Įrodyta, kad AI sėkmingai prognozuoja DNR pokyčius

AI dabar yra DNR struktūrinės analizės priešakyje dėl naujų genomikos tyrimų iš Stanfordo universiteto Kalifornijoje. Popierius, paskelbta m Gamtos genetika atskleidžia tai gilaus mokymosi AI dabar gali suprasti ir numatyti DNR struktūrų pokyčius.

Įrodyta, kad AI sėkmingai prognozuoja DNR pokyčius

Žiūrėti susijusius 

IBM Watson AI parašė scenarijų naujausiam „Lexus“ automobilio skelbimui
„Facebook“, „Twitter“ ir „Google“ susivienija, kad sudarytų dirbtinio intelekto pagrindu veikiančią kovos su narkotikais koaliciją
Netrukus galėtume auginti kompiuterius, pagamintus iš DNR

Šie atradimai rodo, kad DNR struktūrų AI analizė dabar pranoksta žmogaus galimybes dėl savo greičio ir tikslumo. Tai taip pat reiškia, kad genomika greičiausiai bus kita tyrimų sritis, kuriai bus naudinga dirbtinio intelekto raida.

SKAITYTI KITAS: AI drebina žemės drebėjimų tyrimus

Prieš pradedant dirbtinio intelekto pagreitintą analizę, mokslininkai rėmėsi laboratoriniais tyrimais, kad atliktų besikeičiančių DNR struktūrų analizę. Tai brangu ir atima daug laiko, nes DNR sekos vienu metu dažnai keičiasi ne vienu, o keliais. Kita vertus, naudojant AI suteikiama galimybė daug greičiau analizuoti DNR.

Tyrėjai išmokė dirbtinį intelektą atpažinti tam tikrų DNR struktūrų pokyčių pasekmes, kad galėtų geriau suprasti. Galutinis rezultatas buvo toks, kad AI galėjo automatiškai generuoti naujas DNR sekas su specifinėmis pageidaujamomis savybėmis. Pavyzdžiui, jis gali užprogramuoti, kaip DNR struktūra gali reaguoti į tam tikrą vaistą arba kaip augalų pasėliai gali reaguoti į savo genomo pokyčius.

AI gebėjimo suprasti DNR struktūras sėkmė leidžia mokslininkams lengvai ir efektyviai atlikti diagnostiką, išbandyti vakcinaciją ir peržiūrėti pasėlių augimą. Mikaelis Hussas, duomenų mokslininkas, priklausantis tyrimų komandai, pokyčius apibūdina kaip „žaidimą keičiančius“.

SKAITYTI KITAS: Kas yra AI?

Remdamasi šia sėkme, komanda pradėjo internetinę mokymo programą, skirtą dirbtinio intelekto ekspertams ir genomikos tyrinėtojams. Mokomojoje programoje pateikiamas „lengvai naudojamas“ vadovas, paaiškinantis, kaip panaudoti AI galią būtent genomikos tyrimams. Tai protingas žingsnis, nes jis gali padėti atskiriems tyrėjams atlikti savo tyrimus, o taip pat pagerinti jų AI. Tai yra abipusiai naudinga situacija, jei manęs klausiate.