La Red de Conocimientos Pedagógicos - Conocimientos matemáticos - ¿Qué significa espectro empresarial? -Lea "Inteligencia artificial: Kaifu Lee habla sobre cómo la inteligencia artificial puede remodelar el futuro espectro de individuos, empresas y sociedad"

¿Qué significa espectro empresarial? -Lea "Inteligencia artificial: Kaifu Lee habla sobre cómo la inteligencia artificial puede remodelar el futuro espectro de individuos, empresas y sociedad"

Varias preguntas sobre el Gráfico de Conocimiento 1. ¿Por qué es tan importante el gráfico de conocimiento para que las máquinas alcancen la inteligencia artificial?

2. ¿Por qué es necesario un gráfico de conocimiento para comprender el lenguaje natural?

3. ¿Por qué el gráfico de conocimiento tiene buenas perspectivas de negocio?

Leer "Inteligencia artificial: Kaifu Lee habla sobre cómo la IA puede remodelar el mapa futuro de los individuos, las empresas y la sociedad" es un tema muy candente hoy en día, especialmente la victoria de AlphaGo en mayo de 2017 contra Lee Sedol, que Desencadenó la locura por la inteligencia artificial. El desarrollo de la inteligencia artificial nos lleva a enfrentar varias preguntas: ¿Qué es la inteligencia artificial, cuál es su impacto y cómo abordarla? Como experto, promotor industrial y evangelista ideológico en el campo de la inteligencia artificial, el Sr. Kaifu Lee responde a nuestras preguntas a través de este libro. Este libro es rico en contenido y cubre casi todos los aspectos de la inteligencia artificial, pero parece un poco estructurado. En general, como libro de divulgación científica, todavía me dio mucha inspiración.

1. Qué es la inteligencia artificial

El concepto de inteligencia artificial ha sido propuesto desde la invención de las computadoras. El test de Turing propuesto por Turing empezó a pensar en el desarrollo de la inteligencia artificial. Dio un método de prueba. El libro enumera la evolución de la definición de inteligencia artificial a lo largo de la historia. Contrariamente a la definición abstracta, la inteligencia artificial está realmente a nuestro alrededor ahora, como asistentes inteligentes, recomendaciones de noticias, visión artificial, arte de inteligencia artificial, nuevos motores de búsqueda, perros Alpha, etc. El libro utiliza el Hype Cycle de Gartner para demostrar que el actual auge de la inteligencia artificial es fundamentalmente diferente del pasado. Se ha dado cuenta de que campos como el reconocimiento de voz, la visión artificial y la minería de datos han alcanzado o incluso superado los niveles humanos normales, superando el umbral psicológico, entrando en escenarios de aplicación reales e integrándose estrechamente con los modelos de negocio, desempeñando un papel real en la industria.

El aprendizaje profundo ha creado la inteligencia artificial actual y es la tecnología clave detrás de ella. En 2006, Jeffrey Hinton y sus colaboradores anunciaron la llegada de la era del aprendizaje profundo con un artículo titulado "Algoritmos de aprendizaje rápido para redes de confianza profunda". Los algoritmos de aprendizaje profundo se derivan de la tecnología de redes neuronales artificiales y la tecnología se inspira en la suposición de que los ganglios humanos transmiten y procesan información a lo largo de una estructura de red. Históricamente, esta tecnología se estancó debido al problema XOR. No fue hasta que este problema se resolvió en 1975 que la gente desarrolló la tecnología de redes neuronales multicapa, que maduró gradualmente después de 2010.

