✍🏻 بررسی تعامل میان ژن‌ها با کمک یادگیری عمیق

دانشمندان "دانشگاه کارنگی ملون"(CMU)، یک روش هوش مصنوعی ارائه داده‌اند که فناوری تشخیص چهره و دیگر اپلیکیشن‌های مبتنی بر تصویر را متحول کرده و قدرت خود را برای کشف روابط میان ژن‌ها به کار گرفته است.

نکته مهم در مورد این روش، انتقال میزان قابل توجهی از داده‌های مرتبط با بیان ژن به تصویر است. "شبکه‌های عصبی پیچشی"(CNNs) که مهارت آنها در تحلیل تصویر بسیار بالا است، می‌توانند حدس بزنند که کدام ژن‌ها در تعامل با یکدیگر قرار دارند. عملکرد شبکه‌های عصبی پیچشی در این کار، از عملکرد روش‌های کنونی، بیشتر است.

شاید گزارش پژوهشگران در مورد نحوه کمک کردن شبکه‌های عصبی پیچشی به شناسایی ژن‌ها و مسیرهای ژنتیکی مرتبط با بیماری بتواند به کشف داروهای جدید منجر شود اما "زیو بار جوزف" (Ziv Bar-Joseph)، استاد یادگیری ماشینی دانشگاه کارنگی ملون و از نویسندگان این پژوهش باور دارد که کاربردهای این روش جدید موسوم به "CNNC" می‌توانند از تعاملات ژنتیکی هم فراتر بروند.

بررسی‌ها حاکی از این هستند که شاید روش CNNC، کارآیی لازم را برای بررسی روابط علت و معلولی موضوعات گوناگون از جمله داده‌های تجاری و شبکه اجتماعی داشته باشد. شبکه‌های عصبی پیچشی که حدود یک دهه پیش ابداع شدند، روشی دگرگون‌کننده را ارائه می‌دهند. در سرویس "گوگل فوتوز"(Google Photos) نیز از این شبکه‌ها برای تشخیص چهره استفاده شده است. ما گاهی اوقات این فناوری را بسیار ساده تصور می‌کنیم زیرا همیشه در حال استفاده از آن هستیم اما این فناوری، بسیار قدرتمند است و به تصاویر، محدود نمی‌شود. نحوه نشان دادن داده‌ها، موضوع بسیار مهمی است.


📖 مجله هوش مصنوعی
➖➖➖➖➖
🆔 : @HomeAI