• Home
  • Kemi
  • Astronomien
  • Energi
  • Naturen
  • Biologi
  • Fysik
  • Elektronik
  • Evolutionen är verksam inom datorer såväl som inom biovetenskap

    Evolution är inte bara för levande varelser. Kredit:mmatee/Shutterstock.com

    Forskning om artificiell intelligens har mycket att lära av naturen. Mitt arbete kopplar biologi med beräkning varje dag, men nyligen påmindes resten av världen om kopplingen:2018 års Nobelpris i kemi gick till Frances Arnold tillsammans med George Smith och Gregory Winter för att de utvecklat stora genombrott som tillsammans kallas "riktad evolution". En av dess användningsområden är att förbättra proteinfunktioner, gör dem till bättre katalysatorer vid produktion av biobränsle. En annan användning är helt utanför kemin – även utanför den traditionella biovetenskapen.

    Det låter kanske förvånande, men många forskningsrön har mycket breda konsekvenser. Det är en del av varför nästan alla vetenskapsmän undrar och hoppas inte bara att de kanske skulle bli utvalda till ett Nobelpris, men, mycket mer sannolikt, att vinnaren kan vara någon de känner eller har arbetat med. I den kollaborativa akademiska världen, detta är inte särskilt ovanligt:​​2002, Jag studerade under en forskare som hade studerat under en av de tre medvinnarna av det årets Nobelpris i fysiologi eller medicin. Det här året, det hände igen – en av vinnarna har skrivit ett par uppsatser med en forskare som jag har samarbetat med.

    Utöver att tillfredsställa min egen fåfänga, priset påminner mig om hur användbara biologiska koncept är för tekniska problem. Det mest kända exemplet är förmodligen uppfinningen av kardborreband med kardborrefästen, inspirerad av grader som fastnade i en mans byxor när han gick utomhus. I Nobelpristagarnas arbete, den naturliga principen i arbetet är evolution – vilket också är det tillvägagångssätt jag använder för att utveckla artificiell intelligens. Min forskning bygger på idén att evolution ledde till allmän intelligens i biologiska livsformer, så att samma process också skulle kunna användas för att utveckla datoriserade intelligenta system.

    När man designar AI-system som styr virtuella bilar, till exempel, du kanske vill ha säkrare bilar som vet hur man undviker en mängd olika hinder – andra bilar, träd, cyklister och skyddsräcken. Mitt tillvägagångssätt skulle vara att utvärdera säkerhetsprestandan hos flera AI-system. De som kör säkrast får reproducera sig – genom att kopieras in i en ny generation.

    En karta över hjärnbarken. Kredit:Bruce Blaus/wikimedia, CC BY

    Men precis som naturen inte gör identiska kopior av föräldrar, genetiska algoritmer i beräkningsutvecklingen låter mutationer och rekombinationer skapa variationer hos avkomman. Genom att välja och reproducera de säkraste drivkrafterna i varje ny generation hittas och sprids mutationer som förbättrar prestandan. Under många generationer, AI-system blir bättre genom samma metod som naturen förbättrar sig själv – och på samma sätt som Nobelpristagarna gjorde bättre proteiner.

    I försöket att förstå mänsklig intelligens, många forskare arbetar med att omvända hjärnan, ta reda på hur det fungerar på alla nivåer. Komplexa gennätverk styr nervcellerna som bildar skikten av neocortex som sitter ovanpå en motorväg av anslutningar. Dessa sammankopplingar stöder kommunikation mellan de olika kortikala regionerna som utgör de flesta av våra kognitiva funktioner. Allt detta är integrerat i fenomenet medvetande.

    Deep learning och neurala nätverk är datorbaserade tillvägagångssätt som försöker återskapa hur hjärnan fungerar – men till och med de kan bara uppnå samma aktivitet som en klump hjärnceller som är mindre än en sockerbit. Det återstår oerhört mycket att lära sig om hjärnan – och det är innan man försöker skriva den intensivt komplicerade programvaran som kan efterlikna alla dessa biologiska interaktioner.

    Att kapitalisera på evolutionen kan göra system som verkar verklighetstrogna och i sig är lika öppna och innovativa som naturlig evolution är. Det är också nyckelmetoden som används i genetiska algoritmer och genetisk programmering. Nobelpriskommitténs erkännande lyfter fram en teknik som har evolution i sin kärna. Det motiverar indirekt min egen forskningsansats och tanken att evolution i handling är ett kritiskt forskningsämne med stor potential.

    Den här artikeln är återpublicerad från The Conversation under en Creative Commons-licens. Läs originalartikeln.




    © Vetenskap https://sv.scienceaq.com