El libro presenta de forma vívida y sencilla el misterioso algoritmo del aprendizaje profundo. Fundamentalmente, el aprendizaje profundo, como todos los métodos de aprendizaje automático, es un proceso de uso de modelos matemáticos para modelar problemas específicos en el mundo real para resolver problemas similares en el campo. Utilizando la analogía del proceso de los niños humanos que aprenden a reconocer palabras, la computadora debe resumir las reglas de las palabras. Cuando vea patrones similares en el futuro, sabrá cuáles son los patrones basándose en las reglas resumidas anteriormente. Este proceso se llama "aprendizaje informático". El objeto de aprendizaje se denomina "conjunto de datos de entrenamiento". Los datos del conjunto de datos se distinguen mediante "características" y los modelos se resumen mediante "modelado" por computadora. Existen diferentes algoritmos para el aprendizaje informático, como los árboles de decisión. El aprendizaje profundo se caracteriza por una expresión flexible al tiempo que permite que la computadora siga intentándolo hasta acercarse a la meta. Desde un punto de vista matemático, no existe una diferencia esencial entre el aprendizaje profundo y los métodos tradicionales de aprendizaje automático. Ambos esperan distinguir diferentes objetos en función de sus características en un espacio de alta dimensión, pero su capacidad de expresión es mejor que el aprendizaje automático tradicional. Específicamente, podemos considerar el objeto de aprendizaje como una gran cantidad de datos, arrojar los datos a una red de procesamiento de datos compleja (red neuronal profunda) que contiene múltiples niveles y luego verificar si los datos resultantes procesados ​​por esta red cumplen con los requisitos. Si cumple con los requisitos, mantenemos el modelo; de lo contrario, seguimos modificándolo hasta que el resultado cumpla con los requisitos. El libro ofrece ejemplos de válvulas para piscinas. Lo que este método requiere es que la computadora ajuste casi locamente todas las válvulas de control de flujo de una manera específica, experimente y explore constantemente, aumente el número de capas y variables, aumente la potencia de cálculo y aumente la cantidad de datos hasta obtener el mejor modelo. calculado. Entonces, el principio rector básico del aprendizaje profundo es el pragmatismo.

Se puede ver que el requisito previo para el funcionamiento eficaz de los algoritmos de aprendizaje profundo es que el rendimiento informático y la potencia de procesamiento del chip hayan mejorado considerablemente, y el segundo son los datos masivos de alta calidad aportados por el desarrollo a largo plazo de Internet. Cuando estas dos condiciones maduren, la inteligencia artificial basada en el aprendizaje profundo se fortalecerá.

Lo que es un poco misterioso es que el algoritmo de aprendizaje profundo es muy efectivo, pero una vez creado el modelo, el diseñador del modelo no puede explicar por qué o cuál es la relación causal. Mucha gente considera el método de aprendizaje automático más eficaz de la historia como una "caja negra", lo que también generará un problema: las personas desarrollan programas que son incomprensibles. Solo saben lo que ha hecho, pero no saben qué. ¿Se saldrá de control este proceso de aprendizaje?

En segundo lugar, el impacto de la inteligencia artificial

La discusión más acalorada sobre la inteligencia artificial deberían ser las películas de ciencia ficción, como "The Matrix", "El fantasma en el caparazón de la tortuga", "Yo" y "Robots" y "Terminator". La lista podría seguir durante mucho tiempo discutiendo las innumerables posibilidades. Clasificación simple, dividida en opiniones optimistas y pesimistas.

¿Es la inteligencia artificial una amenaza para nosotros? En una película con este escenario, el desarrollo de la inteligencia artificial está fuera del control humano y los seres humanos son apoyados, esclavizados o destruidos. Creo que es realmente alarmista.

