Общий хайп вокруг нейросетей и их природы несколько перегрет. Да, нейросети способны быстро создавать контент или искать ответы на вопросы. Но что делает их работу действительно ценной, так это применение для комплексных задач. Нейросеть решающая задачи существования и модификации всего, что имеет отношение к живой материи уже запущена в работу.
Еще 5 лет назад разговоры вокруг анализа генома, CRISPR технологий и нейросетей были чем-то вроде околонаучной фантастики. Чего стоит фильм со Скалой «Рэмпейдж», где завязка сюжета в тестировании потенциала CRISPR. Однако, уже сегодня человеку открыт широкий спектр инструментов для улучшения некоторых своих качеств. О них и рассказывают материалы телеграм канала. Подписывайтесь, чтобы первыми получать свежие статьи!
Нейросеть решающая задачи существования жизни
Статья написана по материалам исследования. Инновационная нейросеть от Google DeepMind генерирует не только структуру белков, лигандов, ДНК, РНК и «молекул всех форм жизни», но и предсказывает принципы их связи. Это обещает радикальное, революционное ускорение во многих областях науки.
Особенности работы с белками в науке
Схематическая демонстрация сложности в работе с аминокислотами и белками
Белки — одно из самых универсальных изобретений природы. Эти важнейшие строительные блоки всех живых организмов, на которых держатся практически все химические реакции в организме. Белки регулируют экспрессию генов, поддерживают иммунную систему, составляют основные структурные элементы всех клеток и образуют основные компоненты мышц.
При этом, самих белков существует невероятно много. Если пытаться наугад синтезировать их в лаборатории, то процесс займет миллиарды лет. Но можно моделировать процессы, если использовать вычислительные системы. Хотя потребуется невероятно огромное количество мощностей для перебора. Тем более, что вычислительная мощность становится сегодня едва ли не мерилом чего-то божественного, если вдаваться в фундамент датаизма.
Сейчас для этого используются суперкомпьютеры, или подпроекты BOINC. Я сам использовал до последнего старый ноут для расчета заданий в Rosetta@home. Однако, даже если все люди мира запустят проект на своих устройствах, эта работа займет достаточно много времени.
Чем нейросеть решающая задачи отличается от перебора вариантов?
И почему новая нейросеть называется AlphaFold? Суть в том, что белки представляют собой цепочки аминокислот, которые спонтанно складываются, образуя трехмерную структуру. Важны не только компоненты, но и то, как они складываются и связываются друг с другом. В этом случае, форма напрямую влияет на биологические функции белка.
Говоря о белках, можно анализировать их компоненты и последовательность на бумаге, но если вы не знаете их трехмерную форму, вы не сможете предсказать, что белки будут делать и как они будут взаимодействовать с другими молекулами.
Если говорить цифрами, то на сегодня известно про существование более 200 миллионов белков. И только 170 000 белков разобрано до понимания базовых принципов. Зная аминокислотный состав и способы формирования структур, имеет смысл использовать продукт прогресса, по крайней мере за это ратуют идеи датаизма. Здесь на свет и выходит нейросеть решающая задачи существования жизни, чтобы ускорить этот процесс. Ведь до появления AlphaFold программы не могли предсказывать структуру белка так же точно, как экспериментальные методы, основанные на использовании человека.
Небольшой экскурс в историю. Как развивалась нейросеть решающая задачи фундаментальных жизненных процессов?
Здесь смоделирован белок шипа вируса простуды
AlphaFold 2, выпущенный в 2021 году, стал прорывом, изменившим методологию. Нейросеть предсказала трехмерные структуры почти каждого белка в человеческом организме и помогла в реализации научных исследований. Менее чем за три года нейросеть использовалась исследователями во всем мире для ускорения открытий в области лечения рака, вакцин против малярии , создания ферментов, разъедающих пластик, и бесчисленного множества других проектов. На сегодня Alphafold 2 насчитывает более 14 000 упоминаний в научных статьях.
Итак, чем лучше AlphaFold 3? Новая версия выходит за рамки простого предсказания структуры и характера взаимодействия белков и включает в себя все базовые элементы живых организмов: от множества белков до ДНК, РНК и низкомолекулярных лигандов.
Большинство лекарств это лиганды, которые связываются с белками, меняя принципы их работы.
