Оригиналът е на Matteo Wong Даниел Десподов преди 48 секунди

Оригиналът е на Matteo Wong

Даниел Десподов преди 48 секунди 2 Сподели

Най-четени

ХардуерЕмил Василев - 18:30 | 20.12.2023

Масовото произвеждане на PHOLED екрани ще стартира през 2024 година – що е то PHOLED?

НаукаЕмил Василев - 20:37 | 20.12.2023

Учени са основали транзистори от вода – те могат да открият пътя към процесори с честоти от 1 THz и по-високи

КриптовалутиВелимир Кръстев - 17:44 | 20.12.2023

Късметлия трансформира инвестиция от 450 $ в „ ненужен токен “ в облага от над 2,19 милиона

Даниел Десподовhttps://www.kaldata.com/Новинар. Увличам се от модерни технологии, осведомителна сигурност, спорт, просвета и изкуствен интелект.

Това лято хапче, предопределено за лекуване на хронично, само че към момента нелечимо белодробно заболяване, навлезе в междинната фаза на изпитванията върху хора. Предишни изследвания демонстрираха, че лекарството е безвредно за усвояване, само че към момента не е известно дали то ще усъвършенства признаците на мъчителната фиброза, против която е насочено; това следва да се види по време на актуалните изпитвания, които евентуално ще приключат през идната година. Подобно прекомерно нестабилно достижение надали би заслужавало някакво по-особено внимание, в случай че не беше един колорит в произхода на лекарството: това е първото лекарство напълно създадено от изкуствен интелект, което е стигнало толкоз надалеч в своята създаването и даже към този момент се е появило и се тества на хора

Създателят на това хапче, биотехнологичната компания Insilico Medicine, употребява стотици модели с изкуствен интелект, с цел да открие нова цел в организма, която може да помогне за лекуването на муковисцидозата, и да дефинира кои молекули могат да бъдат синтезирани, с цел да се създаде лекарството. Тези стратегии са дали опция на Insilico да измине пътя от нулата до внедряването на лекарството във фаза 1 на клиничните изпитвания върху хора, освен това единствено за две години и половина, а не за нормалните пет. Дори и хапчето да се окаже неефикасно, което е изцяло допустимо, на път са доста други медикаменти основани благодарение на изкуствен интелект. Учените и фирмите се надяват, че те ще доближат до аптеките доста по-бързо от обичайните медикаменти, чието излизане на пазара нормално лишава повече от десетилетие и има доста висок % на крах.

Медицината е единствено един от аспектите на огромната промяна в науката. Само през последните няколко месеца изкуственият разсъдък стартира да предсказва тропическите стихии с невиждана до момента акуратност и доста по-бързо от обичайните модели; Meta1 пусна модел, който може да проучва мозъчните сканирания, с цел да възпроизведе това, което индивидът гледа в момента; Гугъл неотдавна употребява изкуствен интелект, с цел да открие милиони нови материали, които могат да подобрят суперкомпютрите, електрическите коли и други Точно както технологиите размиват границите сред човешкия и компютърно генерирания текст и изображения, променяйки метода, по който хората работят, учат и поддържат връзка, AI инструментариумът форсира и трансформира някои от главните детайли на науката.

„ Всъщност към този момент можем да вършим открития, които не биха били вероятни без потреблението на ИИ “, съобщи Маринка Зитник, откривател в региона на биомедицината и изкуствения разсъдък в Харвард.

Науката в никакъв случай не е била толкоз бърза и динамична, колкото е през днешния ден. Но въвеждането на AI също по този начин в прочут смисъл прави науката по-малко човешка или казано по различен метод по-нечовешка. В продължение на епохи познанието за света се е базирало на наблюдения и пояснения. Много от актуалните AI модели изопачават това начинание, като дават отговори без аргументация и принуждават учените да учат личните си логаритми по същия метод, по който учат природата. По този метод ИИ евентуално слага под въпрос самата същина на откривателството

ИИ съществува, с цел да извлича необикновено комплицирани модели от масиви от данни, които са прекомерно огромни, с цел да бъдат обхванати от хората. Този тайнствен феномен стана по-често срещан след представянето на ChatGPT предходната година. Чатботът – инструмент, който внезапно се оказа на една ръка разстояние от всеки и като че ли синтезира целия интернет – промени метода, по който получаваме достъп до знанията и ги прилагаме, само че също по този начин накърни огромна част от мисленето ни със съмнителни неща. Ние не разбираме по какъв начин тъкмо чатботовете с генеративен изкуствен интелект сформират отговорите си – единствено че те звучат поразително човешки, заради което е доста мъчно да разберем кое в този момент е действително, разумно или правдиво и дали текстът, даже нашият личен, е изцяло човешки или има силициев привкус. Когато даден отговор наподобява логичен, той може да наподобява, че предлага директен път, и не дава същинско схващане за това по какъв начин и за какво се е стигнало до него.

