Nature - V Googlovem oddelku DeepMind so razvili nov algoritem za iskanje stabilnih anorganskih spojin GNoME, katerega rezultate so uspešno uporabili v robotiziranem kemijskem laboratoriju.

Čeprav so med strojno učenimi algoritmi po javni razvpitosti trenutno na prvem mestu generatorji slik in besedil, pa si od strojne inteligence potencialno še več prelomnih odkritij obetamo v naravoslovnih raziskavah ter inženiringu. Za pokušino smo zadnji dve leti lahko opazovali preboj v raziskovanju beljakovin, ki ga je prinesel DeepMindov algoritem AlphaFold, sedaj pa so na redu še anorganske snovi. Tudi stabilnost anorganskih kristalnih struktur se trudimo že dolgo časa raziskovati računsko, oziroma z računalniškimi simulacijami. Skladno z napredkom polprevodnikov in algoritmov je tovrsten trud v zadnjem desetletju zabeležil zaznaven pospešek in v vodilnih bazah podatkov danes najdemo okoli 50.000 "izračunanih" takšnih spojin, za katere znanstveniki menijo, da so stabilne. Toda to je še vedno zgolj...

Slo-Tech - Umetna inteligenca, ki jo razvija DeepMind, je iznašla nov, hitrejši način za množenje matrik. Njihov program AlphaTensor iz družine Alpha je s tem popravil 50 let stari algoritem, nato pa sta ga teden dni pozneje nepričakovano prekosila avstrijska matematika z Univerze v Linzu.

Množenje matrik je izjemno pomembna računska operacija v računalništvu, ki se ponavlja pri obdelavi in izrisu slik, stiskanju, prepoznavanju govora in slik in drugod. Najučinkovitejši pri množenju matrik so grafični procesorji, ki lahko nalogo razkosajo na manjše podnaloge, nato pa se vzporedno ukvarjajo z njimi. Naivno množenje matrik, kot se ga učimo v šoli, terja množenje vsake vrstice z vsakim stolpcem, kar za matriki dimenzij n x n terja n³ operacij množenja. A s premislekom gre tudi hitreje. Nemški matematik Volker Strassen je že leta 1969 odkril algoritem, ki na primer za množenje matrik 2 x 2 namesto osmih potrebuje sedem operacij množenja, za matriki 4 x 4 pa namesto 64 le 49. Njegova zahtevnost...

Slo-Tech - Algoritem AlphaFold, ki ga je DeepMind pokazal predlani in lani odprl vsem, je napravil še korak naprej. Potem ko je lani predvidel strukturo milijona proteinov, so sedaj javnosti priobčili zbirko napovedi strukture 200 milijonov proteinov. Zbirko so pripravili v sodelovanju z EMBL (European Molecular Biology Laboratory) in je na voljo vsakomur, saj je del odprtokodne baze AlphaFold Protein Structure Database. Izvršni direktor DeepMinda Demis Hassabis je dogodek pompozno označil kot darilo človeštvo, a dejansko gre za velik dosežek.

Določanje oblike proteinov je težak problem. Proteine sestavljajo aminokisline, katerih zaporedje določa primarno strukturo. Kako se potem te zvijejo v prostoru v sekundarno in terciarno strukturo, pa je zelo težko pravilno napovedati. Zgodovinsko smo strukture določali eksperimentalno, kar prinaša svojevrstno omejitve (rentgenska difrakcija je možna na kristaliziranih proteinih). Računalniško napovedovanje se zdi logičen korak naprej, a je zaradi...

Slo-Tech - DeepMindova umetna inteligenca, ki se je naučila že marsikaj, od igre do napovedovanja zvijanja proteinov, je lahko v pomoč tudi arheologom. Kot poročajo v zadnji številki Nature, je najnovejši izdelek z imenom Ithaca globoka nevronska mreža, ki pomaga pri tolmačenju starih tekstov. Izurjena na 78608 starogrških besedilih, ki so bila opremljena z metapodatki, je sposobna oceniti, kdaj je bilo neznano besedilo napisano, kje je nastalo, in predvideti manjkajoče črke. Pri tem ni briljantna, je pa z 62-odstotno natančnostjo predvidevanja pri obnavljanju manjkajočih in poškodovanih delov uporaben pripomoček za arheologe.

