شفقنا – پژوهشگران دانشگاه پنسیلوانیا روش جدیدی به هوش مصنوعی اضافه کردهاند که اول نویز اضافی را از دادهها پاک میکند، بعد محاسبه را شروع میکند. این روش ساده، یکی از سختترین مسائل ریاضی را حل کرده و راه را برای کشف علت پدیدههای مرموزی مانند نحوه سازماندهی دیانای در سلول باز کرده است.
به گزارش سرویس ترجمه شفقنا، خیلی از مشکلات علمی به این شکل است که شما نتیجه را میبینید اما نمیدانید چه علتی آن را ایجاد کرده. مثلاً میبینید موج روی آب ایجاد شده اما نمیدانید سنگ دقیقاً کجا افتاده است. به این میگویند «مسئله معکوس» و حل آن یکی از سختترین کارها در ریاضی است. ویکوی شنوی، استاد دانشگاه پنسیلوانیا، میگوید «حل یک مسئله معکوس چالشی واقعی برای استنباط علت پنهان است.
روش قدیمی هوش مصنوعی برای حل این مسائل مثل این میماند که بخواهید با بزرگکردن مکرر یک عکس پرنویز، جزئیات را ببینید. هر بار که بزرگ میکنید، نویز بیشتر به چشم میآید و اصل قضیه گم میشود. علاوه بر این، این روش به کامپیوترهای فوقالعاده قدرتمند و مصرف انرژی عظیم نیاز دارد. وینایاک وینایاک، یکی از محققان این پروژه، میگوید: تیم اول فکر میکرد مشکل از ساختار شبکه هوش مصنوعی است، اما بعد از آزمایشهای متعدد فهمیدیم مشکل اصلی روش محاسبه است.
راه حلی که این تیم پیدا کردند، استفاده از ایدهای بود که یک ریاضیدان به اسم کورت اتو فریدریش در دهه ۱۹۴۰ مطرح کرده بود. آنها یک «لایه هموارکننده» به هوش مصنوعی اضافه کردند که اول نویز اضافی را از دادهها پاک میکند و بعد محاسبه را شروع میکند. نتیجه شگفتانگیز بود: دقت محاسبات بالا رفت و مصرف انرژی به شدت کاهش پیدا کرد.
این روش ریاضی برای هر جایی کاربرد دارد که دانشمندان از روی یک نتیجه بخواهند به علت پنهان برسند. یکی از مهمترین این کاربردها، درک کروماتین است؛ همان ساختار پیچیده دیانای و پروتئینها درون سلول. شنوی توضیح میدهد این ساختارها فقط ۱۰۰ نانومتر اندازه دارند اما نقش تعیینکنندهای در روشن یا خاموش شدن ژنها دارند. از آنجایی که ژنها تعیین میکنند سلول چه کاره است، چطور پیر میشود و چه بیماریهایی میگیرد، فهمیدن قوانین حاکم بر دیانای یک مسئله حیاتی در پزشکی است.
وینایاک میگوید: اگر بتوانیم چگونگی تغییر قوانین حاکم بر دیانای را در طول پیری، سرطان یا رشد ردیابی کنیم، میتوانیم با تغییر آن قوانین، سلولها را به حالت مطلوب هدایت کنیم.
شنوی هم در پایان میگوید: هدف نهایی، حرکت از مشاهده الگوهای پیچیده به سمت کشف قوانینی است که آنها را تولید میکنند. اگر قوانین حاکم بر یک سیستم را بفهمید، امکان تغییر آن را خواهید داشت.
این روش فقط به ژنتیک محدود نمیشود و در تحقیقات مواد، دینامیک سیالات و پیشبینی وضع هوا هم قابل استفاده است.
این خبر را اینجا ببینید.