Co najmniej od 1950 r., kiedy słynny „Alan Turing”Maszyny liczące i inteligencja”- artykuł ukazał się po raz pierwszy w czasopiśmie Umysłinformatycy zainteresowani sztuczną inteligencją byli zafascynowani koncepcją kodowania umysłu. Umysł, jak głosi teoria, jest niezależny od podłoża, co oznacza, że jego zdolność przetwarzania nie musi być z konieczności powiązana z oprogramowaniem mózgu. Moglibyśmy przesyłać umysły do komputerów lub, co jest możliwe, budować zupełnie nowe, całkowicie w świecie oprogramowania.
Zawartość
- Sztuczne dane genetyczne
- Wszystko o ochronie danych
To wszystko znane rzeczy. Chociaż nie zbudowaliśmy jeszcze ani nie odtworzyliśmy umysłu w oprogramowaniu, poza abstrakcjami o najniższej rozdzielczości są nowoczesne sieci neuronowe, nie brakuje informatyków pracujących nad tym zadaniem za chwilę.
Polecane filmy
Zupełnie mniej znane są prace prowadzone przez naukowców z estońskiego uniwersytetu w Tartu i francuskiego uniwersytetu Paris-Saclay.
Powiązany
- Skąd będziemy wiedzieć, kiedy sztuczna inteligencja faktycznie stanie się świadoma?
- Zabawna formuła: dlaczego humor generowany maszynowo jest świętym Graalem sztucznej inteligencji?
- Przyszłość sztucznej inteligencji: 4 ważne rzeczy, na które warto zwrócić uwagę w ciągu najbliższych kilku lat
Zamiast po prostu próbować odtworzyć przybliżenie umysłu w oprogramowaniu, zwrócili się ku inny problem: czy możesz użyć algorytmu do wygenerowania kodu genetycznego dla ludzi, którzy nigdy tego nie robili? istniał? Czy można zastosować tę samą technologię generatywnej sieci przeciwstawnej (GAN), która na to pozwala? sztuczna inteligencja modele takie jak BigSleep wypluć zniewalająco realistyczne, wygenerowane obrazy i zamiast tego użyć ich do stworzenia fałszywego DNA, które w duchu twórczości Turinga jest nie do odróżnienia od DNA osoby z krwi i kości?
Sztuczne dane genetyczne
„Tworzenie sztucznych danych genetycznych, które są wystarczająco realistyczne, bez bezpośredniego kopiowania sekwencji, jest bardzo trudnym problemem” – dodał. Flora Jay– powiedziała Digital Trends badaczka specjalizująca się w uczeniu maszynowym i genetyce populacyjnej na Uniwersytecie Paris-Saclay. „Dane genetyczne mają ogromny wymiar i nie można po prostu skupić się na tym, co jest ważne, a co nie. Dlatego zwróciliśmy się ku najnowocześniejszym technikom stosowanym w obrazie komputerowym, tekście, muzyce czy świecie białek. Te sieci generatywne – GAN i [ograniczone maszyny Boltzmanna] – są zaprojektowane tak, aby mogły stopniowo i automatycznie uczyć się, jak tworzyć sztuczne sekwencje genetyczne”.
GAN, klasa platformy uczenia maszynowego stworzona przez badacza (i obecnego pracownika Apple) Iana Goodfellowa, wykorzystuje waleczne podejście polegające na przeciąganiu liny w celu poprawy wyników generacyjnych. Składa się z dwóch sieci neuronowych: „generatora” i „dyskryminatora”, które przekazują między sobą dane wyjściowe.
Zadaniem generatora jest stworzenie czegoś, niezależnie od tego, czy będzie to sztuczna inteligencja. malowanie lub fragment kodu przedstawiający sztuczny genom w postaci jedynek i zer. Dyskryminator, niczym bot wersji J.K. Instruktor muzyki perfekcjonizmu Simmonsa w filmie Bicz, następnie krytykuje jego wysiłki i odsyła wynik z powrotem do generatora. Generator uczy się na podstawie tej informacji zwrotnej, podczas gdy dyskryminator w podobny sposób staje się coraz lepszy w odgadywaniu, co zostało utworzone przez generator i jaki jest prawdziwy artykuł. Ostatecznie generator jest tak dobry w tworzeniu fałszywych wersji tego, czego próbuje, że dyskryminator może zostać oszukany. Nie jest już w stanie odróżnić prawdziwego od fałszywego.
