|
Может ли искусственный интеллект улучшить науку о жизни
|
|
|
|
Искусственный интеллект (ИИ) может попытаться имитировать человеческий мозг, но ему еще предстоит полностью осознать всю сложность того, что значит быть человеком. Согласно серии статей, опубликованных в журнале Quantitative Biology, хотя он и не может по-настоящему понимать чувства или оригинальное творчество, он может помочь нам лучше понять самих себя — особенно наши физические тела в здоровом и болезненном состоянии. В статьях — различных редакционных статьях, точках зрения и комментариях об ИИ для науки о жизни — оценивается быстрое развитие ИИ и недавнее внимание к Chat GPT, а также то, как исследователи в области медико-биологических наук могут использовать такие инструменты ИИ для улучшения здоровья и понимания людей. «Нет сомнений в том, что машинное обучение и искусственный интеллект произвели новую революцию в науке и технологиях и окажут огромное непредвиденное влияние на повседневную жизнь человека, а также на социальные отношения», — сказал Майкл К. Чжан, Фонд Сесила Х. и Иды. Заслуженный заведующий кафедры системной биологии Грин и профессор биологических наук Техасского университета в Далласе. Он является соредактором журнала Quantitative Biology. «В этом контексте количественная биология может стать отличной платформой для поощрения интеллектуальных дискуссий по этой теме».
|
|
|
|
Чжан сказал, что написал редакционную статью «Диалог между искусственным и естественным интеллектом», чтобы побудить к диалогу между исследователями и студентами. В нем он представил разговор между ИИ и естественным интеллектом (НИ), в котором они обсуждали свои фундаментальные цели и конечное использование. По мнению NI, объективной целью является выживание населения, в то время как целью ИИ должно быть расширение и максимизация человеческих возможностей: ИИ должен дополнять человеческий мозг. Позиция ИИ в конечном итоге сводится к идее, что все дисциплины требуют творчества, и ИИ «более чем счастлив работать на науку… особенно в области генерации больших и продольных данных для машинного обучения». Сюэгун Чжан, профессор автоматизации в Университете Цинхуа и исполнительный главный редактор журнала Quantitative Biology, возглавил перспективное исследование «Создание цифровых систем жизни для будущей биологии и медицины», посвященное реализации потенциала ИИ для творческого расширения человеческих знаний. Команда предложила концепцию и структуру Digital Life Systems (dLife) как новую парадигму для комплексной интеграции искусственного интеллекта как средства цифрового расследования.
|
|
|
Идея состоит в том, что, включив полученную информацию в системное моделирование, dLife может создать цифровые двойники полных систем, включая отдельные человеческие тела, и быстрее и точнее предоставлять знания о потенциальных преимуществах или побочных эффектах лечения. «Главным шагом на пути к ИИ-медицине является достижение количественного понимания сложных биологических явлений и лежащих в их основе законов и создание их математических и/или вычислительных моделей на основе постоянно растущих биологических/медицинских данных и знаний», — сказал Сюэгун Чжан. «Такие модели должны отражать реальную жизнь, будучи способными воспроизводить или моделировать основные биологические процессы и механизмы в цифровом пространстве». Он отметил, что dLife амбициозна и для ее достижения потребуются значительные совместные исследования в различных дисциплинах, начиная с разработки базовой информационной среды, которая будет служить операционной системой dLife.
|
|
|
|
Такая работа во многом зависит от способности исследователей продолжать разработку более мощного ИИ, одновременно используя уже имеющийся ИИ в своей работе. Ганцин Ху, доцент кафедры микробиологии, иммунологии и клеточной биологии в Университете Западной Вирджинии, и его команда разработали концепцию «Расширение возможностей новичков в биоинформатике с помощью ChatGPT», позволяющую ранним ученым понять, как это сделать. Исследователи предложили модель OPTIMAL, которая означает оптимизацию подсказок посредством итеративного наставничества и оценки с помощью чат-бота LLM (большая языковая модель). OPTIMAL — это итеративная модель, которая помогает новичкам точно настроить инструкции для использования ChatGPT при создании кода для анализа биоинформатических данных. Они продемонстрировали осуществимость модели, протестировав ее в трех тематических исследованиях, в которых студенты выступали в качестве наставников, помогая чат-боту анализировать данные, а также обучались навыкам кодирования с помощью чат-бота.
|
|
|
|
«Хотя концепция обучения с помощью ChatGPT относительно нова, наши тематические исследования из различных дисциплин продемонстрировали потенциал ChatGPT для улучшения навыков программирования учащихся и критического творческого мышления», — сказал Ху. «Подобные преимущества практики биоинформатики с помощью чат-бота, вероятно, распространятся не только на классную работу, но и на всю жизнь, особенно для новичков». Донг Сюй, заслуженный профессор кураторов и профессор Пола К. и Дайэнн Шумейкер из Университета Миссури, поддержал OPTIMAL и другие потенциальные применения ChatGPT в развитии науки в своем комментарии: «ChatGPT открывает новые двери для биоинформатики». «Модель OPTIMAL стала пионером в анализе биоинформатических данных и обучении с помощью чат-ботов, используя серию итеративных шагов для улучшения результатов обучения учащихся», — сказал Сюй. «Стратегия, вероятно, может выйти за рамки классной комнаты и превратиться в опыт обучения на протяжении всей жизни. Как и многие другие области, ChatGPT также получит распространение в биоинформатике, от образования и поиска литературы до анализа данных и разработки методов».
|
|
|
|
Однако ChatGPT — это не конечная цель, по мнению Цзяньфэна Фэна, декана Института науки и технологий интеллектуального интеллекта Фуданьского университета. В своем комментарии «Моделирование всего мозга как альтернативный способ достижения AGI» Фэн утверждал, что способность ChatGPT превосходить людей в определенных задачах неудивительна — ведь простой калькулятор может умножать большие числа быстрее, чем человек. Однако это не пример общего искусственного интеллекта (AGI), теоретического шага за пределами ИИ, который настолько хорошо отражает человеческие способности, что может найти решение для любой незнакомой задачи. «В чем ключевое различие между нашим мозгом и современными компьютерами с механистической точки зрения?» — спросил Фэн. «Простой ответ заключается в том, что наш мозг — это вероятностная машина: он выполняет вычисления в шумном или динамическом фоне. … Чтобы полностью понять динамическую работу нашего мозга, мы должны выйти за рамки наивных статических способов анализа его динамики, таких как функциональная связность. "
|
|
|
|
По словам Фэна, нынешний прогресс в исследованиях искусственного интеллекта «захватывающий и обнадеживающий», и еще многое предстоит сделать, чтобы точно воспроизвести неврологические и психологические процессы человеческого мозга. Фэн возглавляет исследовательскую группу, цель которой — смоделировать весь человеческий мозг с 86 миллиардами нейронов одновременно — масштабная задача в области информатики, математики и биологии. «Я уверен, что моделирование всего человеческого мозга на клеточном уровне дает нам ключ к пониманию сложной пространственно-временной динамики мозга и впоследствии к достижению ОИИ», — сказал Фэн. Согласно этим статьям, интегративный подход человека и ИИ для одновременного развития способностей ИИ и человеческого понимания может стать оптимальным путем для ИИ в науках о жизни.
|
|
|
|
Источник
|
