Связанные научные тематики:
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 
тег
 




 Найдено научных статей и публикаций: 14, для научной тематики: Интеллект


1.

Искусственный интеллект погрузится во вселенную молекул в поиске удивительных лекарств (публикация автора на scipeople)   

Дюжева - Искусственный интеллект погрузится во вселенную молекул в поиске удивительных лекарств , 2017

Искусственный интеллект погрузится во вселенную молекул в поиске удивительных лекарств

Темной ночью, вдали от городского света, звезды Млечного Пути кажутся несметными. Но из любой точки невооруженному глазу видно не больше 4500 звезд. В нашей же галактике их 100-400 миллиардов, галактик во Вселенной и того больше. Выходит, в ночном небе не так много звезд. Однако даже это число открывает перед нами глубокую подноготную… лекарств и препаратов. Дело в том, что число возможных органических соединений с лекарственными способностями превышает число звезд во Вселенной более чем на 30 порядков. И химические конфигурации, которые создают ученые из существующих медикаментов, сродни звездам, которые мы могли бы увидеть в центре города ночью.

Поиск всех возможных лекарств — непосильная задача для человека, как и исследование всего физического пространства, и даже если бы мы могли, большая часть обнаруженного не соответствовала бы нашим целям. Тем не менее мысль о том, что чудесные лекарства могут скрываться среди изобилия, слишком заманчива, чтоб ее игнорировать.

Именно поэтому нам стоит использовать искусственный интеллект, который сможет работать больше и ускорить открытие. Так считает Алекс Жаворонков, выступивший на Exponential Medicine в Сан-Диего на прошлой неделе. Это применение может стать крупнейшим для ИИ в медицине.

Собаки, диагноз и лекарства Жаворонков — CEO Insilico Medicine и CSO Biogerontology Research Foundation. Insilico — один из множества стартапов, разрабатывающих ИИ, способный ускорить открытие новых лекарств и препаратов.

За последние годы, рассказал Жаворонков, известная техника машинного обучения — глубокое обучение — осуществила прогресс на нескольких фронтах. Алгоритмы, способные обучаться игре в видеоигры — вроде AlphaGo Zero или покериста Carnegie Mellon — представляют самый большой предмет интереса. Но распознавание закономерностей — вот что дало мощный толчок глубокому обучению, когда алгоритмы машинного обучения наконец-то начали отличать кошек от собак и делать это достаточно быстро и точно.

В медицине алгоритмы глубокого обучения, обученные по базам данных медицинских снимков, могут выявлять опасные для жизни заболевания с равной или большей точностью, чем специалисты-люди. Есть даже предположение, что ИИ, если мы научимся ему доверять, может быть бесценным при диагностике болезни. И как отметил Жаворонков, грядет больше приложений и послужной список будет только расти.

«Tesla уже выводит автомобили на улицу», говорит Жаворонков. «Трех-, четырехлетняя технология уже перевозит пассажиров из пункта А в пункт Б на скорости 200 километров час; одна ошибка — и ты мертв. Но люди доверяют свои жизни этой технологии».

«Почему бы не делать того же в фармацевтике?».

Пробы и ошибки, снова и снова В фармацевтических исследованиях ИИ не придется водить автомобиль. Он станет ассистентом, который в паре с химиком или двумя сможет ускорить открытие препаратов, просматривая больше вариантов в поисках лучших кандидатов.

Пространство для оптимизации и повышения эффективности просто огромное, считает Жаворонков.

Поиск препаратов — кропотливое и дорогостоящее занятие. Химики просеивают десятки тысяч возможных соединений в поисках самых многообещающих. Из них лишь некоторые уходят на дальнейшее изучение, и еще меньше будут проходить испытания на людях, а из этих вообще крохи будут одобрены к дальнейшему использованию.

Весь этот процесс может занять много лет и стоить сотни миллионов долларов.

Это проблема касается больших данных (big data), а глубокое обучение преуспевает в работе с большими данными. Первые приложения показали, что системы ИИ на основе глубокого обучения способны находить едва заметные закономерности в гигантских выборках данных. Хотя производители лекарств уже используют программное обеспечение для просеивания соединений, такое программное обеспечение требует четких правил, написанных химиками. Плюсы ИИ в данном деле — его способность учиться и совершенствоваться самостоятельно.

