ເທັກໂນໂລຢີ AI ຊ່ວຍເປີດເຜີຍລັກສະນະທີ່ແທ້ຈິງຂອງສິ່ງຕ່າງໆ ແລະ ປະກົດການຕ່າງໆ.

ເຕັກນິກທີ່ພັດທະນາມາຈາກປັນຍາປະດິດ (AI) ຊ່ວຍໃຫ້ນັກວິທະຍາສາດຊອກຫາສາເຫດຂອງສິ່ງຂອງ ແລະ ປະກົດການສະເພາະໃດໜຶ່ງໂດຍອີງໃສ່ສິ່ງທີ່ພວກເຂົາສັງເກດເຫັນ.

ເຕັກນິກໃໝ່ທີ່ພັດທະນາໂດຍໃຊ້ AI ສາມາດຊ່ວຍໃຫ້ ນັກວິທະຍາສາດ ຄົ້ນພົບສາເຫດຂອງປະກົດການບາງຢ່າງໂດຍອີງໃສ່ສິ່ງທີ່ພວກເຂົາສັງເກດເຫັນ. (ທີ່ມາ: Shutterstock)

ນັກວິທະຍາສາດຢູ່ໂຮງຮຽນວິສະວະກຳສາດ ແລະ ວິທະຍາສາດປະຍຸກ, ມະຫາວິທະຍາໄລເພນຊິວເວເນຍ (ສະຫະລັດອາເມລິກາ) ໄດ້ພັດທະນາເຕັກນິກ AI ໃໝ່ທີ່ສາມາດຊ່ວຍມະນຸດເຂົ້າໃຈວິທີການເຮັດວຽກຂອງທຳມະຊາດໄດ້ດີຂຶ້ນ. ລັກສະນະທີ່ໜ້າສັງເກດຂອງວິທີການນີ້ແມ່ນ AI ບໍ່ພຽງແຕ່ຄາດຄະເນສິ່ງທີ່ຈະເກີດຂຶ້ນເທົ່ານັ້ນ, ແຕ່ຍັງສາມາດຊ່ວຍຄົ້ນພົບສາເຫດທີ່ຕິດພັນໄດ້ອີກດ້ວຍ.

ສາດສະດາຈານ Vivek Shenoy, ຜູ້ຂຽນຫຼັກຂອງການສຶກສາ, ໄດ້ສະເໜີການປຽບທຽບງ່າຍໆ: ຖ້າທ່ານເຫັນຄື້ນຢູ່ເທິງໜ້ານ້ຳຂອງໜອງ, ທ່ານສາມາດສົມມຸດວ່າກ້ອນຫີນຫາກໍ່ຕົກລົງໄປໃນນ້ຳ. ແຕ່ກ້ອນຫີນຕົກລົງຢູ່ໃສ, ມັນຕົກລົງມາແນວໃດ, ແລະມັນສ້າງຜົນກະທົບຫຍັງແດ່ ແມ່ນຄຳຖາມທີ່ຍາກກວ່າ. ປະກົດການທີ່ຄ້າຍຄືກັນນີ້ມີຢູ່ໃນວິທະຍາສາດ. ນັກຄົ້ນຄວ້າມັກຈະສັງເກດຜົນໄດ້ຮັບພາຍນອກ, ແຕ່ສາເຫດທີ່ຕິດພັນບໍ່ສາມາດລະບຸໄດ້ງ່າຍ.

ວິທີການໃໝ່ນີ້ເອີ້ນວ່າ "ຊັ້ນ Mollifier". ແທນທີ່ຈະຄົ້ນຄວ້າສູດຄະນິດສາດທີ່ສັບສົນ, ມັນສາມາດເຂົ້າໃຈໄດ້ວ່າເປັນຊັ້ນປະມວນຜົນທີ່ຊ່ວຍໃຫ້ AI "ລຽບງ່າຍ" ຂໍ້ມູນກ່ອນການວິເຄາະ. ສິ່ງນີ້ມີຄວາມສຳຄັນເປັນພິເສດເພາະວ່າຂໍ້ມູນໃນໂລກຕົວຈິງມັກຈະບໍ່ສົມບູນແບບ. ມັນອາດຈະມີສຽງດັງ, ບໍ່ໝັ້ນຄົງ, ຫຼື ສັບສົນເກີນໄປ, ເຮັດໃຫ້ຄອມພິວເຕີຊອກຫາຮູບແບບທີ່ແນ່ນອນໄດ້ຍາກ.

