人工智能的深层神经网络误导的结果

人工智能已经进入我们的日常生活。首先,它是ChatGPT。现在,是AI-generated披萨,喝着啤酒广告。虽然我们不能相信人工智能是完美的,事实证明,有时我们不能信任自己和人工智能。

冷泉港实验室(3)助理教授彼得古科学家发现,使用流行的计算工具来解释人工智能预测捡太多的噪音,或额外的信息,在分析DNA。他找到了一个解决这个问题的方法。现在,随着新几行代码,科学家可以得到更可靠的解释的AIs称为深层神经网络。这意味着他们可以继续追踪真正DNA特性。这些功能可能会在健康和医学信号下一个突破。但是科学家们不会看到信号如果他们太多的噪音淹没了。

所以,爱管闲事的噪声的原因是什么?这是一个神秘而无形的源像数字“暗物质。“物理学家和天文学家认为宇宙的最充满了暗物质,这种材料施加引力效应,但还没有人见过。同样,古永锵和他的团队发现了人工智能的数据正在训练缺乏关键信息,导致重大盲点。更糟糕的是,这些盲点得到计入当口译人工智能预测DNA的功能。古永锵说:

“深层神经网络是将这种随机的行为,因为它学习函数无处不在。但DNA只是在一个小的子空间。它引入了一个很大的噪音。所以我们表明,这个问题确实引入很大的噪音在各种各样的著名的人工智能模型”。

数字暗物质是科学家借贷的结果从计算机视觉人工智能计算技术。DNA数据与图片不同,仅限于核苷酸结合四个字母:a、C、G、t .但图像数据的像素可以长期和持续。换句话说,我们喂养人工智能输入它不知道如何正确地处理。

通过应用古的计算修正,科学家可以解释艾未未的DNA分析更准确。他说:

“我们最终看到的网站变得更加清晰和干净,和其他地区的伪噪声较少。一次性的核苷酸,被认为是非常重要的突然消失。”

古永锵认为噪声干扰影响超过AI-powered DNA分析。他认为这是一个普遍的苦难计算过程涉及类似的类型的数据。记住,暗物质是无处不在。值得庆幸的是,古的新工具可以帮助科学家们从黑暗到光明。

参考:Majdandzic, Rajesh C,古永锵PK。基于校正梯度解释基因组学的深层神经网络。基因组医学杂志。2023;24 (1):109。doi:10.1186 / s13059 - 023 - 02956 - 3

本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。