Τρίτη 11 Φεβρουαρίου 2025
weather-icon 21o
Science: Τέσσερις ανακαλύψεις που έγιναν δυνατές χάρη στην Τεχνητή Νοημοσύνη το 2024

Science: Τέσσερις ανακαλύψεις που έγιναν δυνατές χάρη στην Τεχνητή Νοημοσύνη το 2024

Από την κατανόηση μοτίβων της γλώσσας των φαλαινών και το διάβασμα κατεστραμμένων παπύρων, έως μια βάση δεδομένων για πρωτεΐνες ή την ανακάλυψη αρχαιολογικών χώρων, η Τεχνητή Νοημοσύνη δείχνει το μέλλον.

Οι εκατοντάδες εύθραυστοι αρχαίοι πάπυροι, απανθρακωμένοι, θα κατέρρεαν αν κάποιος επιχειρούσε να τους ξεδιπλώσει και κάθε ίχνος γραφής θα ήταν σχεδόν δυσανάγνωστο. Οι πάπυροι του Ερκουλάνουμ (σ.σ. Ηράκλειο!), όπως είναι γνωστοί, παραμένουν ακόμη σε ρολό, αλλά χάρη στο ισχυρό εργαλείο που είναι η τεχνητή νοημοσύνη, το περιεχόμενό τους είναι πλέον προσιτό.

Χρησιμοποιώντας τεχνητή νοημοσύνη και ακτίνες Χ υψηλής ανάλυσης, μια τριάδα ερευνητών αποκωδικοποίησε το 2023 περισσότερους από 2.000 χαρακτήρες από τους τυλιγμένους παπύρους – το αξιοσημείωτο κατόρθωμα αποκάλυψε τα πρώτα πλήρη αποσπάσματα από παπύρους που είχαν επιβιώσει από την έκρηξη του Βεζούβιου το 79 μ.Χ..

Τα αντικείμενα, που ανασύρθηκαν από ένα κτίριο που πιστεύεται ότι ήταν το σπίτι του πεθερού του Ιουλίου Καίσαρα, αποτελούν μια άνευ προηγουμένου κοιτίδα πληροφοριών για την αρχαία Ρώμη και την Ελλάδα.

Οι επιστήμονες πληροφορικής που εγκαινίασαν το Vesuvius Challenge, έναν διαγωνισμό με σκοπό την επιτάχυνση της διαδικασίας αποκρυπτογράφησης, ελπίζουν ότι το 90% των τεσσάρων παπύρων θα είχε ξεκλειδωθεί μέχρι το τέλος του 2024. Η βασική πρόκληση ήταν να «ισιώσουν» ουσιαστικά τα έγγραφα και να διακρίνουν το μαύρο μελάνι από τους απανθρακωμένους παπύρους, ώστε να γίνει αναγνώσιμη η ελληνική και η λατινική γραφή.

Οι τυλισμένοι πάπυροι που είχαν απανθρακωθεί, μπορούν πλέον να διαβαστούν χωρίς να τις αγγίξει ανθρώπινο χέρι, χάρη στον συνδυασμό ακτίνων Χ και Τεχνητής Νοημοσύνης.

Η Τεχνητή Νοημοσύνη κατέστησε δυνατό τον διαχωρισμό των σειρών

«Η τεχνητή νοημοσύνη μας βοηθά να ενισχύσουμε την αναγνωσιμότητα των στοιχείων του μελανιού», δήλωσε ο Μπρεντ Σιλς, καθηγητής πληροφορικής στο Πανεπιστήμιο του Κεντάκι, ο οποίος εργάζεται για την αποκωδικοποίηση των παπύρων για περισσότερο από μια δεκαετία.

«Τα στοιχεία για το μελάνι είναι εκεί. Είναι θαμμένα και καμουφλαρισμένα μέσα σε όλη αυτή την πολυπλοκότητα που η τεχνητή νοημοσύνη αποστάζει και συμπυκνώνει». Ουσιαστικά όπως οι πάπυροι είναι σε ρολό, η Τεχνητή Νοημοσύνη βοηθά να «ισιώσει» ο πάπυρος, ώστε να διακρίνονται οι σειρές.

