non aspettatevi di compilare ed eseguire questo codice, aspettandovi che una persona completamente formata (o i suoi progetti) emerga dall’altra parte. FINE. Invece, lo scopo è qualcosa di complessivamente meno sinistro e, potenzialmente, più utile.
Tutto sulla privacy dei dati
"C'è un'enorme quantità di dati nelle biobanche e continua ad aumentare ogni giorno", ha detto Yelmen. “Tuttavia, i dati genomici sono dati sensibili e l’accesso a queste biobanche può essere difficile per i ricercatori a causa di preoccupazioni etiche. L’obiettivo principale del nostro lavoro è creare surrogati di alta qualità delle banche del genoma esistenti e fornire una soluzione a questa barriera di accessibilità all’interno di un quadro etico sicuro. È importante notare che il nostro studio è stato un primo passo: c’è ancora del lavoro da fare”.
Jay ha aggiunto: “L’idea alla base del nostro studio è quella di iniziare a indagare se rilasciare genomi artificiali anziché reali quelli potrebbero preservare la privacy dei donatori di genoma, fornendo allo stesso tempo informazioni utili alla genetica della popolazione Comunità. Le [possibili] applicazioni dei genomi artificiali potrebbero variare da una migliore comprensione del nostro passato evolutivo alla fornitura di approfondimenti sulla genetica medica, inclusa una gamma più ampia di diversità”.
In un certo senso, il lavoro ricorda la tendenza vista un paio d'anni fa, in cui i GAN venivano utilizzati per creare immagini di persone, animali e altro immaginari, come esemplificato dal sito Web generativo ThisPersonDoesNotExist.com. Solo che questa volta, ovviamente, si tratta del vero codice genetico, piuttosto che di semplici immagini.
Un articolo che descrive il progetto, intitolato “Creazione di genomi umani artificiali utilizzando reti neurali generative”, è stato pubblicato recentemente pubblicato sulla rivista PLOS Genetics.
Raccomandazioni degli editori
- Le illusioni ottiche potrebbero aiutarci a costruire la prossima generazione di intelligenza artificiale
- IA analogica? Sembra pazzesco, ma potrebbe essere il futuro
- Leggi la "scrittura sintetica" stranamente bella di un A.I. che pensa che sia Dio
- Architettura algoritmica: dovremmo lasciare che l’A.I. progettare edifici per noi?
- Questa tecnologia era fantascienza 20 anni fa. Ora è realtà
