„Google“ tyrėjai pristatė naujus DI panaudojimo moksle būdus – nuo sveikatos iki kosmoso

Sekite TechNaujienos Google

„Google Research“ spalio 14 dieną renginyje Mauntin Vju pristatė naujausius projektus, kuriuose dirbtinis intelektas taikomas mokslo ir visuomenės sveikatos problemoms spręsti. Bendrovė apžvelgė darbą su medicinos konsultacijų modeliais, Žemės stebėjimo duomenimis ir kosmoso skaičiavimo idėjomis.

Kaip nurodoma Google oficialiame pranešime, renginys „Research@“ skirtas parodyti ne vien vartotojų programėles, bet ir tyrimų kryptis, kurios galėtų turėti ilgesnį poveikį mokslo metodams. Tai svarbu atskirti nuo iškart rinkai pateikiamų produktų.

Viena DI vertės sričių yra didelių duomenų rinkinių analizė. Mokslininkai gali greičiau ieškoti sąsajų tarp matavimų, tačiau šios sąsajos dar turi būti patvirtintos tinkamais eksperimentais.

DI moksliniuose tyrimuose dažnai pasitarnauja kaip įrankis dideliems duomenų rinkiniams analizuoti. Pavyzdžiui, medicinos srityje modelis gali padėti išskirti svarbius požymius iš daugelio įrašų, tačiau net ir tiksliai aptiktas statistinis ryšys nėra savaiminis priežastinio ryšio įrodymas. Tyrėjams vis tiek reikia palyginamų grupių, tinkamai suplanuotų bandymų ir nepriklausomo rezultatų patvirtinimo.

Naujausi straipsniai

4 min. skaitymo • prieš 21 sekundė

Žmogaus skeletas evoliucionavo kitaip nei beždžionių – nauji genetiniai duomenys paaiškina dalį skirtumų

4 min. skaitymo • prieš 20 minučių

Mikroplastikas vandenyje gali skatinti netikėtas chemines reakcijas – mokslininkai keičia požiūrį

5 min. skaitymo • prieš 40 minučių

Aptiktas juros laikų paukštis, kuris nemokėjo skristi – radinys keičia ankstyvos evoliucijos vaizdą

Visi naujausi straipsniai →

Žemės stebėjimo projektai apdoroja palydovų, antžeminių jutiklių ir kitų šaltinių duomenis. DI gali padėti nustatyti pokyčius dideliuose plotuose, pavyzdžiui, augmenijos ar aplinkos sąlygų kaitą. Tačiau debesys, jutiklių apribojimai ir vietos sąlygos gali iškraipyti dalį matavimų. Todėl rezultatai turi būti lyginami su žemėje surinktais duomenimis.

Visuomenės sveikatos programoms reikšmingas galimas ankstyvas įspėjimas apie rizikas. Tačiau toks įrankis turi veikti su įvairių gyventojų grupių duomenimis, o ne tik vienoje mokslinėje aplinkoje. Jei mokymo imtis neatitinka realios populiacijos, rezultatai gali būti netikslūs. Tai ypač svarbu, kai modelių siūlymai galėtų daryti įtaką sveikatos priežiūros sprendimams.

Kosmose veikiančių skaičiavimo sistemų idėja iškelia kitokius inžinerinius klausimus. Erdvėlaivių elektronikai reikia energijos, aušinimo ir apsaugos nuo radiacijos. Net jei kai kurios užduotys teoriškai galėtų būti atliekamos orbitoje, svarbu įvertinti paleidimo kainą, įrangos priežiūrą ir duomenų perdavimo galimybes. Todėl eksperimentinio projekto nereikėtų pristatyti kaip jau veikiančios komercinės duomenų centro paslaugos.

DI įrankių nauda mokslui susijusi su jų gebėjimu pasiūlyti hipotezes ir padėti analizuoti sudėtingą informaciją. Vis dėlto pati hipotezė dar nėra atradimas. Reikia eksperimento, kuriame tikrinama, ar prognozė pasitvirtina. Todėl moksliniuose projektuose svarbu atskirti modelio sugeneruotą rezultatą nuo fiziškai išmatuoto ar nepriklausomai patvirtinto fakto.

„Google“ renginyje pateikti projektai apima skirtingus technologinės brandos lygius. Vieni gali būti naudojami tyrėjų jau dabar, kiti tėra ankstyvos mokslinės koncepcijos. Atsakingai vertinant jų reikšmę reikia žinoti, ar publikuoti recenzuoti darbai, kokie pateikti duomenys ir ar planuojamas konkretus produkto išleidimas. Vien didelės technologijų bendrovės demonstracija dar negarantuoja mokslinio proveržio.

Mokslinėje komunikacijoje svarbu nesuplakti kelių skirtingų projektų į vieną tariamą technologinį atradimą. Naujas medicinos modelis, palydovinių duomenų analizės sistema ir kosminės skaičiavimo infrastruktūros idėja turi skirtingus įrodymus bei brandos lygius. Vienos krypties pažanga negarantuoja, kad kita jau pasirengusi naudoti. Todėl renginio rezultatus verta vertinti po vieną, remiantis publikuotais bandymais bei atskirų mokslinių grupių duomenimis.

Mokslininkų bendruomenei naudinga ir tai, kad dalis tyrimų įrankių gali padėti pakartoti analizę su naujais duomenimis. Tačiau automatizuotas skaičiavimas turi būti dokumentuotas, kad kiti tyrėjai suprastų metodą ir galėtų patikrinti jo rezultatus. Be tokio skaidrumo net įspūdinga demonstracija suteikia ribotą mokslinę vertę.

Skirtingų mokslo sričių DI sistemoms reikia skirtingų duomenų. Medicinos analizėje gali būti svarbi privatumo apsauga, aplinkos modeliavime – duomenų geografinis tikslumas, o kosminės infrastruktūros tyrimuose – energijos ir ryšio apribojimai. Todėl vienas universalus modelis ne visada tinka kiekvienam projektui. Tyrėjai turi aiškiai apibrėžti užduotį, duomenų kokybės kriterijus ir nepriklausomo vertinimo metodą.

Technologija ir jos galimybės

Sveikatos srityje ypatingai svarbus modelio saugumas ir sprendimų paaiškinamumas. Net pažangus DI asistentas negali savaime pakeisti atsakomybės už klinikinį sprendimą.

Žemės stebėjimo projektai leidžia jungti palydovų duomenis su aplinkos ir visuomenės sveikatos rodikliais. Tačiau prognozės priklauso nuo duomenų kokybės ir vietos sąlygų.

Renginyje minėta ir „Project Suncatcher“ kryptis, nagrinėjanti skaičiavimo sistemų kosmose galimybes. Tai eksperimentinė idėja, kurios nereikėtų laikyti jau veikiančiu didelio masto debesijos centru orbitoje.

Ribojimai ir prieinamumas

„Google“ teigia siekianti tyrimus paversti praktiškai naudojamais įrankiais, bet ne kiekvienas pristatytas projektas turi paskelbtą komercinės versijos laiką.

Mokslinių rezultatų vertę parodys nepriklausomi vertinimai, recenzuoti straipsniai ir realus naudojimas, o ne vien demonstracinis vaizdo įrašas ar įmonės pristatymas.