ການນຳໃຊ້ເຕັກນິກນີ້ໃນເບື້ອງຕົ້ນແມ່ນການສຶກສາ DNA ພາຍໃນຈຸລັງ. ພາຍໃນແຕ່ລະຈຸລັງ, DNA ບໍ່ໄດ້ຢູ່ໂດດດ່ຽວແຕ່ຖືກຫຸ້ມຫໍ່ດ້ວຍໂປຣຕີນໃນໂຄງສ້າງທີ່ເອີ້ນວ່າ ໂຄຣມາຕິນ. ໂຄງສ້າງນີ້ມີບົດບາດສຳຄັນໃນການຄວບຄຸມກິດຈະກຳຂອງ gene, ມີອິດທິພົນຕໍ່ຄວາມເປັນເອກະລັກຂອງຈຸລັງ, ຄວາມແກ່, ແລະ ພະຍາດຕ່າງໆ. ດ້ວຍວິທີການ AI ໃໝ່ນີ້, ນັກວິທະຍາສາດຫວັງວ່າຈະເຂົ້າໃຈການປ່ຽນແປງທີ່ລະອຽດອ່ອນພາຍໃນຈຸລັງໄດ້ດີຂຶ້ນ, ດັ່ງນັ້ນຈຶ່ງອະທິບາຍວ່າເປັນຫຍັງ gene ຈຶ່ງເຮັດວຽກໃນວິທີທີ່ແຕກຕ່າງກັນ.

ວິທີການນີ້ບໍ່ພຽງແຕ່ເປັນປະໂຫຍດໃນຊີວະວິທະຍາເທົ່ານັ້ນ, ແຕ່ຍັງເປັນປະໂຫຍດໃນຫຼາຍໆຂົງເຂດອື່ນໆເຊັ່ນ: ການຄົ້ນຄວ້າວັດສະດຸ, ການພະຍາກອນອາກາດ, ຫຼື ການຈຳລອງການໄຫຼ. ເຫຼົ່ານີ້ແມ່ນຂົງເຂດທັງໝົດທີ່ມີຂໍ້ມູນທີ່ສັບສົນ, ຕົວແປຫຼາຍຢ່າງ, ແລະ ບ່ອນທີ່ສາເຫດພື້ນຖານບໍ່ສາມາດສັງເກດເຫັນໄດ້ໂດຍກົງ.

ອີງຕາມທີມງານຄົ້ນຄວ້າ, ເປົ້າໝາຍທີ່ໃຫຍ່ກວ່າຂອງເຕັກນິກນີ້ແມ່ນເພື່ອຊ່ວຍໃຫ້ວິທະຍາສາດກ້າວໄປໄກກວ່າການອະທິບາຍປະກົດການຕ່າງໆ, ເພື່ອເຂົ້າໃຈກົດໝາຍທີ່ສ້າງປະກົດການເຫຼົ່ານັ້ນ, ດັ່ງນັ້ນຈຶ່ງນຳໄປສູ່ການຄາດຄະເນທີ່ດີຂຶ້ນ, ການແຊກແຊງທີ່ຊັດເຈນກວ່າ, ແລະ ການເປີດຊ່ອງທາງການຄົ້ນຄວ້າໃໝ່ໆ.

ແຫຼ່ງຂໍ້ມູນ: https://baoquocte.vn/ky-thuat-ai-giup-tim-ra-ban-chat-su-vat-hien-tuong-392997.html