Les réseaux de neurones de dernière génération remplacent en partie les scientifiques: ils mènent des expériences, diagnostiquent des maladies, révèlent des schémas, avancent et testent des hypothèses. Ils sont utilisés là où les volumes de données dépassent toute capacité humaine. Quels problèmes scientifiques ont aidé à résoudre l'intelligence artificielle - dans le matériau RIA Novosti.
Adam et Eve
Le premier robot scientifique a été créé en 2009 par des spécialistes britanniques sous la direction du professeur Ross King, alors employé de l'université d'Aberystwyth. Son «cerveau» était un programme de réseau neuronal utilisant quatre PC et contrôlant l'équipement de laboratoire. La créature virtuelle s'appelait "Adam".
Un réseau neuronal est un programme informatique qui analyse de grandes quantités de données à grande vitesse, à la recherche de caractéristiques et de modèles communs. Contrairement à la modélisation, les réseaux de neurones n'ont pas besoin d'hypothèses scientifiques - ils les construisent eux-mêmes et les testent eux-mêmes. Les scientifiques utilisent cette propriété pour déterminer la probabilité d'un scénario. Cela économise considérablement du temps et de la puissance de calcul, ce qui est beaucoup plus nécessaire, par exemple, dans la simulation informatique. Les scientifiques ont fourni à Adam des souches de levure de boulanger avec divers gènes désactivés. Le robot lui-même a cultivé des cultures de ces souches mutantes et a surveillé leur développement sans certaines enzymes, dont les gènes désactivés sont responsables. Le cerveau artificiel a appris des premières expériences et en a ensuite planifié de nouvelles plus efficacement. Le robot pouvait mener un millier d'expériences par jour. En conséquence, il a avancé deux douzaines d'hypothèses sur les gènes codant pour 13 enzymes. Les scientifiques ont ensuite effectué des expériences manuelles et confirmé les suppositions d'Adam pour 12 gènes. Près d'une décennie plus tard, King et ses collègues ont développé un autre robot scientifique, Eve. Elle trie divers composés et recherche ceux qui sont prometteurs en tant que médicaments. La machine est capable d'examiner dix mille substances par jour. La première découverte de "Eva" était un composé chimique aux propriétés anticancéreuses, qui était également efficace contre l'agent causal du paludisme. Pour le criblage, "Eva" utilise des systèmes intelligents à base de levure génétiquement modifiée. Près d'une décennie plus tard, King et ses collègues ont développé un autre robot scientifique, Eve. Elle trie divers composés et recherche ceux qui sont prometteurs en tant que médicaments. La machine est capable d'examiner dix mille substances par jour. La première découverte de "Eva" était un composé chimique aux propriétés anticancéreuses, qui était également efficace contre l'agent causal du paludisme. Pour le criblage, "Eva" utilise des systèmes intelligents à base de levure génétiquement modifiée. Près d'une décennie plus tard, King et ses collègues ont développé un autre robot scientifique, Eve. Elle trie divers composés et recherche ceux qui sont prometteurs en tant que médicaments. La machine est capable d'examiner dix mille substances par jour. La première découverte de "Eva" était un composé chimique aux propriétés anticancéreuses, qui était également efficace contre l'agent causal du paludisme. Pour le criblage, "Eva" utilise des systèmes intelligents à base de levure génétiquement modifiée. Pour le criblage, "Eva" utilise des systèmes intelligents à base de levure génétiquement modifiée. Pour le criblage, "Eva" utilise des systèmes intelligents à base de levure génétiquement modifiée.
Marqueurs de longévité et de tabagisme
L'année dernière, des scientifiques de plusieurs pays, dont la Russie, représentés par le personnel de l'Université ITMO (Saint-Pétersbourg), ont publié un article sur la façon de déterminer l'âge d'une personne à l'aide d'un test sanguin biochimique. Pour ce faire, ils ont formé le réseau neuronal, puis lui ont donné des échantillons de plus de 120 000 tests sanguins de patients du Canada, de Corée du Sud et d'Europe de l'Est pour la recherche. Le programme ne connaissait que la nationalité, le sexe et deux douzaines de paramètres biochimiques du sang. C'était suffisant pour établir l'âge de chaque patient avec une bonne précision. En janvier de cette année, la même équipe de scientifiques a présenté de nouveaux résultats: l'intelligence artificielle qu'ils ont formée a pu calculer, à partir des paramètres biochimiques du sang, si une personne fume ou non. Les scientifiques ont mis à la disposition du réseau neuronal une base de données de près de 150 000 tests sanguins de patients de la province d'Alberta (Canada), qui étaient auparavant rendus anonymes. Le programme ne connaissait que le sexe des gens. Le réseau neuronal a réussi à faire face à la tâche et a appris à isoler les fumeurs. De plus, elle a trouvé des signes indiquant le vrai, c'est-à-dire l'âge biologique de la personne, et non chronologique (selon le passeport). Il s'est avéré que les fumeuses vieillissaient biologiquement deux fois plus vite que les non-fumeurs et les hommes - une fois et demie. Il s'est avéré que les fumeuses vieillissaient biologiquement deux fois plus vite que les non-fumeurs et les hommes - une fois et demie. Il s'est avéré que les fumeuses vieillissaient biologiquement deux fois plus vite que les non-fumeurs et les hommes - une fois et demie.