Το έργο είναι ένα συναρπαστικό παράδειγμα της αυξανόμενης χρησιμότητας της τεχνητής νοημοσύνης, η οποία ενηλικιώθηκε το 2024 με την επιτροπή Νόμπελ να αναγνωρίζει για πρώτη φορά την ανάπτυξη και την εφαρμογή της τεχνητής νοημοσύνης στην επιστήμη.

Το βραβείο φυσικής αναγνώρισε τον Τζον Χόπφιλντ και τον Τζόφρι Χίντον για τις θεμελιώδεις ανακαλύψεις τους στη μηχανική μάθηση, ανοίγοντας το δρόμο για τον τρόπο με τον οποίο χρησιμοποιείται σήμερα η τεχνητή νοημοσύνη.

Μπορεί η Τεχνητή Νοημοσύνη να εκπαιδευτεί με ρατσιστικά στερεότυπα;

Ένας ασαφής και συχνά υπερεκτιμημένος όρος, η τεχνητή νοημοσύνη στοχεύει στη μίμηση των ανθρώπινων γνωστικών λειτουργιών για την επίλυση προβλημάτων και την ολοκλήρωση εργασιών.

Η τεχνητή νοημοσύνη περιλαμβάνει μια σειρά από υπολογιστικές τεχνικές: χρησιμοποιώντας σύνολα δεδομένων για την εκπαίδευση και τη βελτίωση αλγορίθμων μηχανικής μάθησης και δίνοντάς τους τη δυνατότητα να εντοπίζουν μοτίβα και να ενημερώνουν για προβλέψεις.

Ορισμένα εργαλεία τεχνητής νοημοσύνης μπορεί να εγκυμονούν κινδύνους, όπως συστήματα που χρησιμοποιούνται στις προσλήψεις, στην αστυνόμευση και στις αιτήσεις δανείων που αναπαράγουν την προκατάληψη, επειδή μπορεί να εκπαιδευτούν σε ιστορικά δεδομένα που αντανακλούν προκατειλημμένες ιδέες, π.χ. για το φύλο ή τη φυλή, οι οποίες τελικά οδηγούν σε διακρίσεις.

Η τεχνητή νοημοσύνη έχει μεταμορφώσει το τοπίο της επιστημονικής ανακάλυψης, με τον αριθμό των επιστημονικών εργασιών που χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης να αυξάνεται κατακόρυφα από το 2015 και εκείνες που χρησιμοποιούν μεθόδους τεχνητής νοημοσύνης να συγκαταλέγονται μεταξύ των πλέον αναφερόμενων.

Το πρόβλημα του Μαύρου Κουτιού της Τεχνητής Νοημοσύνης

Περισσότεροι από τους μισούς από τους 1.600 επιστήμονες που συμμετείχαν στην έρευνα του Nature ανέμεναν ότι τα εργαλεία Τεχνητής Νοημοσύνης θα είναι «πολύ σημαντικά» ή «απαραίτητα» για την έρευνα.

Ωστόσο, η Βασιλική Εταιρεία του Ηνωμένου Βασιλείου, η παλαιότερη ακαδημία επιστημών στον κόσμο, έχει προειδοποιήσει ότι η «Φύση του Μαύρου Κουτιού» πολλών εργαλείων Τεχνητής Νοημοσύνης, περιορίζει την αναπαραγωγιμότητα της έρευνας που βασίζεται στην ΤΝ.

(σ.σ. Η Θεωρία του Μαύρου Κουτιού για την Τεχνητή Νοημοσύνη, ορίζει πως η τεχνολογία δεν μπορεί να δείξει βήμα-βήμα στον ανθρώπινο ελεγκτή πως έβγαλε ένα αποτέλεσμα, ακόμα και αν είναι σωστός ο υπολογισμός. Ταυτόχρονα μια διαφορετική Τεχνητή Νοημοσύνη μπορεί να μην είναι σε θέση να αναπαράγει το ίδιο αποτέλεσμα.)

