Sztuczna inteligencja u progu wielkiej rewolucji w medycynie i naukach biologicznych
By
KopalniaWiedzy.pl, in Technologia
-
Similar Content
-
By KopalniaWiedzy.pl
Firma DeepMind, której system sztucznej inteligencji zdobył rozgłos pokonując mistrza Go, a niedawno zapowiedział rewolucję na polu nauk biologicznych, poszła o krok dalej. Stworzyła system MuZero, który uczy się zasad gry od podstaw, bez żadnych informacji wstępnych. Celem DeepMind jest spowodowanie, by MuZero uczył się tak, jak robi to dziecko, metodą prób i błędów.
MuZero rozpoczyna naukę reguł gry od spróbowania jakiegoś działania. Później próbuje czegoś innego. Jednocześnie sprawdza, czy jego działanie jest dozwolone i jaki jest jego skutek. Do dalszej pracy wybiera te z działań, które przynoszą najlepszy rezultat. W szachach będzie to doprowadzenie do szach-mata, w Pac-Manie zaś połknięcie kropki. Następnie algorytm tak zmienia swoje działania by pożądane rezultaty osiągnąć najniższym kosztem. Taki sposób nauki, poprzez obserwację, jest idealną metodą w przypadku SI. Chcemy bowiem zadać sztucznej inteligencji pytania i poprosić o rozwiązywanie problemów, których nie można łatwo zdefiniować. Ponadto w świecie rzeczywistym, gdzie nie obowiązują stałe i jasne reguły gry, SI co chwila będzie napotykała na przeszkody, z którymi musi sobie poradzić.
Obecnie MuZero uczy się kompresji wideo. W przypadku AlphaZero nauczenie się tego zadania byłoby bardzo kosztowne, mówią autorzy algorytmu. Już teraz zastanawiają się nad wdrożeniem MuZero do nauczenia się jazdy samochodem. Myślą też o zaprzęgnięciu algorytmu do projektowania białek. Przypomnijmy, że siostrzany algorytm AlphaFold udowodnił ostatnio, że świetnie sobie radzi z zawijaniem białek. MuZero mógłby zaś projektować białka od podstaw. Dzięki temu, mając do dyspozycji np. szczegółową wiedzę o wirusie czy bakterii, którą białko ma niszczyć, byłby w stanie zaprojektować nowe lekarstwa.
MuZero, dzięki jednoczesnemu uczeniu się reguł gry i udoskonalaniu swoich działań pracuje znacznie bardziej ekonomicznie, niż jego poprzednicy stworzeni przez DeepMind. Radzi sobie świetnie nawet wówczas, gdy twórcy celowo ograniczą jego możliwości. Podczas nauki zasad Pac-Mana, gdy na każdy rozważany ruch MuZero mógł przeprowadzić nie więcej niż 7 symulacji skutków swoich działań – co jest liczbą zdecydowanie zbyt małą, by rozważyć wszystkie opcje – algorytm i tak całkiem dobrze sobie poradził.
Twórcy MuZero mówią, że taki system potrzebuje sporych mocy obliczeniowych, by nauczyć się zasad. Gdy jednak już je pozna, podejmowanie kolejnych decyzji wymaga już tak niewielu obliczeń, że całe działania mogą być przeprowadzone na smartfonie. Jednak nawet nauka nie jest bardzo wymagająca. MuZero nauczył się od podstaw zasad Pac-Mana w ciągu 2-3 tygodni, korzystając przy tym z jednego GPU, mówi Julian Schrittwieser, jeden ze współautorów algorytmu.
Jednym z elementów powodujących, że wymagania MuZero są nieduże w porównaniu z innymi systemami jest fakt, iż algorytm bierze pod uwagę tylko elementy istotne w procesie podejmowania decyzji. Wiedza, że parasol ochroni cię przed deszczem jest bardziej użyteczna, niż umiejętność modelowania ruchu kropel wody w powietrzu, czytamy w oświadczeniu DeepMind.
Celem twórców MuZero jest spowodowanie, by ich system potrafił odrzucić wszystko to, co w danym momencie nie jest potrzebne, by skupił się na kwestiach istotnych. Mówią tutaj o dziecku, które po zaledwie kilkukrotnym doświadczeniu jest w stanie generalizować wiedzę na dany temat i połączyć np. kroplę wody z potężnym wodospadem, widząc powiązanie pomiędzy nimi.
