Salud

La inteligencia artificial produce hipótesis que los científicos humanos no esperaban

Los vehículos eléctricos tienen el potencial de reducir significativamente las emisiones de CO2, pero las empresas automotrices sí Sin materiales Fabricación de baterías. El níquel es un componente importante Se espera que haya cuellos de botella en la entrega Ya a finales de este año. Los científicos descubrieron recientemente cuatro nuevos materiales que podrían ser útiles, y lo que es más interesante es cómo descubrieron estos materiales: los investigadores se basan en la inteligencia artificial para seleccionar sustancias químicas útiles de más de 300 sustancias químicas posibles. No son las únicas personas que recurren a la inteligencia artificial en busca de inspiración científica.

La creación de hipótesis ha sido durante mucho tiempo un dominio puramente humano. Ahora, sin embargo, los científicos están comenzando a necesitar el aprendizaje automático para producir conocimientos originales; están diseñando Redes neuronales (Un entorno de aprendizaje automático cuya estructura está inspirada en el cerebro humano) que sugiere nuevas hipótesis basadas en los patrones encontrados en los datos por la red, en lugar de depender de hipótesis humanas. Muchas áreas pronto podrían estar girando La musa del aprendizaje automático Intente acelerar el proceso científico y acabar con los prejuicios humanos.

Cuando se trata de nuevos materiales para baterías, los científicos involucrados en tales tareas a menudo se basan en herramientas de búsqueda de bases de datos, modelos y sus propias intuiciones sobre sustancias químicas para seleccionar compuestos útiles. En cambio, un equipo de la Universidad de Liverpool en Inglaterra utilizó el aprendizaje automático para simplificar el proceso creativo. Los investigadores han desarrollado una red neuronal que clasifica las combinaciones químicas de acuerdo con su probabilidad de producir nuevos materiales útiles. Luego, los científicos usan estas clasificaciones para guiar sus experimentos en el laboratorio, están seguros Cuatro candidatos prometedores Con los materiales de la batería, no es necesario probar todo lo que está en la lista, lo que ahorra meses de prueba y error.

«Esta es una gran herramienta», dijo Andrij Vasylenko, investigador de la Universidad de Liverpool y coautor de un estudio sobre el descubrimiento de material de baterías publicado en Nature Communications el mes pasado. Agregó que el proceso de inteligencia artificial está ayudando a identificar combinaciones químicas que vale la pena investigar para que «podamos cubrir más espacios químicos más rápido».

El descubrimiento de nuevos materiales no es la única área en la que el aprendizaje automático puede contribuir a la ciencia. Los investigadores también están aplicando redes neuronales a problemas técnicos y teóricos más amplios. Renato Renner, físico del Instituto de Física Teórica de Zúrich, algún día utilizaría el aprendizaje automático para desarrollar una teoría unificada de cómo funciona el universo. Pero antes de que la inteligencia artificial pueda revelar la verdadera naturaleza de la realidad, los investigadores deben resolver el conocido problema de cómo las redes neuronales toman decisiones.

Comprensión profunda del pensamiento del aprendizaje automático

En los últimos 10 años, el aprendizaje automático se ha convertido en un extremo Herramientas populares Se utiliza para la clasificación y predicción de macrodatos. Sin embargo, puede resultar muy difícil explicar el motivo de su decisión. Una red neuronal está formada por nodos interconectados que utilizan neuronas cerebrales como modelo, y su estructura cambia con el flujo de información. Aunque este modelo adaptativo puede resolver problemas complejos, los humanos generalmente no pueden descifrar la lógica involucrada.

esta Falta de transparencia Se llama el «problema de la caja negra» porque nadie puede ver dentro de la red para explicar su «proceso de pensamiento». Esta opacidad no solo socava la confianza en los resultados, sino que también limita la contribución de las redes neuronales a la comprensión científica humana del mundo.

Algunos científicos están tratando de desarrollar «Tecnología interpretable, «lo intenté cómo Una red obtiene su respuestaPuede que no sea posible obtener detalles generales de modelos complejos de aprendizaje automático. Sin embargo, los investigadores a menudo pueden detectar tendencias importantes en la forma en que la red procesa los datos, lo que a veces puede conducir a descubrimientos sorprendentes, por ejemplo, quién tiene más probabilidades de contraer cáncer.

