בואו לגלות את עמוד הכתבה החדש שלנו
 

אתם מחוברים לאתר דרך IP ארגוני, להתחברות דרך המינוי האישי

טרם ביצעת אימות לכתובת הדוא"ל שלך. לאימות כתובת הדואל שלך  לחצו כאן

לקרוא ללא הגבלה, רק עם מינוי דיגיטלי בהארץ  

רשימת קריאה

רשימת הקריאה מאפשרת לך לשמור כתבות ולקרוא אותן במועד מאוחר יותר באתר,במובייל או באפליקציה.

לחיצה על כפתור "שמור", בתחילת הכתבה תוסיף את הכתבה לרשימת הקריאה שלך.
לחיצה על "הסר" תסיר את הכתבה מרשימת הקריאה.

הבינה המלאכותית פוקחת את עיני המדענים

הטכנולוגיות החדשות מאפשרות למדענים לפענח תופעות מסובכות מדי לעין אנושית אפילו בעזרת מיקרוסקופ, כמו לעקוב אחר התפתחות עובר או לשפר אבחון סרטן, וזו רק ההתחלה

6תגובות
הרובוט סופיה, לו בינה מלאכותית
Denis Balibouse / REUTERS

המצלמות, המיקרוסקופים והטלסקופים החדשים מאפשרים למדענים לצפות בתופעות טבע, מהקטנות ביותר ועד הרחוקות ביותר, שעד לפני זמן לא רב היו לחלוטין בלתי נגישות למחקר. אולם אם ניסיתם אי פעם להביט דרך מיקרוסקופ או טלסקופ, אתם יודעים שקודם כל צריך לדעת איך למקד את המכשיר על מושא המחקר שלכם. אם כך, דמיינו לדוגמה ניסיון לעקוב בזמן אמת אחר תא (ביצית מופרית) המתחלק לשתיים, ארבע, שמונה וכן הלאה, עד שהוא הופך למיליוני תאים שונים ומובחנים לפי איברים. כדי להפוך את המעקב למסובך יותר, התא המתחלק גם לא נותר ללא תזוזה, אלא מתנועע ללא הרף בצלוחית שבה הוא נמצא.

מוקדם יותר הקיץ פרסמו מדענים מחקר ראשון המציג את אופן התחלקות עובר שכזה (של עכבר). החוקרים עקפו את האתגר של המעקב אחר התאים השונים שמתחלקים בכך שסימנו את הגנום של העכבר בברקוד, והוא אִפשר בניית "עץ משפחה" של כל תאי העובר בן תריסר הימים, אחורה עד לתא הראשון. אולם מחקר חדש, שהתפרסם בשבוע שעבר, הראה כי אם נעזרים ביכולות המבט שמציעה הבינה המלאכותית, אפשר לעקוב גם אחר התחלקות מאות אלפים ומיליונים של תאים בזמן אמת — והתוצאה: תיעוד מהפנט של האופן שבו איברים מתפתחים בעובר של עכבר.

איברים בסיסיים מתפתחים בעובר של עכבר - דלג
איברים בסיסיים מתפתחים בעובר של עכבר

חובבי מדע בדיוני, עתידנים ומדענים שונים מדברים לא מעט על הפוטנציאל העצום של הבינה המלאכותית לשנות את חיינו מן היסוד. רמזים לאפשרויות הרבות שנפתחות בזכות היכולת של מחשבים "לחשוב לבד" קיימים כבר כעת, לדוגמה בעוזר/ת האישי/ת שנמצאים בטלפונים הסלולריים שלנו. מבחינות רבות, ברור כי הטכנולוגיה עוד בחיתוליה. אבל סדרת מחקרים שהתפרסמו בחודשים האחרונים מראה כי כבר כיום הבינה המלאכותית פוקחת את עיני המדענים: היא מאפשרת לראות דברים שהעין האנושית אינה מסוגלת לקלוט, ולעבד את הכמויות העצומות של המידע המדעי שהטכנולוגיות החדשות מפיקות — מאבחון סרטן שד, דרך חקר הים ועד הבנת מצבים קוונטיים של החומר.

לפי ארתור סמואל, שהמציא את המושג, למידת מכונה היא "לתת למחשב את היכולת ללמוד, בלי לתכנת אותו במפורש לכך". בלמידת מכונה מזינים למחשב הררי מידע ומבקשים מהאלגוריתם לזהות דפוסים בהתאם להנחיות מסוימות. במלים אחרות, המחשב לומד מניסיון. בזכות האלגוריתם של למידת המכונה שהותקן במיקרוסקופ העוצמתי, הצליחו החוקרים, לפי מאמר שהתפרסם בכתב העת המדעי Cell, ליצור "עובר עכבר דיגיטלי" שמאפשר מבט חדש על האופן שבו הגנים וגורמים אחרים משפיעים על התפתחות האיברים.