ИИ по принцип прави нещо сходно в необятен набор от научни дисциплини. Някои от най-забележителните научни достижения, подпомагани от ИИ, включват резултати в региона на молекулярната биология, получени от DeepMind – водеща изследователска ИИ лаборатория, която понастоящем се базира в Гугъл. След като програмата на DeepMind завоюва играта Го през 2016 година – игра, която е толкоз по-трудна от шаха, че мнозина считаха, че компютрите в никакъв случай няма да могат да я овладеят – Демис Хасабис, основен изпълнителен шеф на DeepMind съобщи, че е почнал да мисли по какъв начин да сътвори AI стратегия за решение на десетилетния проблем със сгъването на протеините. Всички типове биологични процеси зависят от протеините, а всеки протеин е формиран от поредност от аминокиселини. Начинът, по който тези молекули се сгъват в триизмерна форма, дефинира функционалността на протеина, а картографирането на тези структури може да помогне на учените да разработят нови ваксини, да унищожат устойчивите на антибиотици бактерии и да намерят нови способи за лекуване на рака. Без триизмерна форма на протеина учените не разполагат с нищо повече от куп блокчета „ Лего “ без указания по какъв начин да ги сглобят.

Преди години определянето на структурата на един протеин по последователността на аминокиселините отнемаше години. Но през 2022 година водещият теоретичен модел на DeepMind с името AlphaFold откри най-вероятната конструкция на съвсем всички известни на науката протеини – към 200 милиона. Подобно на стратегиите за шахмат и Го, които търсят най-хубавия вероятен ход, AlphaFold тества многочислените вероятни структури за дадена поредност от аминокиселини, с цел да откри най-вероятната. Програмата редуцира до няколко секунди работа, която би лишила цяла докторска дисертация, и е оценена високо поради „ революционното си влияние “ както върху фундаменталната биология, по този начин и върху създаването на нови лечения. Въпреки това самостоятелни откриватели означават, че макар нечовешката си експедитивност моделът не изяснява напълно за какво дадена конструкция е евентуална. В резултат на това учените се пробват да дешифрират прогнозите на AlphaFold и Хасабис съобщи, че тези старания дават положителни резултати.

Хасабис съобщи, че изкуственият разсъдък дава опция на откривателите да учат комплицираните системи в „ света на битовете “ доста по-бързо, в сравнение с в „ света на атомите “, и по-късно да ревизират физически своите хипотези даже на последната стъпка. Тази технология форсира напредъка в доста други дисциплини, като освен усилва скоростта и мащаба, само че и трансформира усещанията за това какви проучвания са вероятни. Така да вземем за пример невролозите в Meta1 и други университети трансформират изкуствените невронни мрежи, подготвени да „ виждат “ фотоси или да „ четат “ текст, в генератори на хипотези за това по какъв начин мозъкът обработва облиците и езика. Биолозите употребяват изкуствен интелект, подготвен на генетични данни, за проучване на редките болести, за възстановяване на имунотерапията и за по-добро схващане на проблематичните разновидности на SARS-CoV-2.

„ Сега имаме действителни хипотези, до момента в който преди този момент имаше единствено догадки “, споделя Джим ДиКарло, невролог от Масачузетския софтуерен институт, който е пионер в потреблението на изкуствен интелект за проучване на зрението на основния мозък.

Астрономите и физиците употребяват машинно образование, с цел да обработват големи количества данни от Вселената, които преди бяха прекомерно обширни, с цел да се обзет, декларира Брайс Менард, астрофизик от университета „ Джон Хопкинс “. Някои опити, като да вземем за пример колайдерът на частици в ЦЕРН, създават прекалено много информация, с цел да бъде съхранена физически. И тук откривателите разчитат на изкуствен интелект, който отхвърля към този момент познатите наблюдения, съхранявайки незнайните за разбор.

„ Не знаем по какъв начин наподобява една игла, тъй като това са неоткрити физически феномени, само че знаем по какъв начин наподобява една купа сено “, кзва Александър Шалай, шеф на Института за интензивно потребление на данни в университета „ Джон Хопкинс “. „ Така че компютрите са подготвени да разпознават сеното и всъщност да го изхвърлят, с цел да открием иглата “.