El libro clasifica la inteligencia artificial: inteligencia artificial débil, inteligencia artificial fuerte e inteligencia superartificial. El punto de vista del libro es que lo que podemos ver ahora es inteligencia artificial débil, es decir, inteligencia artificial aplicada, que se centra y solo puede resolver problemas en campos específicos, la inteligencia artificial fuerte, también conocida como inteligencia artificial general, puede; Ser competente para todo el trabajo humano y tener razonamiento, estrategia, resolución de problemas, toma de decisiones, sentido común, planificación, aprendizaje, comunicación y otras habilidades. En entornos inciertos, una inteligencia artificial potente puede sustituir a los humanos. Pero aquí, ¿la inteligencia artificial fuerte tiene "conciencia"? La cuestión es compleja. Si la inteligencia artificial es consciente de sí misma, ¿es diferente de los humanos? La relación entre humanos y máquinas no es la que existe entre humanos y herramientas; la súper inteligencia artificial, suponiendo que la inteligencia artificial continúe desarrollándose, puede ser más inteligente que las personas más inteligentes y talentosas del mundo. Esta definición es muy vaga porque va más allá de la comprensión humana y sólo puede analizarse desde la perspectiva de la filosofía y la ciencia ficción.

Hay una discusión en el libro sobre si la singularidad está por llegar. El llamado "índice de miedo a orinar" ha sido muy popular hace un tiempo. La gente ha descubierto que el nivel tecnológico humano está acelerando el desarrollo. En sólo unos cientos de años, los seres humanos han superado con creces la historia. Por lo tanto, a la gente también le preocupa que esta tendencia acelerada conduzca al rápido desarrollo de una inteligencia artificial fuerte y una superinteligencia artificial. Una vez que llega la Singularidad, el destino de la humanidad es impredecible, del mismo modo que los nativos americanos no podían predecir el impacto de los colonos europeos tecnológicamente avanzados. El libro afirma que ciertas tecnologías, como la inteligencia artificial, encontrarán cuellos de botella técnicos insuperables, como el rendimiento de los chips, después de un período de desarrollo acelerado. Su conclusión es que dentro de un cierto período de tiempo, todas son herramientas humanas y es difícil traspasar el umbral de la inteligencia artificial. La preocupación de Hawking es que las máquinas y los humanos no están evolucionando al mismo ritmo. La inteligencia artificial puede acelerar la evolución, pero la evolución humana es limitada. Además, está el problema del desempleo.

En general, estoy de acuerdo con las opiniones del libro. En mi vida, puedo ver el desarrollo completo de la inteligencia artificial débil, y tal vez el surgimiento de una inteligencia artificial fuerte, pero la inteligencia súper artificial sigue siendo ciencia. ficción en la película. Es más probable que lo que podemos ver sea la imagen de una persona que utiliza la inteligencia artificial como herramienta.

3. Cómo afrontar la era de la inteligencia artificial

La llegada de la era de la inteligencia artificial es un hecho objetivo ineludible. Desde un punto de vista optimista, la inteligencia artificial puede ser un nuevo avance importante en la sociedad humana, tan importante como las tres revoluciones industriales, por lo que los humanos vivimos en una era completamente diferente, donde la individualidad y la libertad pueden desarrollarse aún más. La mejora de la eficiencia del contacto de las personas y la eficiencia de la producción provocó cambios sociales y económicos. Seguir la tendencia de los tiempos es una elección racional.

El primer problema al que nos enfrentamos es el trabajo. ¿Serán reemplazados nuestros empleos? Este libro ofrece una regla general: "La regla de los cinco segundos". Si las personas pueden tomar decisiones en cinco segundos sobre cuestiones que deben considerarse y decidirse en el trabajo, es probable que ese trabajo sea reemplazado. Pensar en mi trabajo me preocupa un poco. Pero si implica pensar detenidamente, razonar minuciosamente y tomar decisiones complejas, es difícil reemplazarlo durante tanto tiempo. Algunos expertos creen que la inteligencia artificial puede reemplazar fácilmente a las personas que tienen criterios de evaluación claros y cuyo desempeño laboral puede medirse objetivamente. En el futuro, el trabajo a cualquier nivel se llevará a cabo en colaboración con inteligencia artificial, lo que permitirá a los talentos senior utilizar sus habilidades para centrarse en tareas que tienen menos probabilidades de automatizarse. Esta tendencia ya es obvia y todos los ámbitos de la vida han comenzado el proceso de AI+. Dado que la inteligencia artificial funcionará mucho mejor que los humanos en algunas áreas, lo que deberíamos considerar es cómo defender nuestro valor como seres humanos.

