KnIT: když nové vědecké objevy dělají superpočítače

S rostoucím množstvím vědeckých publikací se také zvětšuje problém jejich analýzy a využití zjištěných dat. Umělá inteligence ale dokáže zrychlit vědecké objevy na neuvěřitelnou úroveň.
KnIT: když nové vědecké objevy dělají superpočítače

Již mnohokrát jsme v článcích probírali nahrazení člověka strojem v mnoha profesích. Nejrychlejší výměny lze čekat u těch nejjednodušších činností, které se hodně opakují a lze je velmi snadno strojově automatizovat. Ať už jde o fyzický stroj nebo algoritmus v počítači.

Několikrát jsme také upozornili na to, že tou nejvyšší metou, kterou stroje budoucnosti dosáhnout budou samotné nové vědecké objevy, které vyžadují stále lidský kreativní přístup i spousty náhodných emočních elementů.

Jak se ale ukazuje, i tato  oblast má více funkčních základů, z nichž jeden jde velmi dobře automatizovat a je pro člověka těžko uchopitelný.

KnIT – analýza vědeckých publikací pomocí IBM Watson

Vědeckých publikací vychází každý den obrovské množství. Vědecké databáze mají aktuálně kolem 50 milionů publikací, přičemž tento počet se zdvojnásobuje přibližně každé tři roky. Exponenciální růst obsahu tak platí i ve vědecké oblasti.

Problém ale je, že vědci ani nejsou schopní výsledky výzkumů analyzovat, plně využít, najít spojitosti s jinými a dosáhnout tak nových objevů. Stejně jako třeba v oblasti marketingu, i zde dochází k tomu, že dat je stále více (Big Data), ale je takřka nemožné pro běžného člověka vidět v nich konkrétní vzory a důležité informace, které mohou posunout vědění o kus dále.

Klepněte pro větší obrázek
W. Scott Spangler z IBM ukazuje vizuální reprezentaci vzorů ve vědeckých publikacích (Zdroj: IBM)

Tým z Baylorské lékařské akademie ve spolupráci se systémem umělé inteligence od IBM – Watson, vytvořili aplikaci KnIT (Knowledge Integration Toolkit), která je zaměřena na čtení a analýzu milionů vědeckých publikací. Výsledkem je pravděpodobnostní hledání vzorů a konkrétních oblastí, na které se vědci mají zaměřit.

nejnovějším případě šlo o proteiny důležité pro výzkum rakoviny. Zatímco během posledních 30 let vědci odhalili „pouze“ 28 takových proteinů, s pomocí KnITu jich bylo nalezeno deset během jednoho měsíce. Systém KnIT dokáže v průměru přečíst 100 000 výzkumných publikací za dvě hodiny, samozřejmě včetně analýzy a najít skryté vzory a informace.

 

Dříve vědci odhalili jednu p53 kinázu ročně. KnIT na bázi Watsonu jich odhalil deset za 1 měsíc.

 

Zjednodušeně tak dokáže chytře vyfiltrovat informace, které vědci potřebují pro pokrok a podílí se tak na vědeckých objevech. Konkrétním příkladem byla analýza 70 000 publikací pro protein p53, který je spojen s více než polovinou druhů rakovin. Vědci hledali i další Kinázy, které způsobují aktivaci a deaktivaci p53 a je jich celkem kolem 500. Mutace způsobuje přepnutí a tvorbu rakovinového bujení.

Klepněte pro větší obrázek
Systém umělé inteligence Watson dokáže i v obrovském množství dat najít ty důležité, které vedou k novým objevům (Zdroj: IBM)

Jak ale vědci upozorňují, KnIT není nějaký jednoduchý systém podobný vyhledávání Googlu, který najde odpověď či konkrétní slova. Podobně jako jsme to mohli vidět při jeho použití ve hře Riskuj! nebo třeba coby kreativního kuchaře, jeho fungování vychází z analýzy řeči, ve které najde spojující elementy, vzory a další důležité aspekty v rámci pravděpodobnostní charakteristiky.

Věda pod taktovkou umělé inteligence

Každý rok se na výzkum ve všech různých oblastech (finance, zdravotnictví, fyzika, matematika, inženýrství, zákony a tisíce dalších segmentů) utratí přes 600 miliard dolarů. IBM vidí možnost použití Watsona všude tam, kde je objem informací (dat) tak obrovský, že už není v lidských možnosti pojmout vše jako celek a hledat či odhalovat důležité spojitosti.