„Jednym z głównych problemów jest ocena jakości sztucznych genomów” – dodał. Burak Yelmen, doktorant student Instytutu Genomiki Uniwersytetu w Tartu, powiedział Digital Trends. „Możesz spojrzeć na obraz i zdecydować, czy wygląda realistycznie, ale w przypadku genomów nie jest to możliwe. [Większość] analiz, które przeprowadziliśmy w ramach naszego badania, miało na celu sprawdzenie, czy wygenerowane przez nas fragmenty sztucznego genomu naprawdę wyglądają jak prawdziwe”.
Nie martw się jednak. Pomimo rosnącej masy artykułów na temat wysoce wątpliwych manipulacji genami, mających na celu przepisanie ludzkiego kodu, ta praca nie polega na próbie „napisania” nowych pozbawionych rodziców ludzi, których można by stworzyć za pomocą superkomputery.
„Żeby było jasne, celem naszej pracy jest lepsze zrozumienie i zakodowanie istniejącej genetyki różnorodności tysięcy lub milionów ludzi na całym świecie, a nie po to, by tworzyć sztuczne komórki” – Jay powiedział. „Sieci neuronowe są szkolone w oparciu o tę istniejącą różnorodność, więc wygenerowane regiony genomowe nie niosą dodatkowych nowych mutacji mogą łatwo zakłócić funkcjonalność sekwencji – i obejmują one, nietknięte, segmenty, które są zachowane u człowieka populacji.”
Jay zauważył, że w skali całego genomu „trudno powiedzieć”, czy rzeczywiście można uzyskać konkretną kombinację milionów wygenerowanych nukleotydów. "funkcjonalny." Innymi słowy, nie spodziewaj się, że skompilujesz i uruchomisz ten kod, spodziewając się, że po drugiej stronie pojawi się w pełni uformowana osoba (lub jej plany). koniec. Zamiast tego celem jest coś zupełnie mniej złowrogiego i potencjalnie bardziej użytecznego.
Wszystko o ochronie danych
„W biobankach znajduje się ogromna ilość danych, która z każdym dniem rośnie” – stwierdził Yelmen. „Jednak dane genomowe są danymi wrażliwymi i dostęp do tych biobanków może być trudny dla badaczy ze względów etycznych. Głównym celem naszej pracy jest stworzenie wysokiej jakości surogatów istniejących banków genomów i zapewnienie rozwiązania tej bariery dostępności w bezpiecznych ramach etycznych. Należy zauważyć, że nasze badanie było pierwszym krokiem: nadal jest nad czym pracować”.
Dodał Jay: „Ideą naszego badania jest rozpoczęcie badania, czy uwalnianie sztucznych genomów zamiast prawdziwych mogłyby chronić prywatność dawców genomu, dostarczając jednocześnie przydatnych informacji na temat genetyki populacji wspólnota. [Możliwe] zastosowania sztucznych genomów mogą obejmować zarówno lepsze zrozumienie naszej ewolucyjnej przeszłości, jak i dostarczanie wiedzy na temat genetyki medycznej, w tym szerszego zakresu różnorodności”.
W pewnym sensie praca przypomina trend, widziany kilka lat temu, w którym sieci GAN wykorzystano do tworzenia obrazów wyimaginowanych ludzi, zwierząt i nie tylko, jak uosabia to generatywna witryna internetowa ThisPersonDoesNotExist.com. Tylko że tym razem oczywiście chodzi o rzeczywisty kod genetyczny, a nie proste obrazy.
Artykuł opisujący projekt zatytułowany „Tworzenie sztucznych genomów ludzkich przy użyciu generatywnych sieci neuronowych” ukazał się niedawno opublikowane w czasopiśmie PLOS Genetics.
Zalecenia redaktorów
- Złudzenia optyczne mogą pomóc nam w zbudowaniu sztucznej inteligencji nowej generacji
- Analogowa sztuczna inteligencja? Brzmi szalenie, ale może to być przyszłość
- Przeczytaj niesamowicie piękne „syntetyczne pismo” AI. który myśli, że jest Bogiem
- Architektura algorytmiczna: czy powinniśmy pozwolić A.I. projektować dla nas budynki?
- Ta technologia była science fiction 20 lat temu. Teraz to rzeczywistość