« powrót do artykułu -
By KopalniaWiedzy.pl
Cerebras Systems, twórca niezwykłego olbrzymiego procesora dla sztucznej inteligencji, poinformował, że jest on szybszy niż procesy fizyczne, które symuluje. W symulacji, składającej się z 500 milionów zmiennych CS-1 zmierzył się z superkomputerem Joule, 69. najpotężniejszą maszyną na świecie. I wykonał swoje zadanie 200-krotnie szybciej niż ona.
O powstaniu niezwykłego procesora oraz wyzwaniach inżynieryjnych z nim związanych informowaliśmy na początku bieżącego roku. Wówczas jego twórcy obiecywali, że do końca roku przekonamy się o jego wydajności. I słowa dotrzymali.
CS-1 symulował proces spalania w elektrowniach węglowych. I przeprowadził symulację tego procesu szybciej, niż zachodzi sam proces. Firma Cerebras i jej partnerzy z US National Energy Technology Center (NETL) mówią, że CS-1 jest znacznie szybszy od jakiegokolwiek superkomputera bazującego na tradycyjnych układach CPU czy GPU.
Jak wyjaśnia dyrektor Cerebras, Andrew Feldman, prognozowanie pogody, projektowanie skrzydeł samolotu, przewidywanie rozkładu temperatur w reaktorze jądrowym i wiele innych złożonych problemów jest rozwiązywanych poprzez badanie ruchu cieczy w przestrzeni i czasie. W czasie takiej symulacji dzieli się przestrzeń na sześciany, modeluje ruch cieczy w każdym z sześcianów i określa interakcje pomiędzy sześcianami. W symulacji może być milion lub więcej sześcianów i 500 000 zmiennych.
Przeprowadzenie odpowiednich obliczeń wymaga olbrzymiej mocy, wielu rdzeni, olbrzymiej ilości pamięci umieszczonej jak najbliżej rdzeni obliczeniowych, wydajnych połączeń pomiędzy rdzeniami oraz pomiędzy rdzeniami a układami pamięci. Wymaga też długotrwałego trenowania odpowiednich modeli sieci neuronowych.
Układ CS-1 na pojedynczym kawałku krzemu mieści 400 000 rdzeni, 18 gigabajtów pamięci oraz łącza umożliwiające przesyłanie pomiędzy rdzeniami danych z prędkością 100 Pb/s, a przesył pomiędzy rdzeniami a układami pamięci odbywa się z prędkością 9 PB/s.
Specjaliści z NETL postanowili porównać możliwości superkomputera Joule z możliwościami CS-1. Joule korzysta z 84 000 rdzeni CPU i do pracy potrzebuje 450 KW. Cerebras używa zaledwie 20 KW. Joule przeprowadził odpowiednie obliczenia w ciągu 2,1 milisekundy. CS-1 zajęły one 6 mikrosekund, był więc ponad 200-krotnie szybszy.
Jak mówi Feldman, olbrzymia wydajność CS-1 niesie ze sobą dwa wnioski. Po pierwsze obecnie nie istnieje żaden superkomputer zdolny do pokonania CS-1 w rozwiązywaniu tego typu problemów. Wynika to z faktu, że takie symulacje nie skalują się dobrze. Dokładanie kolejnych rdzeni do współczesnych superkomputerów nie tylko nie pomoże, ale może nawet spowalniać tak wyspecjalizowane obliczenia. Dowiodło tego chociażby porównanie CS-1 i Joule'a. Superkomputer pracował najbardziej wydajnie, gdy używał 16 384 z 84 000 dostępnych rdzeni. Problemy takie wynikają z połączeń pomiędzy rdzeniami i pomiędzy rdzeniami a układami pamięci.
Jeśli chcemy na przykład symulować układ składający się z zestawu 370x370x370 sześcianów to CS-1 mapuje warstwy na sąsiadujące ze sobą rdzenie. Komunikacja między rdzeniami odbywa się błyskawicznie, więc szybko wymieniają one dane dotyczące sąsiadujących sześcianów, a obliczenia dla każdej z warstw są przechowywane w znajdujących się na tym samym krzemie układach pamięci, więc rdzenie również mają do niej bezpośredni dostęp.
Dodatkowo, jako że CS-1 jest w stanie przeprowadzić symulacje procesów fizycznych szybciej niż te procesy się odbywają, może zostać też wykorzystany do kontrolowania pracy złożonych systemów obliczeniowych.
