19.07.2018
PL EN
19.04.2018 aktualizacja 19.04.2018
Marek Matacz
Marek Matacz

Algorytm-specjalista

Fot. Fotolia Fot. Fotolia

Naukowe badania, medyczne diagnozy, inżynieryjne rozwiązania – wszystko to staje się dostępne dla sztucznej inteligencji, która działa szybko, precyzyjnie i wpada na pomysły, których nie widzą nawet ludzie.

Przy połączeniu dwóch lub trzech metali powstanie zwykle stop z atomami ułożonymi jak w typowym metalu. Jednak czasami - tłumaczą badacze z Northwestern University - powstaje struktura zwana metalicznym szkłem. Nieuporządkowane ułożenie atomów w takim materiale nadaje mu szczególne właściwości, np. wysoką wytrzymałość. Niestety, mimo kilku dekad badań nad takimi materiałami udało się ich wytworzyć niewiele.

Jednak wkrótce może się to zmienić dzięki nowemu podejściu, opracowanemu przez zespół z Northwestern University, SLAC National Accelerator Laboratory i National Institute of Standards and Technology.

Sercem nowej metody jest połączenie pracy sztucznej inteligencji z eksperymentami. Jej autorom pozwoliło to już na znalezienie trzech nowych typów metalicznego szkła i aż dwustukrotne skrócenie czasu badań nad nimi. "Można zacząć tylko od listy pożądanych właściwości materiału i - wykorzystując AI - szybko zawęzić ogromną pulę potencjalnych możliwości do kilku obiecujących kandydatów" - tak o nowej technice opowiada prof. Jerome B. Cohen z Northwestern University. Naukowcy wyjaśniają, że w ciągu połowy wieku udało się przetestować zaledwie ok. 6 tysięcy spośród milionów możliwych kombinacji składników. "My jesteśmy w stanie stworzyć i sprawdzić 20 tysięcy rocznie" - twierdzi Apurva Mehta, jeden z autorów pomysłu.

Twórcy metody zaczęli od potężnej ilości danych (zdobytych w ciągu 50 lat badań), na temat różnych materiałów, które wprowadzili do systemu sztucznej inteligencji. Kierując się dostarczonymi przez nią wynikami wykonali następnie rzeczywiste eksperymenty. Uzyskane rezultaty ponownie podali komputerowi. W ten sposób przeprowadzili trzy rundy analizy komputerowej i badań laboratoryjnych. W ostatnim secie proporcja zakończonych sukcesem prób wzrosła z 1 na 300-400 do 1 na 2-3.

Badacze zaznaczają przy tym, że pozostaje jeszcze wiele miejsca na ulepszenia i przyspieszenie opracowanej przez nich procedury. Ich zdaniem możliwe jest nawet wyeliminowanie z niej człowieka. To samo podejście może być jednocześnie wykorzystane w innych dziedzinach, np. w poszukiwaniu nowych katalizatorów. Sztuczna inteligencja ma bowiem sobie poradzić nawet z badaniami w obszarach, gdzie brakuje jasnej teorii, na której mogliby oprzeć się naukowcy. "AI zmieni krajobraz badań nad materiałami, a to dopiero pierwszy krok" - mówi dr Jason Hattrick-Simpers, współautor publikacji, która ukazała się w piśmie "Science Advances".

