آبان نیوز انتشار آخرین خبرهای سیاسی اقتصادی اجتماعی ورزشی فناوری در آبان نیوز
به گزارش دپارتمان اخبار اقتصادی پایگاه خبری آبان نیوز ،
اچاین داستانی است که مبشران به اصطلاح AI (هوش مصنوعی) – یا یادگیری ماشینی (ML) – ممکن است ترجیح دهند که شما به آن توجه نکنید. از صفحات می آید هوش ماشین طبیعتژورنالی که می توانید در یک کتابخانه علمی پیدا کنید. چهار دانشمند محقق – فابیو اوربینا، فیلیپا لنتزوس، سدریک اینورنیزی و شان اکینز – که برای یک شرکت داروسازی که سیستم‌های یادگیری ماشینی را برای یافتن «مهارکننده‌های درمانی جدید» می‌سازد، کار می‌کنند – موادی که با واکنش شیمیایی، رشد یا سایر فعالیت‌های بیولوژیکی تداخل می‌کنند. درگیر بیماری های انسانی
ماهیت تحقیقات دارویی این است کشف دارو. این به جستجوی مولکول‌هایی خلاصه می‌شود که ممکن است کاربردهای درمانی داشته باشند و به دلیل وجود میلیاردها احتمال بالقوه، جستجوی سوزن در انبار کاه را شبیه بازی کودکانه میکند. با توجه به اینکه، ورود فناوری ML، که ماشین‌ها را قادر می‌سازد تا در میان میلیاردها امکان جستجو کنند، رویایی بود که به حقیقت پیوست و اکنون در همه جای صنعت تعبیه شده است.
در اینجا نحوه عملکرد آن است، همانطور که توسط تیمی که هالیسین را کشف کردند، مولکولی که علیه باکتری های مقاوم به دارو کار می کند و باعث مشکلات فزاینده در بیمارستان ها می شود، توضیح داده شده است. ما یک مدل یادگیری عمیق را بر روی مجموعه‌ای از آموزش‌ها آموزش دادیم [around] 2500 مولکول برای آنهایی که مانع از رشد می شوند E coli در شرایط آزمایشگاهی. این مدل رابطه بین ساختار شیمیایی و فعالیت ضد باکتریایی را به گونه‌ای یاد گرفت که به ما اجازه داد مجموعه مدل‌هایی از مواد شیمیایی را که قبلاً ندیده بود نشان دهیم و سپس می‌توانست پیش‌بینی کند که آیا این مولکول‌های جدید فعالیت ضد باکتریایی دارند یا خیر. E coli یا نه.”
پس از آموزش، آنها مدل را طوری تنظیم کردند که کتابخانه‌ای متشکل از 6000 مولکول مختلف را بررسی کند و به یکی از آنها رسید که در ابتدا فقط به عنوان یک امکان ضد دیابت در نظر گرفته می‌شد. اما زمانی که آن را بر روی ده ها مورد از مشکل سازترین سویه های باکتریایی آزمایش کردند، مشخص شد که کار می کند – و سمیت پیش بینی شده کمتری در انسان دارد. در یک تماس خوب، آنها آن را با نام هوش مصنوعی در کوبریک، هالیسین نامگذاری کردند 2001: یک ادیسه فضایی.
این همان کاری است که اوربینا و همکارانش در آزمایشگاه خود انجام می دادند – جست و جوی مولکول هایی که دو معیار را برآورده می کردند: امکانات درمانی مثبت و سمیت کم برای انسان. مدل مولد آنها سمیت پیش‌بینی‌شده را جریمه کرد و فعالیت درمانی پیش‌بینی‌شده را پاداش داد. سپس آنها به کنفرانسی توسط موسسه فدرال سوئیس برای حفاظت هسته ای، بیولوژیکی و شیمیایی در مورد پیشرفت های فناوری که ممکن است پیامدهایی برای کنوانسیون سلاح های شیمیایی/بیولوژیکی داشته باشد دعوت شدند. سازمان دهندگان کنفرانس می خواستند مقاله ای در مورد نحوه سوء استفاده از ML ارائه کنند.
