AI-teknologi hjelper med å avdekke den sanne naturen til ting og fenomener.

En teknikk utviklet fra kunstig intelligens (KI) hjelper forskere med å finne årsakene til visse ting og fenomener basert på det de observerer.

Nye teknikker utviklet ved hjelp av kunstig intelligens kan hjelpe forskere med å oppdage årsakene til visse fenomener basert på hva de observerer. (Kilde: Shutterstock)

Forskere ved School of Engineering and Applied Sciences, University of Pennsylvania (USA) har utviklet en ny AI-teknikk som kan hjelpe mennesker med å bedre forstå hvordan naturen fungerer. Det bemerkelsesverdige ved denne metoden er at AI ikke bare forutsier hva som vil skje, men også kan bidra til å avdekke de underliggende årsakene.

Professor Vivek Shenoy, hovedforfatter av studien, tilbyr en enkel analogi: Hvis du ser krusninger på overflaten av et tjern, kan du anta at en stein nettopp har falt i vannet. Men hvor steinen falt, hvordan den falt og hvilken innvirkning den skapte er vanskeligere spørsmål. Lignende fenomener finnes i vitenskapen. Forskere observerer ofte de eksterne resultatene, men de underliggende årsakene er ikke lett identifiserbare.

Den nye metoden kalles «Mollifier Layers». I stedet for å fordype seg i komplekse matematiske formler, kan den forstås som et behandlingslag som hjelper AI med å «glatte ut» data før analyse. Dette er spesielt viktig fordi data fra den virkelige verden ofte er ufullkomne. De kan være støyende, ustabile eller for komplekse, noe som gjør det vanskelig for datamaskiner å finne det nøyaktige mønsteret.

En første anvendelse av denne teknikken innebærer å studere DNA i celler. Inne i hver celle eksisterer ikke DNA isolert, men er pakket med proteiner i en struktur kalt kromatin. Denne strukturen spiller en avgjørende rolle i å kontrollere genaktivitet, og påvirker cellulær identitet, aldring og sykdom. Med denne nye AI-metoden håper forskere å bedre forstå de svært subtile endringene i celler, og dermed forklare hvorfor gener fungerer på forskjellige måter.

Denne metoden er ikke bare nyttig i biologi, men også i mange andre felt som materialforskning, værvarsling eller strømningssimulering. Dette er alle felt med komplekse data, mange variabler, og hvor de underliggende årsakene ikke lett kan observeres direkte.

Ifølge forskerteamet er det større målet med denne teknikken å hjelpe vitenskapen med å gå utover å bare beskrive fenomener, å forstå lovene som skaper dem, og dermed føre til bedre forutsigelser, mer presise intervensjoner og åpne nye forskningsmuligheter.

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