Για τον Σιλς, πάντως, πρόκειται για ένα ισχυρό εργαλείο που χρησιμοποιείται με σύνεση και έχει δημιουργήσει δραματικά αποτελέσματα.

Άλλες χρήσεις της Τεχνητής Νοημοσύνης

«Η τεχνητή νοημοσύνη είναι ένας τομέας της επιστήμης των υπολογιστών που έχει σχεδιαστεί για να προσπαθήσει να λύσει προβλήματα με τρόπους που πιστεύαμε ότι μόνο οι άνθρωποι μπορούσαν να λύσουν προβλήματα», δήλωσε ο Σιλς.

«Θεωρώ το είδος της Τεχνητής Νοημοσύνης που χρησιμοποιούμε ως ένα είδος υπερδύναμης που σας κάνει ικανούς να βλέπετε πράγματα στα δεδομένα που με τα ανθρώπινα μάτια δεν θα μπορούσατε να δείτε» υπογράμμισε.

Το Vesuvius Challenge είναι μόνο ένας τρόπος με τον οποίο ο ταχέως εξελισσόμενος τομέας έχει ταρακουνήσει την επιστήμη και έχει αποκαλύψει το απροσδόκητο το 2024.

Η τεχνητή νοημοσύνη προάγει επίσης την κατανόηση των επιστημόνων για το πώς επικοινωνούν τα ζώα στα βάθη των ωκεανών, βοηθά τους αρχαιολόγους να βρουν νέες τοποθεσίες σε απομακρυσμένα και αφιλόξενα εδάφη και επιλύει μερικές από τις μεγαλύτερες προκλήσεις της βιολογίας.

Παρότι οι φάλαινες ζουν σε ομάδες που δημιουργούν δικές τους διαλέκτους, ίσως στο μέλλον να μπορούμε να επικοινωνήσουμε μαζί τους.

«Μιλάω πολύ καλά φαλαινικά» – Η αποκωδικοποίηση ζωικών γλωσσών

Οι ερευνητές γνωρίζουν ότι τα αινιγματικά κλικ που κάνουν οι φάλαινες φυσητήρες ποικίλλουν σε ρυθμό, τόνο και μήκος, αλλά το τι λένε τα ζώα με αυτούς τους ήχους – που παράγονται από όργανα στο βολβοειδές κεφάλι τους – παραμένει μυστήριο για τα ανθρώπινα αυτιά.

Η μηχανική μάθηση, ωστόσο, βοήθησε τους επιστήμονες να αναλύσουν σχεδόν 9.000 καταγεγραμμένες ακολουθίες κλικ, που ονομάζονται codas, οι οποίες αντιπροσωπεύουν τις φωνές περίπου 60 φαλαινών φυσητήρων στην Καραϊβική Θάλασσα. Η εργασία αυτή φιλοδοξεί να καταστήσει δυνατή την επικοινωνία των ανθρώπων με τα πανέξυπνα θηλαστικά.

Οι επιστήμονες εξέτασαν το χρόνο και τη συχνότητα των codas σε μοναχικές εκφωνήσεις φαλαινών, σε χορωδίες και σε ανταλλαγές κλήσης και απάντησης μεταξύ των θαλάσσιων γιγάντων. Όταν οπτικοποιήθηκαν με τεχνητή νοημοσύνη, αναδύθηκαν προηγουμένως αθέατα μοτίβα κωδώνων σε κάτι που οι ερευνητές περιέγραψαν ως κάτι παρόμοιο με τη φωνητική στην ανθρώπινη επικοινωνία.