اوربینا به یاد می آورد: «این چیزی است که قبلاً هرگز به آن فکر نکرده بودیم. اما فهمیدن این موضوع بسیار آسان بود، همانطور که ما در حال ساخت این مدل‌های یادگیری ماشینی هستیم تا در پیش‌بینی مسمومیت بهتر و بهتر شویم تا از سمیت جلوگیری کنیم، تنها کاری که باید انجام دهیم این است که به نوعی سوئیچ را برگردانیم و بگوییم: می دانید، به جای دور شدن از سمیت، اگر به سمت مسمومیت برویم چه؟
بنابراین آنها سوئیچ را کشیدند و در این روند چشم انداز کابوس وار را برای نوع بشر باز کردند. در کمتر از شش ساعت، این مدل 40000 مولکول تولید کرد که در آستانه تعیین شده توسط محققان امتیاز گرفتند. این ماشین VX و بسیاری دیگر از عوامل جنگ شیمیایی شناخته شده را طراحی کرد که به طور جداگانه با ساختارهای موجود در پایگاه های داده شیمی عمومی تایید شده است. بسیاری از مولکول‌های جدید نیز طراحی شده‌اند که به همان اندازه قابل قبول به نظر می‌رسند، برخی از آنها سمی‌تر از عوامل جنگ شیمیایی شناخته شده عمومی هستند. محققان نوشتند: «این غیرمنتظره بود، زیرا مجموعه داده‌هایی که ما برای آموزش هوش مصنوعی استفاده کردیم شامل این عوامل عصبی نمی‌شد… با معکوس کردن استفاده از مدل‌های یادگیری ماشینی، مدل تولیدی بی‌ضرر خود را از یک ابزار مفید تبدیل کردیم. دارو برای مولد مولکول‌های احتمالی کشنده.»
برای لحظه ای به این موضوع فکر کنید: برخی از مولکول های “کشف شده” به طور بالقوه سمی تر از عامل عصبی VX بودند که یکی از کشنده ترین ترکیبات شناخته شده است. VX توسط آزمایشگاه علوم و فناوری دفاعی بریتانیا (DSTL) در اوایل دهه 1950 توسعه یافت. این نوع سلاح‌هایی است که قبلاً فقط توسط آزمایشگاه‌های دولتی مانند DSTL ساخته می‌شد. اما اکنون یک فرد بدخیم با انبوهی از واحدهای پردازشگر گرافیکی و دسترسی به یک پایگاه داده مولکولی ممکن است چیزی شبیه به آن بیابد. و اگرچه برای تبدیل یک ساختار مولکولی به یک سلاح قابل دوام هنوز به دانش تخصصی شیمی و سم شناسی نیاز است، اما اکنون آموخته ایم – همانطور که خود محققان اذعان می کنند – که ML “آستانه های فنی به طور چشمگیری پایین تر” را مدل می کند.
دو چیز در این داستان به من توجه می کند. اولین مورد این است که محققان «هرگز واقعاً به استفاده‌های بدخیم احتمالی فناوری خود فکر نکرده بودند». از این نظر، آنها احتمالاً نمونه لژیون مهندسانی بودند که روی ML در آزمایشگاه‌های صنعتی کار می‌کردند. دوم این است که، در حالی که ML به وضوح توانایی‌های انسانی را تقویت میکند – (همانطور که بود، فرمان قدرت برای ذهن)، اینکه آیا این خبر خوبی برای بشریت است بستگی به این دارد که ذهن چه کسی را تقویت میکند.
چیزی که من خوانده ام
راه حل های جعلی آب و هوا
الجزیره دات کام ما “سبز می کنیم” خود را تا انقراض منتشر کرده است، مقاله ای تیز از ویجی کولینجیوادی، از دانشگاه آنتورپ.
زمان بزرگ شدن است
مولی وایت در خبرنامه Substack خود با عنوان Sam Bankman-Fried is Not a Child است.
پول خنده دار
Mihir A Desai عالی نوشته است نیویورک تایمز قطعه، فروپاشی کریپتو و پایان تفکر جادویی
این خبر از خبرگزاری های بین المللی معتبر گردآوری شده است و سایت اخبار امروز آبان نیوز صرفا نمایش دهنده است. آبان نیوز در راستای موازین و قوانین جمهوری اسلامی ایران فعالیت میکند لذا چنانچه این خبر را شایسته ویرایش و یا حذف میدانید، در صفحه تماس با ما گزارش کنید.