Réseau neuronal anticancéreux
Vidéo promotionelle:
Des scientifiques de Stanford (États-Unis) ont utilisé la capacité des réseaux de neurones à analyser des images, qui sont essentiellement un ensemble de données numériques. Ils ont formé le programme photo pour faire la distinction entre le carcinome et le mélanome, des excroissances malignes qui indiquent un cancer.
Le programme a examiné près de 130 000 images de diverses formations sur la peau, qui étaient marquées par le type de maladie ou comme des grains de beauté ordinaires, des kératomes et des motifs déduits. Les résultats ont été vérifiés par deux douzaines de dermatologues: ils se sont avérés assez précis. Désormais, pour effectuer un diagnostic initial, il suffit d'envoyer une photo d'une tumeur cutanée depuis un smartphone au médecin. Et puis - en fonction de la réponse - décidez s'il faut faire une biopsie afin d'établir avec précision un diagnostic. L'intelligence artificielle est également utilisée au Centre OncoTarget d'oncologie personnalisée de l'Université de Sechenov (Moscou). Là, ils créent un modèle numérique du patient - il s'agit d'informations complètes sur sa maladie, les caractéristiques génétiques de la tumeur. Les scientifiques espèrent que le réseau neuronal, analysant les tableaux de données, optimisera le traitement de chaque patient.
À la recherche des mystères de l'univers
L'intelligence artificielle ouvre de grandes perspectives aux astronomes, qui s'étouffent littéralement sur l'abondance de données obtenues à la suite d'observations. De nombreuses missions spatiales, des télescopes en orbite et au sol en ont généré beaucoup plus que les humains ne pourront bientôt en traiter. Kevin Schawinski de l'Institut de physique des particules et d'astrophysique de l'École technique supérieure suisse de Zurich pense que les réseaux de neurones vont révolutionner l'astronomie. Lui et ses collègues ont testé l'intelligence artificielle en analysant les données sur le taux de formation des étoiles binaires pour comprendre pourquoi il diminue dans les galaxies lorsque les conditions externes changent. Les astronomes ont formé le réseau neuronal à l'aide d'un tableau d'images de galaxies. De la même manière que le programme peut décrire ce que sera le visage d'une personne dans la vieillesse,il peut également changer l'apparence d'une galaxie lorsqu'elle entre dans un groupe ou un amas. Les résultats du travail sur le réseau neuronal ont coïncidé avec les observations. En 2017, un réseau de neurones auto-apprenant créé par Google a aidé la NASA à découvrir une nouvelle exoplanète. L'analyse des données du télescope en orbite Kepler a révélé une planète rocheuse tout juste trente pour cent plus grande que la Terre, en orbite autour de l'étoile Kepler-90 dans la constellation Draco. Cependant, la planète était trop proche de l'étoile pour la vie. Auparavant, le réseau neuronal a déjà trouvé la sixième planète du système stellaire Kepler-80. Tout cela est le résultat du traitement de signaux lumineux faibles que seul un programme informatique peut capter.a aidé la NASA à découvrir une nouvelle exoplanète. L'analyse des données du télescope en orbite Kepler a révélé une planète rocheuse tout juste trente pour cent plus grande que la Terre, en orbite autour de l'étoile Kepler-90 dans la constellation Draco. Cependant, la planète était trop proche de l'étoile pour la vie. Auparavant, le réseau neuronal a déjà trouvé la sixième planète du système stellaire Kepler-80. Tout cela est le résultat du traitement de signaux lumineux faibles que seul un programme informatique peut capter.a aidé la NASA à découvrir une nouvelle exoplanète. L'analyse des données du télescope en orbite Kepler a révélé une planète rocheuse tout juste trente pour cent plus grande que la Terre, en orbite autour de l'étoile Kepler-90 dans la constellation Draco. Cependant, la planète était trop proche de l'étoile pour la vie. Auparavant, le réseau neuronal a déjà trouvé la sixième planète du système stellaire Kepler-80. Tout cela est le résultat du traitement de signaux lumineux faibles que seul un programme informatique peut capter. Auparavant, le réseau neuronal a déjà trouvé la sixième planète du système stellaire Kepler-80. Tout cela est le résultat du traitement de signaux lumineux faibles que seul un programme informatique peut capter. Auparavant, le réseau neuronal a déjà trouvé la sixième planète du système stellaire Kepler-80. Tout cela est le résultat du traitement de signaux lumineux faibles que seul un programme informatique peut capter.
Tatiana Pichugina