Τι έχει ανακαλύψει η Τεχνητή Νοημοσύνη και τι περιορισμούς έχει

Συνολικά, το πρόγραμμα εντόπισε 18 τύπους ρυθμού (η ακολουθία των διαστημάτων μεταξύ των κλικ), πέντε τύπους «τέμπο» (η διάρκεια ολόκληρης της coda), τρεις τύπους «ρουμπάτο» (διακυμάνσεις στη διάρκεια) και δύο τύπους στολισμού – ένα «επιπλέον κλικ» που προστίθεται στο τέλος μιας coda σε μια ομάδα μικρότερων κωδικών.

Όλα αυτά τα χαρακτηριστικά θα μπορούσαν να αναμειχθούν και να συνδυαστούν για να σχηματίσουν ένα «τεράστιο ρεπερτόριο» φράσεων, ανέφεραν οι επιστήμονες τον Μάιο. Ωστόσο, η προσέγγιση έχει τους περιορισμούς της. Ενώ η μηχανική μάθηση είναι ικανή στον εντοπισμό μοτίβων, δεν ρίχνει φως στο νόημα.

Ένα επόμενο βήμα, σύμφωνα με τη μελέτη, είναι ο διαδραστικός πειραματισμός με φάλαινες, μαζί με παρατηρήσεις της συμπεριφοράς των φαλαινών, που θα μπορούσε να αποτελέσει σημαντικό μέρος της αποκάλυψης της σύνταξης των ακολουθιών κλικ των φαλαινών.

Η προσέγγιση θα μπορούσε επίσης να εφαρμοστεί στις φωνές άλλων ζώων, δήλωσε η Δρ. Μπρέντα Μακάουαν , καθηγήτρια στην Κτηνιατρική Σχολή του Πανεπιστημίου Davis της Καλιφόρνια, δήλωσε προηγουμένως στο CNN.

Εύρεση νέων αρχαιολογικών χώρων στο Οροπέδιο της Νάζκα – Διπλασιάστηκαν οι διακριτές μορφές

Εν τω μεταξύ, στην ξηρά, η τεχνητή νοημοσύνη επιταχύνει τώρα την αναζήτηση μυστηριωδών γραμμών και συμβόλων που είναι χαραγμένα στο σκονισμένο έδαφος της ερήμου Νάζκα του Περού και που οι αρχαιολόγοι έχουν περάσει σχεδόν έναν αιώνα για να αποκαλύψουν και να τεκμηριώσουν.

Συχνά ορατά μόνο από ψηλά, τα εκτεταμένα εικονογράμματα απεικονίζουν γεωμετρικά σχέδια, ανθρωπόμορφες φιγούρες και ακόμη και μια όρκα που κρατάει μαχαίρι.

Μια ομάδα ερευνητών με επικεφαλής τον Μασάτο Σακάι akai, καθηγητή αρχαιολογίας στο Πανεπιστήμιο Yamagata της Ιαπωνίας, εκπαίδευσε ένα μοντέλο τεχνητής νοημοσύνης ανίχνευσης αντικειμένων με εικόνες υψηλής ανάλυσης των 430 συμβόλων Nazca που είχαν χαρτογραφηθεί μέχρι το 2020. Στην ομάδα συμμετείχαν ερευνητές από το ερευνητικό κέντρο Thomas J. Watson της IBM στο Yorktown Heights της Νέας Υόρκης.

Μεταξύ Σεπτεμβρίου 2022 και Φεβρουαρίου 2023, η ομάδα δοκίμασε την ακρίβεια του μοντέλου της στην έρημο Νάζκα, ερευνώντας τις υποσχόμενες τοποθεσίες με τα πόδια και με τη χρήση drone. Οι ερευνητές «έλεγξαν» τελικά 303 εικονιστικά γεωγλυφικά, διπλασιάζοντας σχεδόν τον γνωστό αριθμό γεωγλυφικών μέσα σε λίγους μήνες.

