Искусственный интеллект в науке

Похожие темы научных работ по математике , автор научной работы — Аширалиева М. А., Мыратлыев Б.

Искусственный интеллект значительно помогает и в решении задач медицины. Так, ученые из Петрозаводского государственного университета с зарубежными коллегами разработали алгоритм на базе ИИ, позволяющий оперативно определить, присутствует ли в организме человека инфекция SARS-CoV-2. Ученые из Турции сравнили 51 биомаркер — признаки, по которым можно оценить состояние организма у людей, больных коронавирусом, и здоровых людей. ИИ выделил из них 11 показателей, которые могут определить с точностью в 100%, инфицирован ли тестируемый коронавирусом. Среди этих маркеров оказались уровень холестерина и переносящих его молекул, а также количество гемоглобина в эритроцитах — красных кровяных тельцах. Примечательно также и то, что сравнение любых двух или трех из 11 показателей позволяет определить заболевшего коронавирусом с точностью до 99,8% и 99,9%. Помимо этого, в России во время борьбы с пандемией COVID-19 впервые в мире была массово применена технология автоматической обработки данных компьютерной томографии (КТ) с помощью ИИ. Это позволило уменьшить время на анализ снимков и постановку диагноза в среднем на 30%.

В 1997 г. алгоритм IBM Deep Blue победил в шахматном состязании чемпиона мира Гарри Каспарова. Это стало одним из исторических событий, подтверждающих состоятельность машин в принятии трудных решений. По меркам истории развития науки прошло совсем немного времени, однако уже сегодня искусственному интеллекту стали поручать все более сложные задачи, относящиеся к совершенно разным областям приложения знаний. «Не преждевременно ли?» — думают многие. Так, еще в прошлом году, по данным ВЦИОМ, 48% россиян не доверяли ИИ, а среди жителей США, Германии, Австралии, Канады, Великобритании этот процент был и того выше —72% опрошенных. В то же время технологии ИИ все больше включаются в нашу повседневную жизнь, становясь универсальным помощником в решении различных задач — от ведения домашнего хозяйства до поиска преступников по данным с камер наблюдения.

Фреймворки, управляемые искусственным интеллектом, ускоряют решение широкого круга важных тем физических исследований. Эти инновации показывают долгосрочное влияние ИИ на научные открытия, начиная от белковых структур и заканчивая моделированием климата, обнаружением гравитационных волн и пониманием Вселенной.

Приведем несколько примеров того, где уже сегодня с успехом применяют ИИ. Начнем с вопросов экологии. Так, в ведении Минприроды России находятся 107 заповедников, 66 национальных парков, 63 заказника. Вести учет животных или обеспечивать поимку браконьеров становится в разы проще при использовании фотоловушек, потому что многие места для людей труднодоступны. Однако для наибольшей точности информации фотоловушки ведут съемку любого движения — от падения ветки до перемещения животных или человека. Просмотр тысяч фотографий потребует от человека очень большого количества времени, но это легко можно решить с помощью программ технического зрения, в основе которых лежат нейронные сети. Такой проект ведут ученые Московского физико-технического института совместно с Минприроды России.

Аннотация: в данной статье рассматриваются особенности применения нейронных сетей в науке и их влияние на процессы изучения научных проблем. Проведен перекрестный и сравнительный анализ влияния выбора направления развития технологий в науке. Даны рекомендации по внедрению разработок в изучение теории нейронных сетей.

«Мы научили искусственный интеллект сначала фильтровать объекты, а затем их классифицировать. Следующая задача — идентификация. Это более сложный уровень, так как не все виды животных имеют сильные индивидуальные отличия. Например, для ИИ достаточно сложно различить бурых медведей. Намного проще научить различать кошачьих: у каждой особи свой неповторимый рисунок, который нейросеть „запоминает“. В итоге мы фотофиксируем жизнедеятельность каждой особи, не нарушая ее жизненный ареал. Для обучения ИИ необходима большая база данных, и такую базу для кошачьих мы уже получили от заповедника „Земля леопарда“. Скоро мы определим каждого тигра и леопарда на данной территории», — рассказал А. В. Леус, доцент кафедры радиоэлектроники и прикладной информатики ФРКТ МФТИ.

ARTIFICIAL INTELLIGENCE IN MODERN SCIENCE

По мере роста значения ИИ в науке понимание разума внутри машины, вероятно, станет как никогда важным. Некоторые новаторы уже используют ИИ для планирования, выполнения и интерпретации экспериментов, что открывает двери для автоматизированной науки. Прилежный стажер может быстро перейти в статус полноценного коллеги.

Сегодня самые интересные медицинские открытия делаются на стыке биологии и информатики с использованием методов, предоставляемых искусственным интеллектом в науке. Несмотря на инициативы по этому поводу, прогресс в интеграции исследований из многих областей биологии был незначительным.

Тем не менее, как считает российский нейробиолог академик К. В. Анохин, справедлива и обратная ситуация, когда ИИ, напротив, превосходит возможности человека. Так, например, он обладает способностью находить причинные связи между далекими друг от друга событиями, но для этого им необходимы миллионы повторений, в то время как в биологических нейронных сетях выработка условных связей способна происходить с одного раза. Человеку также бывает сложно анализировать большие объемы данных, в том числе потому, что человеческая память или свойства нашего внимания не обладают достаточным потенциалом для решения задач сегодняшнего уровня сложности.

Исследователи запускают искусственный интеллект (ИИ), часто в форме искусственных нейронных сетей, в потоки данных в ходе революции, которая охватывает большую часть науки. Такие системы «глубокого обучения» не требуют обучения специалистов-людей, в отличие от предыдущих попыток создания ИИ. Вместо этого они приобретают знания самостоятельно, часто из массивных обучающих наборов данных, пока не смогут распознавать закономерности и выявлять аномалии в наборах данных, которые намного больше и запутаннее, чем те, с которыми могут справиться люди.

В дополнение к революции в науке, ИИ теперь разговаривает с вами по вашему смартфону, ведет себя по дороге и нервирует футуристов, которые опасаются, что это может привести к повсеместной безработице. Перспективы у ученых в целом хорошие, потому что ИИ обещает ускорить исследовательский процесс.

Несмотря на то что создание нейросетей было вдохновлено биологическими нейронами, в некоторых моментах они уступают своим естественным «прототипам». В одной из статей, опубликованной на портале «Научная Россия», мы приводили пример того, как ИИ, не понимая контекста, создавал картину с изображением лосося в реке не в виде живой рыбы, а в виде готового к употреблению продукта. Возможности машинного обучения, как правило, имеют ряд ограничений, и, как отмечал академик А. М. Сергеев на одной из тематических сессий Петербургского международного экономического форума, нельзя доверять искусственному интеллекту, если выводы, сделанные им, мы не можем понять и объяснить с точки зрения логики.

Сегодня искусственный интеллект используется почти во всех отраслях, и инструменты, предоставляемые искусственным интеллектом в науке, не являются исключением. Объем данных, генерируемых многими современными физическими и астрономическими исследованиями, настолько велик, что ни один человек или группа людей не могут за ним угнаться. Некоторые из них ежедневно записывают гигабайты данных, и поток становится все больше.

В данной статье рассматриваются особенности применения нейронных сетей в науке и их влияние на процессы изучения научных проблем. Проведен перекрестный и сравнительный анализ влияния выбора направления развития технологий в науке . Даны рекомендации по внедрению разработок в изучение теории нейронных сетей.