O tym, że "cyfrowe mózgi" mają szansę zastąpić prowadzących eksperymenty naukowców - przekonał się niedawno zespół z Australian National University. W instytucie tym powstał system, który nauczył się sterować skomplikowanym doświadczeniem z ultra-zimnym gazem - tzw. kondensatem Bosego-Einsteina. Materia w tym stanie jest ekstremalnie wrażliwa na zakłócenia np. wywołane przez pole magnetyczne czy grawitację. Dlatego, jak tłumaczą australijscy badacze, mogłaby być wykorzystana np. w nawigacji czy poszukiwaniu minerałów. Komputerowe sieci neuronowe nauczyły się tymczasem każdego ranka wprowadzać do laboratoryjnego systemu z kondensatem takie modyfikacje parametrów, aby skompensować zmiany, jakie zaszły w układzie w ciągu nocy. "Program robił takie rzeczy, na jakie nie wpadłby człowiek - np. zwiększał i zmniejszał siłę jednego lasera i odpowiednio zmieniał siłę innego. Może więc wymyślać skomplikowane metody, o których nie pomyśleliby ludzie, aby utrzymać eksperyment w jak najniższej temperaturze i zapewnić precyzyjne pomiary" - opowiada jeden z autorów doświadczenia dr Paul Wigley.

Co więcej algorytmy nauczyły się swojego zadania zadziwiająco wręcz sprawnie. "Nie spodziewałem się, że maszyna może w ciągu godziny, od zera nauczyć się samodzielnie prowadzić eksperyment" - dodaje dr Wigley. Według badaczy stworzona technologia może przynieść praktyczne korzyści. Dzięki niej możliwe byłoby np. skonstruowanie przenośnego urządzenia do precyzyjnego pomiaru grawitacji, które będzie odpowiednio kalibrowane przez sztuczną inteligencję, zamiast przez fizyków.

Podobnie jak inżynierów i naukowców, sztuczne sieci neuronów mogą w niedalekiej przyszłości wyręczać także lekarzy. Możliwości AI w medycynie doskonale ilustruje eksperyment opisany niedawno na łamach "Cell", w którym cyfrowe algorytmy diagnozowały choroby siatkówki. System stworzony w University of California San Diego nie tylko potrafił wykryć dwa z najczęstszych schorzeń prowadzących do ślepoty, ale dodatkowo oceniał stopień zaawansowania problemu i zalecał dalsze postępowanie. "Zwyrodnienie plamki żółtej i cukrzycowy obrzęk plamki to dwie najczęstsze przyczyny nieodwracalnej ślepoty, ale obie dobrze poddają się leczeniu przy wczesnej diagnozie" - mówi główny autor publikacji prof. Kang Zhang. "Decyzje o tym, jak i kiedy leczyć pacjentów, podejmowane są przez niewielką grupę specjalistów, którzy potrzebowali lat treningu i pracują głównie w miastach. Natomiast AI może być wykorzystana w każdym miejscu na świecie, na przykład w rejonach wiejskich" - dodaje specjalista.

Komputer przeszedł szkolenie w postaci analizy 200 tys. tomograficznych zdjęć siatkówek. W ramach egzaminu zmierzył się natomiast z zespołem pięciu fachowców. "Po prostym treningu maszyna radziła sobie równie sprawnie, jak dobrze wyszkolony oftalmolog. W czasie 30 sekund, z dokładnością 95 proc. podejmowała decyzję o tym, czy pacjent powinien zostać skierowany na dalsze leczenie" - mówi prof. Zhang. Twórcy systemu przetestowali go także w diagnostyce zapalenia płuc u dzieci. Na podstawie zdjęć rentgenowskich program w 90 proc. przypadków prawidłowo rozróżnił chorobę wirusową od wywołanej przez bakterie. Te dwa schorzenia leczy się tymczasem zupełnie inaczej. W podobny sposób neuronowa sieć może - zdaniem jej konstruktorów - rozpoznawać inne schorzenia, np. nowotwory.

"Przyszłość leży w dostępie do coraz większej ilości danych, rosnącej mocy obliczeniowej komputerów i coraz większego doświadczenia ludzi, którzy z nimi pracują. Dzięki temu będziemy mogli zapewnić pacjentom najlepszą opiekę przy zachowaniu niskich kosztów" - twierdzi prof. Zhang. Zatem, według niego pozostanie jeszcze miejsce dla ludzi. A może stanie się tak, że systemy sztucznej inteligencji również będą projektowane i obsługiwane przez maszyny.

Marek Matacz

Copyright © Fundacja PAP 2018