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.

Diskuze (24) Další článek: Zprávy Živě: Nový iPhone, Apple Watch a další události

Témata článku: Technologie, Cloud, Superpočítače, Důležitá oblast, Lidská profese, Objev, Newton, Einstein, Vědec, Exponenciální růst, DEL, Nový objev, První náznak, Vědecká data, Předchozí znalost, Kreativní přístup, Protein


Určitě si přečtěte

Bývalý zaměstnanec Nokie vysvětluje, proč telefony s Windows Phone neuspěly

Bývalý zaměstnanec Nokie vysvětluje, proč telefony s Windows Phone neuspěly

** Za neúspěchem Microsoftu v mobilech stojí i Windows 8 ** Microsoft pozdě naskočil do rozjetého vlaku ** Uživatelé neměli zásadní důvody, proč přejít

Karel Kilián | 136

3D tisk pro naprosté zelenáče: Co vyrobíte na laciném stroji za pár tisíc korun

3D tisk pro naprosté zelenáče: Co vyrobíte na laciném stroji za pár tisíc korun

** Domácí 3D tisk je dnes už finančně dostupný prakticky všem ** Lacinou tiskárnu pořídíte za pár tisíc korun ** Jak vlastně tisk probíhá a jak navrhnout, co vytisknout

Jakub Čížek | 66

Pojďme programovat elektroniku: České chytré zásuvky Netio pro kutily i firmy

Pojďme programovat elektroniku: České chytré zásuvky Netio pro kutily i firmy

** Wi-Fi zásuvky nevyrábí pouze Čína ** Vyzkoušeli jsme českou Netio PowerCable ** Je přímo určená pro vývojáře, má totiž jednoduché JSON API

Jakub Čížek | 43

Podívejte se, jak vypadá mikrofon nebo blecha pod elektronovým mikroskopem

Podívejte se, jak vypadá mikrofon nebo blecha pod elektronovým mikroskopem

** Z Brna pochází třetina světové produkce elektronových mikroskopů ** První československý kus vyrobila Tesla už v 50. letech ** Dnes na ni navazuje třeba brněnský Tescan

Jakub Čížek | 19

Už desítky let se pokoušíme odposlouchávat mozek. Rusům se podařil kousek, ze kterého vám spadne brada

Už desítky let se pokoušíme odposlouchávat mozek. Rusům se podařil kousek, ze kterého vám spadne brada

** K odposlechu mozků používáme EEG ** To má ale žalostné informační rozlišení ** Rusům pomohla počítačová neuronová síť

Jakub Čížek | 28

20 tipů a triků pro Gmail: Užitečné maličkosti, které zefektivní práci s e-maily

20 tipů a triků pro Gmail: Užitečné maličkosti, které zefektivní práci s e-maily

** V Gmailu je řada užitečných funkcí, které možná všechny neznáte ** Odeslání mailu můžete například pozdržet či naplánovat na později ** Nad Gmailem můžete mít s několika triky daleko lepší kontrolu

Karel Kilián | 25



Aktuální číslo časopisu Computer

Megatest 20 procesorů

Srovnání 15 True Wireless sluchátek

Vyplatí se tisknout fotografie doma?

Vybíráme nejlepší základní desky