Според думите на Зитник в дълготраен проект е допустимо даже да се съчетаят моделите на изкуствения разсъдък и физическите опити в самобитна „ самоуправляваща се лаборатория “, в която компютърни стратегии и роботи ще генерират хипотези, ще възнамеряват опити за тяхното тестване и ще проучват резултатите. Такива лаборатории са към момента надалеч във времето, макар че към този момент съществуват прототипи, като да вземем за пример роботизираната система Scientific Autonomous Reasoning Agent, която към този момент откри нови материали за възобновима сила. SARA употребява лазер за итеративен разбор и смяна на материалите, като всеки цикъл трае няколко секунди, споделя Карла Гомес, компютърен експерт в Корнел, което понижава времето за проучване от дни на часове. Ако това бъдеще се реализира, софтуерът и роботите ще се трансфорат от принадлежности в сътрудници и даже в съавтори на знанието.

Данните в квантовите опити са прекалено много, с цел да бъдат съхранени от хората, опитите са прекомерно бързи, с цел да бъдат осъществени от хората, невронаучните хипотези са прекомерно комплицирани, с цел да бъдат изведени от хората – даже когато изкуственият разсъдък дава опция за научна работа, считана преди за невъзможна, същите тези принадлежности основават епистемична алтернатива. Те ще основат революционно познание, като в същото време ще разрушат визиите за лично познание.

Изкуственият разсъдък обаче не е панацея. AlphaFold може да се окаже революционен, а Insilico може би в действителност ще понижи коренно времето, належащо за създаване на нови медикаменти. Но тази технология има обилни ограничавания. Така да вземем за пример ИИ моделите би трябвало да бъдат подготвени върху огромни количества съответстващи данни. AlphaFold е „ величествен триумф “, декларира Дженифър Листгартен, изчислителен биолог и компютърен експерт в Калифорнийския университет в Бъркли, само че той също по този начин „ разчита на доста скъпи, деликатно следени данни, които са генерирани в продължение на десетилетия в лабораторията по доста добре дефиниран проблем, който може да бъде оценен доста тъкмо “. Липсата на висококачествени данни в другите области може да попречва или ограничи потреблението на ИИ.

Дори и при съществуването на такива данни действителният свят може да бъде доста по-сложен и динамичен от силициевата симулация. Например превеждането на статичната конструкция на една молекула във взаимоотношенията ѝ с другите телесни системи е проблем, върху който откривателите към момента работят, споделя Андреас Бендер, който учи молекулярна информатика в Университета в Кеймбридж. ИИ може бързо да предложи нови медикаменти, само че „ към момента би трябвало да се реализира процесът на разкриване на тези медикаменти, който, несъмнено, е много дълъг “, декларира Джон Джампър, откривател в DeepMind, който управлява създаването на AlphaFold.

Клиничните изпитвания не престават с години и доста от тях са неуспешни; доста започващи планове и начинания за медикаменти, основани на ИИ, са били прекъснати. Тези неуспехи са в прочут смисъл доказателство, че науката работи. Резултатите от опитите, дружно с известните физични закони, разрешават на учените да предпазят моделите си от халюцинации – споделя Анима Анандкумар, компютърен експерт в Калифорнийския софтуерен институт. Подобни закони за лингвистична акуратност не съществуват за чатботовете – потребителите са принудени да се доверяват на Големите технологии.

В лабораторията новите прогнози могат да бъдат физически и безвредно тествани в изолирани условия. Но при създаването на медикаменти или лекуването на пациенти залозите са доста по-високи. Съществуващите карти на човешкия геном, да вземем за пример, се концентрират върху белите европейци, само че проявлението на доста болести, като диабет, се въздейства доста от расата и етническата принадлежност. Точно както пристрастните набори от данни пораждат расистки чатботове, по този начин и изкривените биологични данни могат да значат, че „ моделите са неприложими за хора от неевропейски произход„, е мнението на Бендер, или за хора на друга възраст, или със съществуващи болести, или приемащи съпътстващи медикаменти. Програма за диагностика или лекуване на рак, създадена от изкуствения разсъдък, може да бъде изключително ефикасна само че единствено за дребна част от популацията.

ИИ моделите могат да трансформират освен метода, по който разбираме света, само че и метода, по който разбираме самото схващане. Ако това е по този начин, би трябвало да създадем нови модели на знанието – на какво можем да се доверим, за какво и по кое време. В противоположен случай доверието ни в чатбота, в инструмента за разкриване на нови медикаменти или в прогнозата за вихър, подпомагана от ИИ, може да излезе отвън рамките на науката. Това може да стартира да наподобява повече на религия. Вяра.