Hace unos años, Anant Madabhushi, profesor de ingeniería biomédica en la Universidad Case Western Reserve, utilizó técnicas interpretativas para comprender por qué algunos pacientes tienen más probabilidades que otros de desarrollar cáncer de mama o de próstata. Introduce los resultados de las exploraciones de los pacientes en una red neuronal que identifica a los pacientes con mayor riesgo de recurrencia del cáncer. Madabhushi luego analizó la red para encontrar las características clave que determinan la probabilidad de que el paciente recurra al cáncer. Resultado Sugerencia La rigidez de la estructura interna de la glándula es el factor más preciso que predice la probabilidad de recurrencia del cáncer.

«Eso no es una hipótesis. No lo sabemos», dijo Maddbusch. “Usamos un método para descubrir una característica importante de la enfermedad”. Fue solo cuando la inteligencia artificial llegó a una conclusión que su equipo se dio cuenta de que el resultado también concuerda con la literatura científica actual sobre patología. Las redes neuronales no pueden explicar por qué la densidad de las estructuras glandulares puede causar cáncer, pero aún ayudan a Madabhushi y sus colegas a comprender mejor el proceso de crecimiento tumoral y abre nuevas direcciones para futuras investigaciones.

Cuando la IA golpea una pared

Soumik Sarkar, profesor asociado de ingeniería mecánica en la Universidad Estatal de Iowa, dijo que mirar dentro de la caja negra puede ayudar a la gente a construir nuevas hipótesis científicas, pero «todavía tenemos un largo camino por recorrer». Las técnicas de interpretabilidad pueden implicar correlaciones en el proceso de aprendizaje automático, pero no pueden probar causa y efecto ni proporcionar explicaciones. Aún confía en los expertos en la materia para que la Web sea significativa.

El aprendizaje automático también utiliza a menudo datos recopilados a través de procesos manuales, lo que puede conducir a ello. Reproducción del prejuicio humanoUna red neuronal llamada Sanciones Alternativas, Análisis de Manejo de Delincuentes Correccionales (COMPAS), incluso es acusada de racismo. La red se utilizó para predecir la probabilidad de que un preso cometa otro delito; uno Encuesta de ProPublica Al parecer, el sistema ha identificado incorrectamente a los negros como posibles perpetradores porque los negros han sido liberados casi el doble que los blancos en un condado de Florida. Equivant, anteriormente conocida como Northpoint, es la empresa de software de justicia penal que COMPAS desarrolló y es propietaria Polémico análisis de ProPublica Y afirmó que su plan de evaluación de riesgos sí Mal descrito.

A pesar de estos problemas, el físico Renner de Zurich todavía espera que el aprendizaje automático pueda ayudar a las personas a buscar conocimientos desde una perspectiva menos sesgada. Dijo que las redes neuronales pueden inspirar a las personas a pensar en viejos problemas de nuevas formas. Aunque las redes por sí solas no pueden hacer suposiciones, pueden proporcionar sugerencias y guiar a los científicos para que adopten diferentes perspectivas sobre el problema.

Renner incluso intentó diseñar una red neuronal que pudiera estudiar la verdadera naturaleza del universo. Durante más de un siglo, los físicos no han podido conciliar las dos teorías de la teoría cuántica del universo y la teoría general de la relatividad de Einstein. Sin embargo, Reiner espera que el aprendizaje automático le abra nuevas perspectivas que necesita para unir la comprensión científica de cómo funciona la materia en escalas muy pequeñas y muy grandes.

«Solo mirando las cosas de manera poco convencional podemos lograr avances significativos en la física», dijo. Actualmente está construyendo una red con la ayuda de la teoría histórica y deja que se experimente cómo los humanos perciben la estructura del universo. Durante los próximos años, planea pedirle su propia respuesta a esta pregunta fundamental.

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Publicaciones relacionadas

Botón volver arriba
You cannot copy content of this page