Arheologov še dolgo ne bo mogla nadomestiti, poudarja profesorica Eleanor Dickey z readinške univerze. Strokovnjaki za antična besedila so prav tako zelo dobro izurjeni za to početje, zato ni čisto jasno, kje bo mesto Ithace v celotnem postopku, dodaja. Zagotovo pa bo zanimivo preizkusiti, ali in koliko bo izboljšala delo arheologov. Ithaca namreč ni prvi poizkus, saj...

DeepMind - DeepMindovi algoritmi so poskrbeli za nov preboj: strojno učenje je z iskanjem vzorcev v matematičnih strukturah prvič pomagalo neposredno oblikovati nove domneve, ki so osnove za dokazovanje matematičnih teoremov.

Matematiki si z računalniki pomagajo praktično odkar ti obstajajo. Toda ko odštejemo množično izvajanje algebraičnih operacij v super in malo manj superračunalnikih, se polje tovrstnega dela v višji matematiki že bistveno zoži. Ko gre za dokazovanje v strogi teoriji, so računski stroji še najbolj v pomoč pri napredni vizualizaciji, prečesavanju baz podatkov in preverjanju, medtem ko intuitivno iskanje novih domnev, kar je matematična inačica hipotez, še vedno prvenstveno odpade na ljudi. To pa bi se znalo kmalu spremeniti, kajti v Alphabetovem DeepMindu so po igračkanju z beljakovinami zdaj poskrbeli za vznemirjenje še v teoretični matematiki. Njihovi strojni algoritmi so namreč prvič pokazali na doslej še neznane povezave med matematičnimi strukturami, in to na dveh...

Slo-Tech - V Alphabetu gradijo na uspehu algoritma AlphaFold 2 in so za namen nadaljnjega raziskovanja bioloških učinkovin ustanovili podružnico Isomorphic Labs.

Konec lanskega leta je Alphabetov laboratorij za strojno učenje DeepMind pokazal zgodovinsko iznajdbo: algoritem AlphaFold 2, ki je prvič posegel po sanjah biokemikov širom sveta: računalniškem izračunavanju zvijanja beljakovin zgolj na podlagi njihove kemijske sestave. Takšna zmogljivost bo bistveno pospešila in olajšala tako raziskovanje procesov v živih bitjih, kakor tudi iskanje novih zdravil, kjer dolgotrajni postopki razvoja predstavljajo vse večji problem. Letošnjega julija so algoritem dali v javno uporabo, nekaj dni zatem so lansirali tudi bazo podatkov vseh tako pregledanih beljakovin v človeškem telesu. Toda ker je DeepMind prvenstveno podjetje za raziskave strojnega učenja, so morali v Alphabetu za iskanje konkretnih medicinskih učinkovin ustanoviti novo entiteto.

Podružnica Isomorphic Labs bo namenjena praktični rabi...

Nature - Kakor so lani obljubili, so v DeepMindu svoj algoritem AlphaFold 2, ki je poskrbel za revolucionaren preboj v naši sposobnosti izračunavanja strukture beljakovin, odprli in dali na javno razpolago. Toda obdobje priprave članka je bilo za nekatere akademike predolgo, zato so medtem sestavili kar lasten konkurenčni algoritem RoseTTaFold - ki za DeepMindovim sploh ne zaostaja prav dosti!

Lanskega decembra smo bili priče enemu najprelomnejših dogodkov v zgodovini biokemije, ko je Googlov laboratorij za strojno učenje DeepMind predstavil algoritem za računanje strukture beljakovin iz njihovega zaporedja aminokislin, AlphaFold 2. Takšna zmogljivost je bila že dolgo velika želja biokemikov, genetikov in mikrobiologov, saj smo doslej natančno zgradbo proteinov lahko dognali zgolj z njihovim opazovanjem z naprednimi metodami, kot sta rentgenska difrakcija in krioelektronska mikroskopija, ki so običajno počasne in drage. Čim natančnejše poznavanje zgradbe beljakovin pa je ključno za...

DeepMind - Alphabetov laboratorij za strojno inteligenco DeepMind je izgotovil nov algoritem, ki se je na samosvoj način izmojstril v igranju šaha, goja, šogija in Atarijevih arkadnih iger. Za učenje ne potrebuje predhodnega branja navodil ali vdelanih izkušenj, temveč se uči na podoben način kot otroci, s preizkušanjem posameznih potez in grajenjem notranjega modela igre, kar pomeni novo stopnjo v razvoju strojnih algoritmov z zmožnostjo posplošenega sklepanja.