Hacer cosas que la inteligencia artificial no puede hacer bien, como razonamiento transfronterizo, capacidades de abstracción, muestras pequeñas y capacidades de aprendizaje no supervisado, la capacidad de saber qué es, la capacidad de construir un sistema general, capacidades de sentido común, autoconciencia, estética, emoción, etc.

La segunda cuestión es la educación. ¿Qué tipo de educación necesitamos? El libro explora esta cuestión desde una perspectiva social estructural. La estructura social tradicional es la pirámide. En la era de la inteligencia artificial, la pirámide será más razonable y eficiente, y habrá menos personas en la base dedicadas a trabajos básicos y repetitivos. Sin embargo, la pirámide no colapsará y será más probable que se ajuste a la existente. base. Hablando con optimismo, con el desarrollo de la productividad, más personas se liberarán del arduo sustento y podrán o deberán invertir en campos más humanos. Por lo tanto, es necesario realizar ajustes importantes en el sistema educativo para cultivar talentos artísticos, de liderazgo y más expertos y para mejorar las habilidades de cooperación entre humanos y máquinas. Cultivar habilidades más singulares entre las personas como el pensamiento, la creación, la comunicación, la comunicación emocional, el apego, la pertenencia y la cooperación, la percepción integral y la imaginación del mundo. Las habilidades que sólo pueden dominarse mediante la memorización y la práctica son las menos valiosas y es casi seguro que pueden realizarse mediante una máquina. La educación basada en exámenes de memoria y la aritmética son las habilidades menos útiles. Sólo la personalidad humana es el valor real del ser humano en la era de la inteligencia artificial. En términos de expresión, el autor cita dos ejemplos de vanguardia, uno es la Universidad Minerva y el otro es la "Clase Yao" de la Universidad Tsinghua. Concluyó que los métodos de aprendizaje centrales y más efectivos en la era de la inteligencia artificial son: desafiar activamente los límites, aprender de la práctica, centrarse en la educación heurística, educación interactiva en línea, aprender activamente de las máquinas, aprender a cooperar entre humanos y máquinas, y aprender a seguir el interés. Encuentre un trabajo que las máquinas no puedan reemplazar fácilmente, ya sea por belleza o curiosidad.

El libro también explica los futuros desarrollos industriales. La conducción autónoma es el mayor escenario de aplicación de la inteligencia artificial y está llena de imaginación. Conducirá a nuevos formatos de negocios, nueva construcción de infraestructura y nuevos estilos de vida, lo cual es una buena noticia para mí. El autor también profundiza en el desarrollo de la tecnología de conducción autónoma. Él cree que China tiene grandes ventajas en el desarrollo de tecnología de conducción autónoma y puede desempeñar un papel clave. Una es que somos más tolerantes en términos de derecho y moralidad, y la otra es que la construcción de infraestructura es nuestra fortaleza. Otra inteligencia artificial prometedora actualmente son las finanzas inteligentes. Al utilizar la extracción profunda de big data, tiene ventajas en el comercio cuantitativo, la inversión inteligente, la prevención y el control de riesgos, la seguridad y la identificación del cliente, y el servicio al cliente inteligente y el marketing de precisión. Traducción, asistencia sanitaria inteligente. Soy muy optimista acerca de la atención médica inteligente. Los recursos médicos son escasos. Con la ayuda de la inteligencia artificial, se puede aumentar la eficiencia y la audiencia, liberando a los mejores médicos para que realicen investigaciones científicas verdaderamente desafiantes. El libro también explica el espíritu empresarial de inteligencia artificial, desde la estrategia nacional hasta el nivel corporativo. El gobierno chino tiene capacidades de ejecución más sólidas y China también cuenta con excelentes investigadores científicos. Además, se discuten preocupaciones y recomendaciones para la seguridad de la información en la era de la inteligencia artificial.

