少なくとも 1950 年以来、アラン・チューリングの有名な「コンピューティング機械とインテリジェンス」論文が初めて雑誌に掲載されました 心、人工知能に興味のあるコンピューター科学者は、心をコーディングするという概念に魅了されてきました。 理論によれば、心は基質から独立しています。これは、その処理能力が必然的に脳のウェットウェアに付属している必要がないことを意味します。 私たちは心をコンピューターにアップロードしたり、あるいは完全にソフトウェアの世界でまったく新しい心を構築したりすることもできるでしょう。
コンテンツ
- 人工遺伝子データ
- データプライバシーのすべて
これらはすべておなじみのものです。 私たちはまだソフトウェアで心を構築したり再作成したりすることはできませんが、最も解像度の低い抽象化の外では、 は現代のニューラル ネットワークであり、この取り組みに取り組んでいるコンピューター科学者が不足することはありません。 一瞬。
おすすめ動画
あまり知られていないのは、エストニアのタルトゥ大学とフランスのパリ・サクレー大学の研究者らによって行われている研究だ。
関連している
- AI が実際に知覚力を持つようになる時期をどうやって知ることができるのでしょうか?
- 面白い公式: なぜ機械が生成するユーモアが A.I. の聖杯なのか
- AI の将来: 今後数年間で注目すべき 4 つの大きな事柄
彼らは単にソフトウェアで心の近似を再作成しようとするのではなく、 別の問題: アルゴリズムを使用して、一度も経験したことのない人々の遺伝コードを生成できますか? 存在しましたか？ 同じ敵対的生成ネットワーク (GAN) テクノロジーを適用して、 A.I. BigSleepのようなモデル 説得力のあるリアルな生成画像を吐き出し、代わりにそれを使用して、チューリングの作品の流れに沿って、生身の人間のDNAと区別できない偽のDNAを作成するのでしょうか？
人工遺伝子データ
「配列を直接コピーせずに、十分に現実的な人工遺伝データを作成することは、非常に難しい問題です。」 フローラ・ジェイパリ大学サクレー大学で機械学習と集団遺伝学を専門とする研究者はデジタルトレンドに語った。 「遺伝子データは高次元であり、何が重要かそうでないかをただ見ることはできません。 そこで私たちは、コンピューター ビジョン、テキスト、音楽、タンパク質の世界に適用されている最先端の技術に目を向けました。 これらの生成ネットワーク、GAN および [制限付きボルツマン マシン] は、人工遺伝子配列の作成方法を段階的かつ自動的に学習できるように設計されています。」
GAN は、研究者 (および現 Apple 従業員) のイアン・グッドフェローによって考案された機械学習フレームワークの一種で、生成的な結果を改善するために戦闘的で綱引きのアプローチを使用します。 これは、相互に出力を渡す「ジェネレーター」と「ディスクリミネーター」という 2 つのニューラル ネットワークで構成されます。
ジェネレーターの仕事は、AI であろうと何かを作成することです。 人工ゲノムを 1 と 0 の形で表す絵画またはコードの塊。 差別者は、JK のボット版のようなものです。 映画に登場するシモンズの完璧主義者の音楽教師 むち打ち症、その後、その取り組みを批判し、これをジェネレーターに送り返します。 ジェネレーターはこのフィードバックから学習しますが、ディスクリミネーターも同様に、ジェネレーターによって作成されたものと本物が何かを推測する能力がますます向上します。 最終的に、ジェネレーターは、試行しているものすべての偽バージョンを作成するのが非常に上手なので、ディスクリミネーターを騙すことができます。 もはや本物と偽物の区別がつきません。
「ここでの主な問題の 1 つは、人工ゲノムの品質を評価することです。」 ブラク・イエメン、博士号 タルトゥ大学ゲノミクス研究所の学生はデジタルトレンドに語った。 「画像を見て、それが本物に見えるかどうかを判断することはできますが、ゲノムではそれは不可能です。 私たちが研究で行った分析の大部分は、私たちが生成した人工ゲノムチャンクが本当に本物に似ているかどうかを確認することでした。」
でも心配しないでください。 人間のコードを書き換えることを目的とした非常に疑わしい遺伝子改ざんに関する記事が大量に増えているにもかかわらず、 この作品は、親のいない新しい人間を「書こう」とするものではありません。 スーパーコンピューター。
「明確にしておきますが、私たちの研究の目的は、既存の遺伝情報をよりよく理解し、コード化することです。 人工細胞を作るためではなく、世界中の何千人、何百万人もの人々の多様性を尊重するためです」とジェイ 言った。 「ニューラルネットワークはこの既存の多様性に基づいてトレーニングされるため、生成されたゲノム領域には新たな変異が追加されることはありません。 配列の機能を簡単に破壊する可能性があります。そしてそれらには、人間全体で保存されているセグメントがそのまま含まれています。 人口。」
ジェイ氏は、ゲノム全体のスケールでは、生成された何百万ものヌクレオチドの特定の組み合わせが本当に可能かどうかを「言うのは難しい」と述べた。 「機能的」 言い換えれば、完全に形成された人間 (またはその青写真) が他のコードで現れることを期待して、このコードをコンパイルして実行することを期待しないでください。 終わり。 その代わりに、目的はそれほど邪悪なものではなく、潜在的にはより有用なものになります。
データプライバシーのすべて
「バイオバンクには膨大な量のデータがあり、そのデータは日々増え続けています」とイエメン氏は語った。 「しかし、ゲノムデータは機密データであり、研究者にとって倫理的な懸念からこれらのバイオバンクにアクセスするのは困難な場合があります。 私たちの研究の主な目標は、既存のゲノムバンクの高品質な代替物を作成し、安全な倫理的枠組みの中でこのアクセシビリティの障壁に対する解決策を提供することです。 私たちの研究は最初のステップであり、やるべきことはまだあるということに留意することが重要です。」
ジェイは付け加えた：「私たちの研究の背後にあるアイデアは、本物のゲノムの代わりに人工ゲノムを公開するかどうかの調査を開始することです」 ゲノムドナーのプライバシーを保護しながら、集団遺伝学に有用な情報を提供できる可能性がある コミュニティ。 人工ゲノムの（可能性のある）応用は、私たちの進化の過去をより深く理解することから、より広範囲の多様性を含む医療遺伝学の洞察を提供することにまで及ぶ可能性があります。」
ある意味、この作品はトレンドを彷彿とさせます。 2〜3年前、生成ウェブサイトに代表される架空の人物、動物などの画像を作成するために GAN が使用されました。 この人は存在しません.com. もちろん、今回のみ、単純な絵ではなく、実際の遺伝コードが含まれます。
「生成ニューラルネットワークを使用した人工ヒトゲノムの作成」と題されたこのプロジェクトを説明する論文は、 最近PLOS Genetics誌に掲載されました.
編集者のおすすめ
- 目の錯覚は次世代の AI の構築に役立つ可能性がある
- アナログAI？ クレイジーに聞こえるかもしれないが、それは未来かもしれない
- 不気味に美しい AI の「合成聖典」を読んでください。 それは神だと思っている
- アルゴリズム アーキテクチャ: AI を使用させるべきか 私たちのために建物を設計してくれるでしょうか？
- この技術は 20 年前には SF の話でした。 今、それが現実です