Napredovanje DeepMindovih strojnih algoritmov je za nepoučenega opazovalca verjetno videti kot dolgočasno zbiranje naslovov prvaka v raznoraznih igrah. Toda zadaj se skriva zanimivo preizkušanje različnih pristopov k obvladovanju izzivov, ki nas utegnejo nekoč pripeljati do umetne inteligence, ki se bo znala odločati in učiti podobno kot človek. Sloviti AlphaGo, ki je v igri go nadvladal človeka, je - podobno kot šahovski algoritmi - uporabljal napredno različico drevesa dogodkov, ki za množico potez v prihodnosti pove predvideni...

DeepMind - DeepMindov najnovejši algoritem za iskanje strukture beljakovin, AlphaFold 2, je pokazal tako izjemne rezultate, da je očitno zelo blizu čas, ko bomo lahko univerzalno znali zgolj iz kemijske sestave dognati, kako se beljakovine zvijajo. Gre za enega najbolj prelomnih dogodkov v novejši biokemiji, ki bo zelo verjetno imel hitre in drastične učinke na oblikovanje zdravil ter sintetičnih proteinov.

Beljakovine so funkcijsko najbolj raznolika skupina molekul v živih organizmih, saj skrbijo za vse od katalize reakcij do rokovanja z dednino. Kaj natančno neka beljakovina počne, je odvisno tako od njene kemijske sestave kot tudi njene natančne prostorske strukture - se pravi, kako se njeni elementi spontano razporedijo, oziroma, kako se beljakovina "zvije". V osnovi skušamo natančno zgradbo dognati z opazovalnimi metodami, kot sta rentgenska difrakcija in krioelektronska mikroskopija. A te imajo omejitve, saj v mnogih primerih vzamejo dosti časa in imajo resne probleme z nekaterimi...

Nature - Strojna inteligenca, razvita v Alphabetovih oddelkih Google Health in DeepMind, se je dobro odrezala pri razbiranju znakov najzgodnejše faze raka dojk iz mamogramov, saj je bila celo malce zanesljivejša od človeških zdravnikov. Toda od uporabnega orodja nas loči še nekaj časa.

Rak dojke je med ženskim delom populacije v razvitem svetu najmnožičnejši tip raka in hkrati - za pljučnim - drugi najbolj smrtno nevaren. Možnost preživetja se močno poveča s pravočasnim odkritjem bolezni, zaradi česar se starejšim ženskam tudi pri nas svetujejo redni pregledi z mamografijo na dve leti. Toda razbiranje stanja z mamogramov, se pravi rentgenskih slik, je zahtevno in ne daje tako zanesljivih izsledkov, kot bi si želeli: kar blizu petino primerov raka se pri takšnih presejalnih testih zgreši, medtem ko okrog polovico žensk doleti tudi kak lažni alarm. Računalniška pomoč pri tovrstni diagnostiki ima že kar dolgo zgodovino, saj so v ZDA z njo začeli že pred več kot dvajsetimi leti. Toda v praksi...

Slo-Tech - DeepMindova strojna inteligenca AlphaStar, za igranje Starcrafta 2, je "v divjini" dosegla najvišji rang - velemojster (grandmaster), in sicer z vsemi tremi rasami ter brez prirejenih igralnih razmer.

Raziskovanje strojnega učenja za svoje poligone uporablja vse zahtevnejše igre. Šahu, kjer je bila dovolj surova moč, je sledil Go, kjer je moral računalnik že razviti neko mero intuicije in strategije. Naslednja stopnja so igre z nepopolnimi informacijami in kompleksnejšimi razmerji med igralnimi enotami - kot je na primer Starcraft 2, ki so ga za izziv vzeli v Googlovem laboratoriju DeepMind. Januarja smo poročali o verziji agentov, ki so premagali profesionalna igralca TLOja in MaNo; toda dogodek je nosil važne opombe. AI je znala gledati po vsem ozemlju naenkrat, obenem pa je obvladala le Protosse in nekaj kart. Manj kot leto dni je trajalo, da je z opisane stopnje prešla na polnopravno sodelovanje na online strežnikih in se prebila v zgornji poldrugi promil (človeških) igralcev.
...