Cuarto, inspiración para mí

Al vivir en esta era, soy a la vez afortunado y desafortunado. Tenemos suerte porque estamos en un período de cambio y tenemos la oportunidad de ver desarrollos disruptivos en el futuro. Desafortunadamente, tenemos que adaptarnos a la incertidumbre y es posible que no veamos el desarrollo completo de una “IA fuerte” y una “superIA”.

Hablando con optimismo, en el futuro las personas podrán dedicarse de todo corazón al trabajo que realmente desean y trabajar por su pasión, de modo que su experiencia de vida sea más colorida. La inteligencia artificial creará más riqueza, la mayoría de las personas podrán vivir más libremente y habrá un nuevo y mejor sistema de bienestar social. Debido al surgimiento de la inteligencia artificial, las personas han vuelto a confirmar su valor único, es decir, tener conciencia independiente y poder comprender el significado de la vida y la connotación de la muerte. Debido a que la vida es limitada, los pensamientos y el destino pueden ser muy valiosos. El libro cita al filósofo francés Blaise: "El hombre es sólo una caña, pero sabe que va a morir. El universo también tiene sus beneficios, pero el universo no sabe nada al respecto, por lo que toda nuestra dignidad está en nuestros pensamientos. " Mejorarse continuamente, ser bueno en el uso de las fortalezas humanas y ser bueno en el uso de máquinas serán las características esenciales de los talentos en todos los campos de la sociedad en el futuro.

Al mismo tiempo, el desarrollo de la inteligencia artificial traerá inevitablemente graves problemas. Históricamente, el desarrollo de la productividad, especialmente en la etapa inicial, traerá muchos problemas sociales y causará dolor a la gente en ese momento. Las nuevas tecnologías pueden no necesariamente beneficiar a la mayoría de las personas y pueden causar una mayor injusticia social. Incluso desde la perspectiva actual, los problemas de seguridad de la información y la manipulación de la información recibida (como el incidente de Cambridge Analytica) son muy graves y nos enfrentamos a más peligros.

Al leer la literatura recientemente, descubrí que algunos artículos se basan en el mapeo BioNano y la tecnología Hi-C para ayudar en el ensamblaje. Aprende sobre bionanotecnología.

BioNano atlas y Hi-C se utilizan para anclar el andamio al cromosoma y ayudar en el ensamblaje. Entonces, revisemos los métodos utilizados antes por estas dos tecnologías.

1. Métodos tradicionales de anclaje

Existen dos métodos tradicionales para el anclaje cromosómico: el posicionamiento físico y el posicionamiento genético. El primero determina principalmente la información de posición del andamio en el cromosoma a través de la relación de superposición de secuencias, mientras que el segundo utiliza principalmente la tasa de recombinación de las cromátidas hermanas después de la meiosis para determinar el orden y la dirección del andamio en el cromosoma. En la operación real, los métodos de anclaje tradicionales tienen problemas como alta dificultad experimental, alto costo y grandes errores experimentales. __

2. Método de anclaje basado en tecnología de captura de conformación de cromatina.

El principio básico de la tecnología Hi-C es: primero, utilizar un agente de reticulación para fijar la cromatina de las células vivas. El formaldehído es el agente de reticulación más utilizado y luego, la cromatina fijada se digiere; mediante enzimas de restricción como HindIII; luego llene los extremos pegajosos con nucleótidos marcados con biotina; realice una reacción de llenado de extremos romos en un ambiente diluido para promover la conexión entre los fragmentos de cromatina reticulados; luego use ultrasonido para romper los fragmentos de ADN capturados. y, finalmente, utilizar fragmentos de ADN marcados con biotina se secuenciaron en la plataforma Illumina para obtener una matriz de interacción de cromatina de todo el genoma. La secuencia de ADN obtenida se compara con un genoma de referencia. Si un par de secuencias corresponde a fragmentos de restricción en diferentes posiciones, se considera que existe una interacción de cromatina entre los dos fragmentos, lo que permite la construcción de una matriz de frecuencia de interacción entre todos los fragmentos de restricción del genoma.

