Как нейросети могут помочь биологу |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2020-09-19 19:17 В последнее время искусственный интеллект (ИИ) находит всё больше применений в нашем мире – заменяют алгоритмы и помогают принимать верные решения. Нейросети и анализ так называемых BigData – два новых понятия в современной науке, в том числе в биологии. Для начала надо эти новые понятия объяснить. Bigdata – это огромные массивы данных, которые невозможно обработать традиционными статистическими методами. В биологии такие как сравнение двух выборок, моделирование взаимосвязей. Представьте – доступна информация о здоровье жителей целой страны, и каждый день, месяц, год поступают новые данные. Это уже не традиционный медицинский эксперимент с опытной и контрольной группой пациентов, а совершенно новый метод работы с данными. При исследовании с использованием bigdata не всегда заранее задана гипотеза, другими словами –не известно, что должно получиться в итоге. При анализе таких данных и дальнейшей трактовке можно обнаружить интересные и полезные закономерности, но и совершить ошибку гораздо проще. Ложные закономерности, не основанные на причинно-следственных связях, люди находили и без всяких массивов больших данных. Например, как-то раз в Соединённых Штатах выяснили, что дети, у которых дома много книг, более успешны в учёбе. Статистически данные выглядели очень многообещающе, и была начата программа по раздаче книг школьникам. Однако образовательный результат не улучшился – просто у школьников штата дома появилось больше непрочитанных книг. Неудача постигла проект потому, что была нарушена причинно-следственная связь: не из-за большого количества книг дома дети были успешны в учёбе, а наоборот, у отличников дома накапливалось много книг. Работая с массивами данных, найти подобную, многообещающую лишь на первый взгляд закономерность, ещё проще. Надо уметь отличать такие статистические совпадения, предполагать причинно-следственные связи, строить возможные пути практического использования этих данных. К анализу данных можно подключать нейросети. Это не реальные колонии живых нейронов, а довольно просто устроенные системы из не очень мощных процессоров. Если обычный процессор в современном компьютере может перебирать огромное количество вариантов за счёт своей вычислительной мощности, то нейросеть работает по своим, непонятным наблюдателю алгоритмам. Главная особенность и преимущество искусственного интеллекта – это способность обучаться. Поэтому перед использованием её нужно потренировать, загружая огромное количество материала, например-фотографий. Если мы хотим научить нейросеть отличать раковые клетки от нормальных, нам нужен массив известных фотографий, где видны заражённые участки. Подобные снимки у нас (биологов) есть – врачи сохраняют их при клинических исследованиях и реальных заболеваниях. В результате, новых пациентов может диагностировать не консилиум врачей, а специально обученная нейросеть, которая обучена на огромном количестве фотографий. Один врач физически не может посмотреть столько информации за свою жизнь. Почему я заговорил про рак? Потому что один из типов рака, например, рак молочной железы, можно диагностировать тремя возможными способами: это консилиум врачей, обученная нейросеть и специально тренированный голубь. Это не шутка, голуби в некотором роде умнее людей. Продолжая тему рака молочной железы, для такого теста нужно взять образец железистой ткани, обработать его в специальной жидкости, чтобы потом получить цифровое изображение ткани. Голубей обучают заранее. Их садят в коробку с экраном и выводят на него получившееся изображение. Если голубь клюёт в экран где показана поражённая ткань, он получает еду. Эти пернатые работают даже лучше, чем консилиум профессиональных врачей. К сожалению, область профессиональных компетенций голубей ограничена только несколькими типами рака груди. Нейросеть нужно кормить только электричеством и возможностей её использования намного больше, да и ошибается она реже. Нейронная сеть программируется, чтобы решать три типа задач: сортировать, предсказывать и распознавать объекты и события. Когда-нибудь мы сможем просто перепрограммировать раковую клетку. Мы будем не лечить проблему, а именно «решать» ее как задачу. Сейчас это авантюра, но она активно развивается наряду с более традиционными проектами. В компании Microsoft считают, что рак похож на компьютерный вирус и его можно победить, взломав код. Сотрудники компании используют искусственный интеллект в медицинском проекте по уничтожению раковых клеток. В одном из направлений проекта используются машинное обучение и обработка естественного языка – они необходимы ученым для оценки всего объема ранее собранных данных при подборе плана лечения пациентов. Нейросети помнят всё, а значит точнее определяют проблему. Уже сейчас ИИ может дифференцировать не только рак груди, но и кожи, фиксировать заболевания глаза. Ещё в 2017 году ученые из Стэнфорда во главе с Эндрю Энджи (Andrew Ng) написали нейросеть способную найти по кардиограмме сердца аритмию. По словам, экспертов, технология справлялась лучше экспертов. Наверняка, есть и другие разработки нейросетей, которые помогают медикам и биологам. Вопрос только в том, когда опубликуют новые исследования по этому вопросу. В любом случае союз биологамедика и программиста в скором времени подарит миру ещё больше открытий, которые облягчат нам жизнь. Источник: m.vk.com Комментарии: |
|