Η Τεχνητή Νοημοσύνη δεν είναι ακριβής, αλλά προσφέρει πλήρη ανάλυση

Το μοντέλο δεν ήταν καθόλου τέλειο. Πρότεινε 47.000 εντυπωσιακές πιθανές τοποθεσίες από την περιοχή της ερήμου, η οποία καλύπτει 629 τετραγωνικά χιλιόμετρα (243 τετραγωνικά μίλια). Μια ομάδα αρχαιολόγων εξέτασε και κατέταξε αυτές τις προτάσεις, εντοπίζοντας 1.309 υποψήφιες τοποθεσίες με «υψηλό δυναμικό».

Για κάθε 36 προτάσεις που έκανε το μοντέλο τεχνητής νοημοσύνης, οι ερευνητές εντόπισαν «έναν πολλά υποσχόμενο υποψήφιο», σύμφωνα με τη μελέτη.

Παρ’ όλα αυτά, η τεχνητή νοημοσύνη έχει τη δυνατότητα να συμβάλει σε τεράστιο βαθμό στην αρχαιολογία, ιδίως σε απομακρυσμένα και σκληρά εδάφη όπως οι έρημοι, παρόλο που τα μοντέλα δεν είναι ακόμη απολύτως ακριβή, δήλωσε η Αμίνα Τζαμπαντζαντσάν, ερευνήτρια και επιστήμονας δεδομένων στο τμήμα αρχαιολογίας του Ινστιτούτου Γεωανθρωπολογίας Μαξ Πλανκ στην Ιένα της Γερμανίας.

Η Τζαμπαντζαντσάν χρησιμοποιεί ένα μοντέλο τεχνητής νοημοσύνης για τον εντοπισμό ταφικών τύμβων στη Μογγολία με βάση δορυφορικές εικόνες. «Το πρόβλημα είναι ότι οι αρχαιολόγοι δεν γνωρίζουν πώς να δημιουργήσουν ένα μοντέλο μηχανικής μάθησης και οι επιστήμονες δεδομένων, συνήθως, δεν ενδιαφέρονται πραγματικά για την αρχαιολογία, επειδή μπορούν να βρουν πολύ περισσότερα χρήματα αλλού», πρόσθεσε η Τζαμπαντζαντσάν.

Κατανόηση των δομικών στοιχείων που δημιουργούν τη ζωή

Τα μοντέλα τεχνητής νοημοσύνης βοηθούν επίσης τους ερευνητές να κατανοήσουν τη ζωή στη μικρότερη κλίμακα: τις σειρές μορίων που σχηματίζουν τις πρωτεΐνες, τα δομικά στοιχεία της ζωής.

Ενώ οι πρωτεΐνες χτίζονται μόνο από περίπου 20 αμινοξέα, αυτά μπορούν να συνδυαστούν με σχεδόν ατελείωτους τρόπους, αναδιπλώνοντας τους εαυτούς τους σε εξαιρετικά πολύπλοκα μοτίβα στον τρισδιάστατο χώρο.

Οι ουσίες αυτές βοηθούν στο σχηματισμό των κυττάρων των μαλλιών, του δέρματος και των ιστών- διαβάζουν, αντιγράφουν και επιδιορθώνουν το DNA- και βοηθούν στη μεταφορά οξυγόνου στο αίμα.

Για δεκαετίες, η αποκωδικοποίηση αυτών των τρισδιάστατων δομών ήταν μια δύσκολη και χρονοβόρα προσπάθεια που περιελάμβανε τη χρήση σχολαστικών εργαστηριακών πειραμάτων και μιας τεχνικής γνωστής ως κρυσταλλογραφία ακτίνων Χ.

Η πρωτεΐνη των φθοριζουσών μεδουσών, οδήγησε τον Οσάμου Σιμομούρα στο Νόμπελ Χημείας το 2008.

Βάση δεδομένων για τις πρωτεΐνες

Ωστόσο, το 2018 έφτασε στο προσκήνιο ένα εργαλείο βασισμένο στην τεχνητή νοημοσύνη που αλλάζει τα δεδομένα. Η τελευταία επανάληψη της βάσης δεδομένων AlphaFold Protein Structure Database, που αναπτύχθηκε από τους Ντεμίς Χασαμπίς και Τζον Τζάμπερ στο Google DeepMind στο Λονδίνο, προβλέπει τη δομή σχεδόν όλων των 200 εκατομμυρίων γνωστών πρωτεϊνών από τις αλληλουχίες των αμινοξέων.