Feldman poinformował, że wśród klientów korzystających z SC-1 są m.in. GlaxoSmithKline, Argonne National Laboratory, Lawrence Livermore National Laboratory, Pittsburgh Supercomputing Centre oraz niewymienione z nazwy firmy i instytucje z branż wojskowej, wywiadowczej oraz przemysłu ciężkiego.
Co więcej Cerebras ma już gotowego następcę CS-1. Został on wykonany w technologii 7nm (CS-1 zbudowano w technologi 16nm), korzysta z 40 GB pamięci (CS-1 z 20 GB) i 850 000 rdzeni (CS-1 ma 400 000 rdzeni).
« powrót do artykułu -
By KopalniaWiedzy.pl
Analizy badań EPIC-Oxford sugerują, że weganie, wegetarianie oraz osoby, które z mięsa jedzą wyłącznie mięso ryb, są bardziej narażeni na złamania kości niż osoby jedzące mięso. Ryzyko takie jest szczególnie widoczne w przypadku wegan, którzy narażeni są na zwiększone prawdopodobieństwo złamania wszelkich kości, w tym kości nóg czy kręgosłupa. Ponadto weganie, wegetarianie i osoby jedzące tylko mięso ryb są szczególnie narażeni na złamania biodra.
We wszystkich wymienionych przypadkach ryzyko złamań było mniejsze, gdy uczestnicy badań mieli większą masę ciała i przyjmowali więcej wapnia oraz białka. To sugeruje, że zwiększone ryzyko złamań w porównaniu z osobami jedzącymi mięso jest spowodowane faktem, iż osoby nie jedzące mięsa są zwykle szczuplejsze, zatem ich kości nie są tak dobrze chronione przez mięśnie i tłuszcz, a poza tym przyjmują mniej białka i wapnia, co negatywnie wpływa na wytrzymałość kości. Nie zauważono także, by osoby nie jedzące mięsa lub jedzące tylko ryby były narażone na większe ryzyko złamań nadgarstka, kostki lub ramienia.
Główna autorka badań, doktor Tammy Tong z Oxford University mówi: To pierwsze tak szeroko zakrojone badania na temat ryzyka złamań u osób stosujących różną dietę. Okryliśmy, że w przypadku wegan ryzyko złamań kości jest wyższe o niemal 20 przypadków na 1000 osób w przeciągu 10 lat w porównaniu z osobami jedzącymi mięso. Najwyższe ryzyko występuje w przypadku złamań biodra. Tutaj jest ono u wegan 2,3 raza wyższe niż u jedzących mięso, co odpowiada 15 dodatkowym przypadkom na 1000 osób na 10 lat.
Badania EPIC-Oxford prowadzone były w latach 1993–2001 na niemal 55 000 brytyjskich kobiet i mężczyzn. Autorzy najnowszych badań śledzili losy tych osób roku 2016. W tym czasie doszło do niemal 4000 złamań kości.
O ile zwiększenie ryzyka dla całej badanej grupy nie jest zbyt wysokie, w końcu to około 20 dodatkowych przypadków na 1000 osób w ciągu 10 lat, to szczególną uwagę należałoby zwrócić na osoby starsze. Wtedy to ryzyko złamań rośnie, a same złamania są bardziej niebezpieczne. Dlatego tego weganie i wegetarianie powinni zwracać szczególną uwagę na zdrowie kości. Jest mało prawdopodobne, by bez przyjmowania suplementów weganie mieli w diecie odpowiednią ilość wapnia, mówi doktor Tong. Uczona zwraca też uwagę, że obecnie sytuacja wegetarian może być lepsza, gdyż w latach 90. producenci mleka rzadziej wzbogacali go wapniem.
Heather Russel, dietetyk z brytyjskiego Vegan Society mówi: Z pewnością możliwe jest zadbanie o kości w dobrze zaplanowanej wegańskiej diecie. Ale ludzie potrzebują informacji, by dokonywać odpowiednich wyborów.
Szczegóły badań opublikowano w BMC Medicine.