מחקר בסיסי שכזה יכול לאפשר למדענים להגיע לתובנות על התפתחות העוברים, ומקדם את המדע לעבר היעד של גידול איברים במעבדה לצורך השתלה. אולם בינה מלאכותית משמשת חוקרים גם כדי להביא להשפעות ישירות יותר על בריאותנו כבר היום. מחקר שהתפרסם החודש בכתב העת המדעי Clinical Cancer Research הראה כי אפשר להשתמש באלגוריתם של למידה עמוקה כדי לדייק את האבחון של גידולים בשד.

למידה עמוקה היא תת־תחום של למידת מכונה, ששואב את השראתו ממבנה המוח האנושי (ליתר דיוק, ממנגנון הראייה במוח). המערכות שמפותחות בתחום נקראות רשתות נוירונים עמוקות. הטכניקה זכתה לזינוק מחודש בשנים האחרונות, והיא מבוססת על הזנה של כמויות מידע אדירות לאלגוריתמים, המדמים שכבות של נוירונים.

כל שכבה מעבדת את המידע במידה מסוימת, והשכבה שאחריה מתבססת על העיבוד שנעשה בשכבות הקודמות. בשיטה זו לומד המחשב בעצמו לבצע כל מיני פעולות — אם מדובר בזיהוי תמונות וטקסטים ואם בהסקת מסקנות מסוימות על פי המידע שהוזן אליהם.

סדר בנתונים

במחקר הנוכחי ביקשו החוקרים לראות אם אפשר להיעזר ברשתות הנוירונים כדי לצמצם את התופעה של אבחון שגוי - נשים שזוהו כסובלות מסרטן שד ממאיר ורק בהמשך התברר כי מדובר בגידולים שפירים.

במחקר הזינו המדענים כמעט 15 אלף תצלומים של יותר מ–3,700 מטופלות משני מאגרי ממוגרפיה. המחשב הצליח להבדיל בין גידולים שפירים, ממאירים וכאלה שהתגלו כשפירים רק בבדיקה חוזרת, בשיעור הצלחה של 75%–90%.

בדיקה ממוגרפית לגילוי סרטן שד. המדענים הזינו 15 אלף תצלומים של יותר מ–3,700 מטופלות משני מאגרי ממוגרפיה
/אי־פי

השפעת הבינה המלאכותית מורגשת בתחומים אחרים בביולוגיה. במאמר שהתפרסם בחודש שעבר בכתב העת נייצ'ר, הוצגה היכולת של האלגוריתמים לפקוח את עיני החוקרים לתופעות ימיות שהיו מורכבות מדי לפענוח עד היום, וגם חשף חלק מהמגבלות שקיימות עדיין בהסתמכות על למידת מכונה.

במחקר, נעזרו בבינה מלאכותית כדי לקבל מבט מעמיק על האופן שבו יצורי הים השונים אוכלים את הפלנקטון, היצורים המיקרוסקופיים שנמצאים בבסיס פירמידת המזון הימית. כדי לפענח את מחזור החיים של הפלנקטון והחיות שמתקיימות עליו, נעזרים חוקרים במצלמה מיוחדת הנגררת מאחורי סירות. מצלמה זו מייצרת 80 תצלומים בשנייה — 660 ג'יגה־בייט של מידע בשעה. משימת מחקר אחת יכולה להפיק מאות מיליונים ועד מיליארדים של תצלומים שונים. כדי לצלוח את כמות המידע העצומה הזו הזינו החוקרים את התצלומים לתוכנת למידת מכונה.

אולם גם בעזרת הבינה המלאכותית, ניתוח כמות כזו של מידע אינו משימה פשוטה, מאחר שכדי ללמד את המחשב לזהות את היצורים השונים שמופיעים בתמונות, נדרשו המדענים לעבור על מיליוני תצלומים באופן ידני, ולסמן את סוגי החיות השונות שהמחשב נדרש לזהות. מעבר לכך, הסבירה לנייצ'ר קלי רובינסון, חוקרת של אקולוגיה ימית באוניברסיטת לואיזיאנה בלפאייט, היא ועמיתיה מחפשים דרכים לייעל את עיבוד המידע, כמו עיבוד במקביל של נתונים גרפיים או מעבר למחשוב בענן. אבל למרות עזרת המחשב, היא אומרת, מה שהחוקרים צריכים הוא עוד מומחים שיעבדו את הנתונים.

מחקר בפיזיקה של החומר הציג גם הוא את הפוטנציאל העצום שיש בשימוש בבינה מלאכותית כדי לראות דברים שהעין האנושית אינה מסוגלת, וחושף גם הוא מגבלות של הבינה המלאכותית. במחקר, שעלה למאגר המידע arXiv לפני כחודשיים, נעזרו בלמידת מכונה כדי להגיע לתובנות לגבי התופעה הנקראת "מוליכות־על בטמפרטורה גבוהה".