Εκπαιδευμένη σε όλες τις γνωστές αλληλουχίες αμινοξέων και τις πειραματικά προσδιορισμένες δομές πρωτεϊνών, η βάση δεδομένων λειτουργεί ως «αναζήτηση Google».

Παρέχει πρόσβαση με το πάτημα ενός κουμπιού σε προβλεπόμενα μοντέλα πρωτεϊνών, επιταχύνοντας την πρόοδο στη θεμελιώδη βιολογία και σε άλλους συναφείς τομείς, συμπεριλαμβανομένης της ιατρικής. Το εργαλείο έχει χρησιμοποιηθεί από τουλάχιστον 2 εκατομμύρια ερευνητές σε όλο τον κόσμο.

«Πρόκειται πραγματικά για μια αυτόνομη ανακάλυψη που λύνει ένα παραδοσιακό ιερό δισκοπότηρο στη φυσική χημεία», δήλωσε στο CNN η Άννα Γουέντελ , καθηγήτρια ιατρικής γενετικής στο Karolinska Institutet στη Σουηδία και μέλος της Βασιλικής Σουηδικής Ακαδημίας Επιστημών, αφού οι Χασαμπίς και Τζάμπερ ήταν μεταξύ των τριών νικητών του βραβείου Νόμπελ Χημείας 2024.

Η ιατρική και η βιοϊατρική αναμένονται να γνωρίσουν τεράστια ανάπτυξη χάρη στην Τεχνητή Νοημοσύνη

Το εργαλείο έχει κάποια όρια. Προσπάθειες εφαρμογής του AlphaFold σε πρωτεΐνες με βάση μεταλλαγμένες αλληλουχίες, συμπεριλαμβανομένης μιας που συνδέεται με τον πρώιμο καρκίνο του μαστού, επιβεβαίωσαν ότι το λογισμικό δεν είναι εξοπλισμένο για να προβλέψει τις συνέπειες νέων μεταλλάξεων σε πρωτεΐνες.

Το AlphaFold είναι μόνο το πιο προβεβλημένο από μια σειρά εργαλείων τεχνητής νοημοσύνης που αναπτύσσονται σε βιοϊατρικούς τομείς.

Η μηχανική μάθηση επιταχύνει τις προσπάθειες για τη σύνταξη ενός άτλαντα κάθε τύπου κυττάρου στο ανθρώπινο σώμα και την ανακάλυψη μορίων που γίνονται νέα φάρμακα, συμπεριλαμβανομένου ενός τύπου αντιβιοτικού που μπορεί να λειτουργήσει κατά ενός ιδιαίτερα απειλητικού βακτηρίου ανθεκτικού στα φάρμακα.

Ακολουθήστε το in.gr στο Google News και μάθετε πρώτοι όλες τις ειδήσεις

in.gr | Ταυτότητα

Διαχειριστής - Διευθυντής: Λευτέρης Θ. Χαραλαμπόπουλος

Διευθύντρια Σύνταξης: Αργυρώ Τσατσούλη

Ιδιοκτησία - Δικαιούχος domain name: ALTER EGO MEDIA A.E.

Νόμιμος Εκπρόσωπος: Ιωάννης Βρέντζος

Έδρα - Γραφεία: Λεωφόρος Συγγρού αρ 340, Καλλιθέα, ΤΚ 17673

ΑΦΜ: 800745939, ΔΟΥ: ΦΑΕ ΠΕΙΡΑΙΑ

Ηλεκτρονική διεύθυνση Επικοινωνίας: in@alteregomedia.org, Τηλ. Επικοινωνίας: 2107547007

ΜΗΤ Αριθμός Πιστοποίησης Μ.Η.Τ.232442

Τρίτη 11 Φεβρουαρίου 2025
Απόρρητο