«Существует две стратегии инноваций на базе ИИ в фармацевтике, которые обеспечат вас лучшими молекулами и быстрым одобрением», говорит Жаворонков. «Один ищет иглу в стоге сена, а другой создает новую иглу».

Чтобы найти иголку в стоге сена, алгоритмы обучаются на больших база данных молекул. Затем они ищут молекулы с подходящими свойствами. Но создать новую иглу? Эту возможность предоставляют генеративные состязательные сети, на которых специализируется Жаворонков.

Такие алгоритмы ставят две нейронные сети друг против друга. Одна генерирует осмысленный результат, а другая решает, является ли этот результат истинным или ложным, говорит Жаворонков. В совокупности эти сети генерируют новые объекты, такие как текст, изображения или, в данном случае, молекулярные структуры.

«Мы начали использовать эту конкретную технологию, чтобы глубокие нейронные сети вообразили новые молекулы, чтобы сделать ее идеальной с самого начала. Нам нужны идеальные иглы», говорит Жаворонков. «Вы можете обратиться к этой генеративной состязательной сети и попросить ее создать молекулы, которые ингибируют белок Х в концентрации Y, с наивысшей жизнеспособностью, заданными характеристиками и минимальными побочными эффектами».

Жаворонков полагает, что ИИ может найти или изготовить больше иголок из множества молекулярных возможностей, освободить химиков-людей, чтобы те могли сосредоточиться на синтезе только самых перспективных. Если это сработает, как надеется он, мы сможем увеличить количество попаданий, минимизировать промахи и в целом ускорить процесс. https://ru.onlytrends.info/

2.

Применение теста стандартные прогрессивные матрицы равена в режиме ограничения времени (публикация автора на scipeople)      

Давыдов Д.Г., Чмыхова Е.В. - Вопросы психологи , 2016
Давыдов Д.Г., Чмыхова Е.В. Применение теста Стандартные прогрессивные матрицы Равена в режиме ограничения времени // Вопросы психологии. 2016. №4. С.129-139.
3.

Ноогенез и теория интеллекта (публикация автора на scipeople)     

Еремин А.Л. - Краснодар: СовКуб , 2015
Еремин А. Л. Ноогенез и теория интеллекта. Краснодар: «Советская Кубань», 2005. — 356 с. тираж 1000 экз. ISBN 5-7221-0671-2
4.

Как быть мудрым и нужно ли им быть (публикация автора на scipeople)   

Купарашвили М. Д. - Научно-методический электронный журнал "КОНЦЕПТ" , 2014
5.

Проявление эгоцентризма у младших школьников с признаками одаренности (публикация автора на scipeople)   

Хапачева С. М., Кагазежева С. Ш. - Научно-методический электронный журнал "КОНЦЕПТ" , 2014
6.

Оптимизация умственного труда и творчества: новые биоинформационные подходы и концепции (публикация автора на scipeople)   

Еремин А.Л. - Жизнь без опасностей. Здоровье. Профилактика. Долголетие. , 2013
Еремин А.Л. Оптимизация умственного труда и творчества: новые биоинформационные подходы и концепции // Жизнь без опасностей. Здоровье. Профилактика. Долголетие. 2013. - №4. - с. 59-66.
7.

Библейская наррадигма образа я. (публикация автора на scipeople)   

Печерская Надежда Марковна - "Научная мысль" (сборник научных статей) , 2005
Министерство образования и науки РФ, Ростовский Государственный университет. "Научная мысль" (сборник научных статей) выпуск 2. Ростов-на-Дону, 2005. (Ростов-на-Дону, ул. М. Горького, 88, к.100, тел. 8 (863) 255-72-37. (печатается по решению редакционно-издательского совета юридического факультета Ростовского государственного универститета). ISBN-5-7509-0209-9
8.

Интернет и интеллект как элементы взаимосвязи реальности и сознания (публикация автора на scipeople)      

Вайнштейн Михаил Зиновьевич - portalus , 2012
9.

Естественный интеллект (публикация автора на scipeople)     

Сахно В.А. , 2012
10.

Неандертальцы: какими они были, и почему их не стало (публикация автора на scipeople)   

Л. Б. Вишняцкий (Санкт-Петербург, Россия) - Stratum Plus Journal , 2010