« powrót do artykułu -
By KopalniaWiedzy.pl
Pewna szczególnie bolesna i inwazyjna forma endometriozy być może będzie leczona za pomocą terapii epigenetycznej, donoszą naukowcy z Michigan State University. Uczeni skupili się na rodzaju endometriozy, który występuje u kobiet z mutacją genu ARID1A. Gdy dochodzi do tej mutacji ma miejsce gwałtowna aktywizacja tzw. super wzmacniaczy transkrypcji (super enhacers). W wyniku ich działania komórki wyściółki macicy (endometrium) wydostają się poza macicę, powodując olbrzymi ból.
Na łamach Cell Reports opisano badania, podczas których profesor Ron Chandler, doktor Mike Wilson oraz Jake Reske testowali lek, który bierze na cel super wzmacniacze i powstrzymuje rozprzestrzenianie się komórek poza macicę. Taki lek może być znacznie skuteczniejszy niż stosowane obecnie leczenie hormonalne, chirurgiczne czy podawanie środków przeciwbólowych.
Endometrioza, szczególnie jej rodzaj związany z mutacją ARID1A wiąże się m.in. z olbrzymim długotrwały bólem i często prowadzi do niepłodności. Negatywnie wpływa ona na jakość życia kobiety, jej zdolność do podjęcia pracy i posiadania dzieci. Nie jest łatwa w leczeniu i może uodpornić się na terapię hormonalną. Odkryliśmy, że leki biorące na cel super wzmaczniacze transkrypcji mogą być nowym sposobem leczenia tej bardzo inwazyjnej choroby, mówi Chandler.
Badany przez nich lek bierze na cel proteinę P300, hamując działanie super wzmacniaczy i w ten sposób niwelując skutki mutacji ARID1A. Zdaniem Wilsona ten sam lek może znaleźć zastosowanie także w leczeniu innych form endometriozy.
Naukowcy już planują badania innych leków epigenetycznych, które mogą brać za cel P300.
« powrót do artykułu -
By KopalniaWiedzy.pl
Henrique Andrade, student z brazylijskiego Escola Politécnica da Universidade de Pernambuco od wielu lat interesuje się starymi mapami swojego rodzinnego miasta Recife. Zgromadziłem wiele cyfrowych kopii takich map i odkryłem o swoim mieście rzeczy, które nie są powszechnie znane. Ludziom z Recife odebrano dostęp do przeszłości, przez co mają problem ze zrozumieniem, kim są i co mogą zrobić dla swojej przyszłości, mówi Andrade. Student wpadł jednak na bardzo interesujący pomysł.
Młody człowiek namówił profesora Bruno Fernandesa do stworzenia algorytmu maszynowego uczenia się, który przetwarzałby stare mapy na obrazy satelitarne takie, jaki widzimy w serwisie Google Maps. Zdaniem Andrade pomoże to zrozumieć ludziom, jak ich otoczenie zmieniało się z czasem, w tym jaki wpływ społeczny i ekonomiczny miała urbanizacja.
Obaj uczeni wykorzystali istniejące narzędzie do sztucznej inteligencji zwane Pix2pix, które opiera się na dwóch sieciach neuronowych. Pierwsza z nich tworzy obrazy na podstawie danych, które otrzymuje, a druga decyduje, czy obraz jest prawdziwy czy nie. Obie sieci zostały tak wytrenowane, by próbowały nawzajem się oszukać. Ostatecznyme efektem ich pracy są realistycznie wyglądające obrazy.
Andrade i Fernandes opublikowali szczegóły w piśmie IEEE Geoscience and Remote Sensing Letters. Na potrzeby swojej pracy stworzyli „satelitarny” obraz Recife na podstawie mapy z 1808 roku i zestawili go z obecnym obrazem satelitarnym tego samego obszaru. Gdy patrzysz na te obrazy, lepiej pojmujesz, jak zmieniło się miasto w ciągu ostatnich 200 lat. Widać dramatyczne zmiany jego geografii. Zbiorniki wody zostały zasypane odpadami, ludzie usunęli też tereny zielone, mówi Andrade.
Młody uczony dodaje, że dużą zaletą zastosowanej techniki jest fakt, że SI potrzebuje stosunkowo niewiele danych. Jednak muszą być one umieszczone w kontekście historycznym, a rozdzielczość wygenerowanych obrazów jest mniejsza, niż życzyliby sobie naukowcy. Pracujemy nad poprawieniem rozdzielczości i eksperymentujemy z różnymi danymi, zapewnia Andrade.
« powrót do artykułu
-
-
Recently Browsing 0 members
No registered users viewing this page.