اخبار روز فناوری روز
پیتر کو (Peter Koo) دانشمند محاسبات و استادیار آزمایشگاه کلد اسپرینگ هاربر (Cold Spring Harbor) در ایالات متحده آمریکا می‌خواست بفهمد چگونه پاسخ‌های مصنوعی خود را با دقت تولید می‌کند. اگر به جای آن را بداند و بپذیرد که خروجی مصنوعی، درست یا دقیق تولید کند، می‌خواهم بفهمم که چگونه می‌توان از هوش مصنوعی پاسخ‌های خود را ایجاد کرد.
این فرآیند به پژوهشگران اجازه می‌دهد تا الگوریتم‌های مختلف را بدون استفاده از روش‌های ارزیابی‌کننده انتخاب کنید.
انتهای پیام
درک پیش بینی توسط هوش مصنوعی
بهترین استفاده از الگوریتم‌های هوش مصنوعی در آینده
زیکی تانگ (Ziqi Tang) از اعضای گروه پژوهشی می‌گوید: هوش مصنوعی همین الگوریتم‌های قدرتمندی است که برای پرسش‌ها را حل می‌کنند. یکی از مشکلات مهم آنها این است که ما نمی‌دانیم آنها چگونه به این پاسخ‌ها رسیده‌اند.
پژوهشگران امیدوارند که روزی هوش مصنوعی با خواندن کدهای ژنوم انسان، بیماری‌ها را پیش بینی کند و به منظور خواندن ژنوم انسان و درک آن، گوفر می‌تواند الگوریتم استفاده از هوش را برای ایجاد پیش‌بینی ارزیابی کند.
ژنوم انسان در مجموع شامل کدهای میلیاردی است که در هر فرد میلیون‌ها تنوع دارد. انسان قادر نیست به سرعت تمام کدهای دیانای را غربال، اما سیستم‌های مصنوعی این کار را دارند. هوش مصنوعی همچنین می‌تواند فاکتورهای احتمالی را که ممکن است انسان هنگام بررسی ژنوم از دست دادن، شناسایی کند.
نتایج این پژوهش به تازگی در مجله Nature Machine Intelligence منتشر شده است.
به گزارش ایسنا و به نقل از آی‌ای، هوش مصنوعی (AI) ابزاری نوآورانه است که می‌توان آن را برای پیش‌بینی و حل مشکلات به شکل سریع و با دقت آموزش داد. با این حال، استدلال پشت خروجی ارسال شده پس از دریافت نرم افزار هوش مصنوعی از مجموعه داده ها هنوز به روشنی درک نشده است.
مجموعه ژنوم انسان از دی‌ان‌ای‌ها (DNA) است که در هر سلول می‌شود و هر دیانای حاوی ۲۳ جفت کروموزوم در سلول‌های هسته‌ای است، همراه با کروموزوم‌های کوچک در سلول میتوکند.
کو و گروه پژوهشی وی، یک روش ماشین محاسباتی جدید به نام GenOmic Profile-model compreHensive EvaluatorR که با نام گوفر (GPHER) نیز شناخته می‌شود، ایجاد شد. این یک روش جدید است که به پژوهشگران امکان می‌دهد بهترین برنامه هوش مصنوعی را برای تجزیه و تحلیل و تحلیل ژنوم تعیین کننده انسان ارائه کند.
برنامه‌های هوش مصنوعی بر اساس چهار ارزیابی ارزیابی می‌شوند که می‌توانند از این که نرم‌افزار هوش مصنوعی چقدر زیست‌شناسی ژنوم انسان را یاد می‌گیرد، هوش مصنوعی تا چه حد الگوها و ویژگی‌های مهم را پیش‌بینی می‌کند، چقدر مدیریت نویز پس زمینه دارد و میزان قابل تفسیر بودن. تصمیمات آن چقدر است.
استفاده از سیستم های جدید برای درک پیش بینی های مصنوعی در مورد ژنوم انسان
پژوهشگران بر این باورند که گوفر، بهینه‌سازی الگوریتم‌های هوش مصنوعی می‌کند تا مردم اعتماد کنند که چیزهای واقعی و نیاز را از خروجی هوش مصنوعی یاد می‌گیرند.
این سیستم جدید به این سوال پاسخ می‌دهد که چگونه هوش مصنوعی پیش‌بینی‌های خاص ایجاد می‌کند.
همچنین برای تعیین این که کدام الگوریتم جدید -شکلی از ماشین‌های ماشینی که به هوش مصنوعی می‌گوید چگونه یاد می‌کند، می‌کند، چرا که هوش مصنوعی، محاسباتی فراتر از ایجاد انسان می‌کند، مشکلی ندارد.
معیارهای GOPER برای تجزیه و تحلیل و تحلیل الگوریتم‌ها
روش “گوفر” کمک کرد تا پژوهشگران، الگوریتم‌های مصنوعی را کشف کنند و بفهمند که چگونه پاسخ‌های مصنوعی را می‌توان اعتماد کرد و دقیق را تولید کرد. این ملزومات اصلی را برای ایجاد کارآمدترین الگوریتم‌های هوش مصنوعی می‌کند.
کو و گروهش، روشی برای یافتن الگوها در پاسخ‌ها و پیش‌بینی‌های جامع ایجاد شده توسط هوش مصنوعی ایجاد شده است. پژوهش‌ها اجازه دادند تا پژوهشگران بفهمند کدام الگوریتم‌های مصنوعی برای ایجاد پیش‌بینی در مطالعه ژنوم انسان بهتر عمل می‌کنند.
شوشان تونیان، یکی دیگر از اعضای گروه پژوهش می‌گوید: اگر الگوریتم انتخاب اشتباهی پیش بینی کند، مفید نخواهد بود.
یک روش جدید
وی می‌گوید: اگر به جای حفظ معادلات، قواعد کلی در ریاضیات را بیاموزید، می‌دانید که چگونه آن معادلات را حل کنید. بنابراین به جای اینکه آن معادلات را حفظ کنیم، امیدواریم که این مدل‌ها، حل آن را به یاد داشته باشیم و اکنون می‌توانم هر معادله‌ای را به آن بدهیم تا حل کند.
این فرآیند نوانه‌ای که از هوش مصنوعی برای تولید پاسخ‌ها استفاده می‌کند، مرحله‌ای را ایجاد می‌کند که توسط هوش مصنوعی پردازش می‌کند، اما برای پژوهشگران می‌توان فهمید که چگونه پردازش می‌شود.