La interacción de la cromatina producida por la tecnología Hi-C muestra un patrón de atenuación al aumentar la distancia, es decir, la interacción dentro del cromosoma es más fuerte que la interacción entre los cromosomas. mismo cromosoma Las interacciones que están más cerca son más fuertes que las que están más lejos. Según esta regla, la tecnología Hi-C se puede utilizar para anclar estructuras y también puede referirse al ordenamiento y orientación de las estructuras en los cromosomas. Secuenciación Hi-C de referencia y características de los datos de secuenciación

3. Método de anclaje basado en tecnología de espectrograma

La tecnología de mapeo óptico fue inventada por primera vez por Schwartz et al. El sistema de mapeo óptico Irys lanzado recientemente por BioNanoGenomics ha comercializado verdaderamente la tecnología de mapeo óptico (Lametal., 2021). El sistema Irys utiliza endonucleasas de restricción especiales y etiquetas fluorescentes especiales para apuntar al ADN monocatenario de hasta cientos de kb. Se obtienen imágenes de moléculas y estructuras genómicas. se muestran en forma de mapas de enzimas de restricción utilizando imágenes de alta calidad.

El principio básico de la espectroscopia es el siguiente:

En una gran cantidad de solución celular, las moléculas de ADN se cortan aleatoriamente en fragmentos de aproximadamente 500 kb y luego los fragmentos de ADN se estiran. El microcanal y unido a la banda en el andamio de vidrio cargado positivamente, se utilizan endonucleasas de restricción específicas para cortar el ADN en los sitios de restricción correspondientes. Las moléculas de ADN escindidas se tiñen con tintes fluorescentes y se fotografían al microscopio (Figuras a-d). La longitud de lectura ultralarga única del sistema Irys puede abarcar fácilmente regiones de secuencia repetidas y algunos fragmentos de ADN que contienen elementos complejos, lo que simplifica enormemente el proceso de ensamblaje del genoma, mejora la eficiencia del ensamblaje del genoma y también resuelve el problema de las brechas de empalme. BioNano produce mapas físicos de pequeñas estructuras de secuencia (como sitios de reconocimiento de enzimas de restricción) a lo largo de cientos de kilobases de moléculas de ADN (láminas delgadas de metal). , 2021), no solo se pueden secuenciar y orientar los andamios, sino que también se puede evaluar la calidad de los ensamblajes del genoma. BioNano se utilizó originalmente principalmente en el campo del ensamblaje del genoma microbiano de genomas pequeños, y ahora se ha utilizado ampliamente en el campo del ensamblaje del genoma vegetal.

Figura a-a-d Diagrama esquemático de la construcción del mapa óptico BioNano

La tecnología Bionano simplemente agrega etiquetas fluorescentes a las moléculas y luego toma fotografías, por lo que los datos originales fuera de línea están en formato TIFF, pero lo obtenemos. Generalmente es el formato BNX convertido por AutoDetect/IrysView.

Las imágenes ópticas de Bionano muestran el verdadero paisaje de las moléculas naturales de ADN. Utilice el kit de aislamiento SPDNA para obtener moléculas de ADN ultralargas y utilice tinción de etiquetado directo (DLS) para etiquetar las moléculas de ADN.

La linealización de cada molécula de ADN a través de un chip de nanomicrofluidos para obtener imágenes de fluorescencia de alta resolución proporciona un paisaje de ADN prístino para aplicaciones posteriores en genómica. Este mapa físico realista del genoma proporciona un marco a escala cromosómica para el ensamblaje del genoma que puede detectar de manera eficiente variaciones estructurales de segmentos grandes homocigotos y heterocigotos.

Mejora del genoma de referencia de la col china y análisis de interacción de la cromatina, Zhang Lei, 2018.