Člověk je skvělý v tvorbě zcela nových informací, ale není vůbec efektivní v jejich analýze. Na vědcích tak stále zůstávají samotné testy a výzkumy, ale Watson jim neuvěřitelně zrychlí interpretaci změřených a zjištěných dat.

Jsou ale první náznaky i v oblasti samotného výzkumu. Například robotický systém Adam a Eva, který je schopen sám provádět i testy, experimenty a dělat objevy v oblasti léků. I ta otravná a primitivní práce v laboratoři, kterou musí dělat obvykle studenti, je a bude ve větší míře nahrazena stroji. A nesmíme zapomínat, že umělá inteligence se stále zlepšuje a bude dosahovat na stále vyšší lidské schopnosti.

Souvisí s tím i stále rychlejší vývoj technologií a jak je vidět v případě takového použití Watsona, vždy se najde způsob, jak třeba udržet Moorův zákon. I když je pokrok třeba v oblasti nanometrové výroby stále náročnější a těžší, Watson dokáže pomoci a třeba nalézt nové způsoby a materiály během jednoho roku, zatímco bez něho by to trvalo třeba deset let.

Umělé vytvoření nových Newtonů a Einsteinů

Vědci z Cornelovy univerzity vytvořili software (umělá intleigence), který je schopen bez předchozích znalostí fyziky či geometrie analyzovat obraz s pohybujícím se tělesem a správně vytvořit matematické rovnice pro výpočet momentu hybnosti. To je ale samozřejmě pouze začátek.

 

S takovým pohledem už fáze civilizace, kdy stroje vylepšují sami sebe rychleji, než jsme schopni pochopit, nezní tak neuvěřitelně. Spíše naopak. Otázka zní, jestli taková technologická singularita nastane přibližně v roce 2040, jak se dle stávající rychlosti vývoje předpovídá.

Témata článku: Technologie, Cloud, Superpočítače, Protein, Einstein, Newton

24 komentářů

Nejnovější komentáře

  • vransen 14. 9. 2014 8:45:45
    Zní to naprosto bombasticky až na jednu maličkost - rakovinu stále léčit...
  • Gordar 14. 9. 2014 7:42:08
    Tohle je super.
  • Bleedy 13. 9. 2014 22:22:49
    Dnes zjišťuje enzymy, zítra se mu bude říkat GladOS, bude vyrábět...
Určitě si přečtěte

Pojďme programovat elektroniku: Postavíme si titěrnou Wi-Fi meteostanici s lepším teploměrem než Netatmo

Pojďme programovat elektroniku: Postavíme si titěrnou Wi-Fi meteostanici s lepším teploměrem než Netatmo

** Dnes se podíváme na maličkou Wi-Fi destičku Wemos D1 mini ** A připojíme k ní barometrický a teplotní shield ** Poběží na ní web a nabídne i JSON API

18.  6.  2017 | Jakub Čížek | 27

Jak vybrat monitor k počítači: nenechte se zlákat nepodstatnými parametry

Jak vybrat monitor k počítači: nenechte se zlákat nepodstatnými parametry

** Na jaké parametry se zaměřit a kde vás výrobci chtějí nachytat ** Monitory se stále více specifikují pro konkrétní určení ** Náročný hráč nebo profesionální grafik mají různé požadavky

20.  6.  2017 | Tomáš Holčík | 31

Dlouhodobý test HTC Vive: co vám recenze o virtuální realitě neřeknou

Dlouhodobý test HTC Vive: co vám recenze o virtuální realitě neřeknou

** Ani hry se sebelepší grafikou vás nevtáhnou tolik, jako ve virtuální realitě ** Pro sledování filmů není VR ani zdaleka ideální ** I první generace je skvělá, stále však působí jako prototyp

20.  6.  2017 | Stanislav Janů | 19

Jak unikají informace o nových iPhonech? Třeba podprsenkami čínských pracovnic

Jak unikají informace o nových iPhonech? Třeba podprsenkami čínských pracovnic

** Na černém trhu mohou zaměstnanci továren za kradené součástky inkasovat částku ve výši ročního platu ** Velké množství informací je vyneseno i z centrály Applu ** Díly jsou pašovány v botách, podprsenkách i odpadem

21.  6.  2017 | Stanislav Janů | 20


Aktuální číslo časopisu Computer

Bojujeme proti Fake News

Dva velké testy: fotoaparáty a NASy

Co musíte vědět o změně evropského roamingu

Radíme s výběrem základní desky