Slo-Tech - Londonski DeepMind, ki ga je Google kupil pred petimi leti in je počel že marsikaj, od igranja goja in branja z ustnic do diagnostike očesnih bolezni, sedaj napoveduje tudi odpovedi ledvic. O dosežku poročajo v Nature.

To ni prvi DeepMindov izlet v zdravstvo. V resnici v britanskih bolnišnicah že nekaj časa preizkušajo sistem Streams, ki je namenjen diagnosticiranju težav z ledvicami. Streams ne uporablja umetne inteligence ali strojnega učenja, a mu kljub temu ne gre slabo. Zdravniki, ki so uporabljali Streams, so spregledali le tri odstotke primerov poslabšanja delovanja ledvic, medtem ko je brez Streamsa takih primerov 12 odstotkov. Streams deluje klasično, torej brez umetne inteligence, predvsem zato, ker je s tem laže začeti. Bolnišnice in...

Slo-Tech - Zadnji meseci so prinesli sveže novice o napredku umetne inteligence laboratorijev OpenAI in DeepMind v igranju iger s človeškimi nasprotniki. Strojna pamet OpenAI Five je prvič premagala eno vodilnih človeških ekip v Doti 2 na svetu, OG. DeepMindovi agenti pa so se znesli nad ljudmi v Quakovem načinu CTF.

Lansko poletje smo pisali, da v Doti 2 računalnik še ne nadvlada človeka, ko je algoritem OpenAI Five v ekshibicijskih bojih na prireditvi The International klonil proti človeškim profesionalcem. Manj kot leto dni dodatnega treninga je bilo potrebno, da je strojna pamet položaj obrnila sebi v prid, kajti sredi aprila so v dvoboju na dogodku OpenAI Five Finals padli aktualni svetovni prvaki z Internationala 2018, moštvo OG. Rezultat v igrah je bil 2:0 za...

Slo-Tech - DeepMind je svojo pot začel kot izvrsten igralec iger, a se je umetna inteligenca kmalu začela učiti tudi uporabnejših reči. Pred dvema letoma je DeepMind začel sodelovati z očesno kliniko Moorfields v Londonu, kjer je bil cilj umetno inteligenco naučiti prepoznati bolezni, ki jih lahko diagnosticiramo s fotografij oči. Številne bolezni je moč diagnosticirati s pregledom oči, na primer diabetično retinopatijo (bolezen očesne mrežnice zaradi povečane koncentracije sladkorja v krvi) ali starostno degeneracijo rumene pege. Dve leti pozneje so prvi rezultati objavljeni v Nature Medicine. Povzetek: DeepMind je boljši od ljudi.

DeepMind lahko iz posnetkov OCT prepozna več kot 50 različnih bolezni z natančnostjo 94,5 odstotka. Pearse Keane, ki je eden vodilnih avtorjev raziskave, pojasnjuje,...

Ars Technica - Čeprav so ljudje neprimerno bolj zapletena bitja od, recimo, glist, nimajo nič več genov, ki kodirajo za proteine. Bakterije jih imajo nekaj tisoč, število pa potem z naraščajočo razvitostjo organizma zraste do okoli 30 tisoč, kjer nespremenjeno vztraja za praktično vsa kompleksnejša živa bitja. To spoznanje je takoj po uspešnem razvozlanju človeškega genoma najprej pomenilo hud udarec za človeški napuh, kasneje pa je prizadetost zamenjalo vpraševanje, zakaj je to tako.

Znanstvenika v članku Nonspecific binding limits the number of proteins in a cell and shapes their interaction networks, ki je objavljen v reviji Proceedings of the National Academy of Sciences, pojasnjujeta, da se odgovor skriva v preprosti fizični kapaciteti celice....

Slo-Tech - Slo-Techova participacija v projektu Folding At Home še vedno obraja polne košare sočnih sadov. Čestitajte nam, saj smo prebili mejo 500.000 pridobljenih točk. Trenutno smo med vsemi svetovnimi ekipami na 44. mestu, tedensko obdelamo za 40.000 točk paketov, in naše sposobnosti dnevno le večamo. Če še niste v klubu zgibalcev, hitro po klienta, za številko ekipe vpišite 10824 -- in -- zgibajte dalje! Klik! za več informacij o projektu v slovenskem jeziku.

Čestitke!