מוליכי־על הם חומרים המעבירים חשמל ללא התנגדות כלשהי (ולכן ללא איבוד אנרגיה). מרבית מוליכי־העל המוכרים למדע מגיעים למצב הצבירה הזה רק לאחר שהם מקוררים לטמפרטורה של ארבע מעלות מעל האפס המוחלט (מינוס 269 מעלות צלזיוס). דרישות אלה מגבילות משמעותית את השימוש במוליכי־על, שהפוטנציאל שלהם בחיסכון באנרגיה עצום. אך קבוצה ייחודית של חומרים העשויים משכבות של תחמוצות נחושת מגיעה למצב צבירה של מוליכות־על בטמפרטורה "סבירה" יותר, מינוס 140 מעלות.

לפני הכניסה למצב הצבירה של מוליכות־על בטמפרטורה גבוהה, חומרים אלה עוברים דרך שלב מעבר שנקרא pseudogap, וחוקרי התחום חלוקים בדעתם מה בעצם קורה לאלקטרונים של החומר בשלב זה. כדי לקדם את הוויכוח, הזינו חוקרים לתוך המחשב תצלומים של שלב המעבר למוליכות־העל כפי שצולמו במיקרוסקופ משוכלל. כדי לאמן את המחשב, החוקרים הזינו אותו בדוגמאות של דפוסים המתאימים לתחזיות של התיאוריות השונות לגבי התנהגות האלקטרונים. לאחר שהמחשב למד לזהות את הדפוסים, החוקרים הזינו תצלומי אמת של מצב המעבר למוליכות־העל. פעם אחר פעם זיהה המחשב את הדפוס התואם לתיאוריה אחת, שלפיה האלקטרונים מתנהגים כמו חלקיקים שיוצרים אינטראקציה חזקה זה עם זה.

אמנם המחקר לא הכריע את המחלוקת בנושא, אבל הוא הציג את הפוטנציאל הטמון בהיעזרות בבינה המלאכותית לפענוח תוצאות של ניסויים מורכבים בפיזיקה של החומר. המאמר מציג גם את המגבלות של למידת המכונה: המחשב מסוגל להבדיל רק בין דפוסים שונים שהוזנו לתוכו — הוא אינו יכול לזהות בעצמו דפוסים חדשים לחלוטין. למרות המגבלות, "המסע של השימוש בבינה מלאכותית, או למידת מכונה, כדי להבין מצבים קוונטיים, רק החל", אמרה און־אה קים מאוניברסיטת קורנל.

שלום עולמי

במדעי החברה המתודה המדעית גמישה יותר מבמדעים המדויקים, אבל גם הם מתמודדים עם מסדי נתונים עצומים. במאמר שהתפרסם בשבוע שעבר בכתב העת נייצ'ר, טענו חוקרים כי בעזרת היכולת לעבד כמויות עצומות של מידע אפשר למצוא דפוסים גם בהתנהגויות אנושיות מורכבות — כמו היכולת לחזות את הסיכויים לפריצת סכסוך אלים.

לפי המאמר, מדינות משקיעות מעט משאבים במניעת סכסוכים לפני פריצתם, בהשוואה למאמצים המושקעים בסכסוכים עצמם. אף על פי שהתחום המדעי של חיזוי סכסוכים אלימים קיים כבר עשרות שנים, עד היום הקהילה הבינלאומית היתה מסוגלת לזהות את האזורים בעלי הפוטנציאל לאלימות זמן קצר בלבד לפני שהחלו הקרבות.

במאמר החדש מציגים החוקרים מפת דרכים לשימוש בבינה מלאכותית לניתוח של נתונים סטטיסטיים וטקסטים של דיווחי חדשות, כדי לזהות פוטנציאל לאלימות ולנקוט צעדים למניעתה. לפי המאמר, לפחות בשלושה מקומות עובדים על פיתוח יכולות שכאלה: חברת לוקהיד מרטין, מכון אלן טיורינג בבריטניה, וממשלת ארצות הברית עצמה, בעזרת "כוח המשימה לנושא אי-היציבות הפוליטית" שלה.

החוקרים מציינים במאמר כי בעתיד יוכלו המודלים לחיזוי קונפליקטים להסביר גם את המניעים שעלולים להוביל לאלימות. לשם כך, הם מסבירים, צריכים החוקרים לשכלל את טכניקות למידת המכונה, לשפר את מקורות המידע על הסיבות לפריצת אלימות ואת הרזולוציה שלהם, ולהציע מודלים תיאורטיים שישקפו בצורה מדויקת יותר את מורכבות היחסים החברתיים ואת קבלת ההחלטות.



תגובות

דלג על התגובות

בשליחת תגובה זו הנני מצהיר שאני מסכים/מסכימה עם תנאי השימוש של אתר הארץ

סדר את התגובות

כתבות שאולי פספסתם

*#
בואו לגלות את עמוד הכתבה החדש שלנו