Нейросеть решающая задачи всестороннего моделирования становится по сути беспрецедентным ресурсом для моделирования того, как конкретные белки в организме будут взаимодействовать с конкретными молекулами лекарств. Датаизм в чистом виде.
Природа данных и архитектура
Розовым и синим показано смоделированное воздействие белка на ДНК. А серым показано то, как это происходит в жизни
Чтобы достичь таких возможностей, AlphaFold 3 был обучен на глобальных данных о молекулярной структуре, хранящихся в банке данных белков. Представители компании Deepmind утверждают, что нейросеть может обрабатывать более 99% всех известных биомолекулярных комплексов из упомянутой базы данных. Кроме того, был улучшен модуль Evoformer — архитектура, которая лежала в основе AlphaFold 2.
Вот как работает нейросеть решающая задачи трехмерного моделирования простыми словами.
AlphaFold 2 берет введенную аминокислотную последовательность.
Ищет в базах данных аналогичные последовательности, уже идентифицированные в других живых организмах.
Извлекает всю необходимую информацию с помощью преобразователя Evoformer. Воплотившего в себе философию датаизма.
Передает эту информацию нейронной сети, которая создает трехмерную структуру — длинный список координат, представляющих положение каждого атома белка, включая боковые цепи.
Новый и улучшенный Evoformer собирает свои структурные прогнозы с использованием диффузионной сети, подобной той, на которой работают нейросетевые генераторы изображений.
Все начинается с облака атомов и через призму многих шагов процесс сводится к своей окончательной, наиболее точной молекулярной структуре.
В недавнем интервью Тому Маккензи из Bloomberg генеральный директор и соучредитель Google DeepMind, а также генеральный директор и основатель Isomorphic Labs, Демис Хассабис обсудил последствия использования AlphaFold 3 в разработке лекарств.
Святой Грааль открытия лекарств — это не просто знание структуры белка, что и делал AlphaFold 2, но и фактическая разработка лекарственных соединений, называемых лигандами, которые связываются с поверхностью белка. Важно знать, где лиганд связывается и насколько сильна новая связь, чтобы разработать правильный тип лекарственного соединения. Таким образом, AlphaFold 3 — это большой шаг в этом направлении предсказания связывания белка с лигандом и того, как это взаимодействие будет работать.
Потенциал AlphaFold 3
В январе 2024 года Isomorphic Labs объявила о стратегическом партнерстве с фармацевтическими гигантами Eli Lilly и Novartis общей стоимостью около 3 миллиардов долларов США. Но что удивительно, так это сроки производства лекарств, которые, как ожидается, станут результатом этого партнерства.
Итак, мы уже работаем над реальными программами. И я ожидаю, что, возможно, в ближайшие пару лет в клиниках появятся первые лекарства, разработанные с помощью нейросетей. Если вы спросите меня, что самое важное, что может создать нейросеть для человека, так по мне – это лекарство для избавления от сотен ужасных болезней. Я не могу представить лучшего варианта использования нейросетей. Так что отчасти это и есть Мотивация Isomorphic и AlphaFold, а также всей нашей научной работы. Смысл того, что мы делаем.
В ходе испытаний AlphaFold 3 продемонстрировал современную точность в прогнозировании лекарственных взаимодействий, включая белки, связанные с лигандами, и антитела, связанные с белками-мишенями.
Использование теста PoseBusters показало, что AlphaFold 3 на 50% точнее лучших существующих методов — без необходимости ввода какой-либо структурной информации. Справка: PoseBusters проверяет химическую и физическую достоверность молекулярных и белково-лигандных «поз», созданных с помощью модели глубокого обучения.
Нейросеть решающая задачи на уровне форм жизни. Можно ли её использовать?
Также, вы сами можете затестить нейросеть. AlphaFold 3 доступен через AlphaFold Server , который включает в себя базу данных из 200 миллионов белковых структур. Этот феноменальный ресурс доступен бесплатно ученым, проводящим некоммерческие исследования, а также просто любопытным пользователям Интернета по всему миру.
Прогнозирование поведения группы белковых структур без такого инструмента может занять лет десять и обойтись в сотни тысяч долларов. AlphaFold 3 обещает радикально ускорить прогресс в областях биологии и фармацевтики.
Это ступень в дивный новый мир невероятно мощной медицины, или портал в преисподнюю с виртуозно отточенным оружием, способным ориентироваться на генетические маркеры? Сказать сложно. Мы стоим на грани технологической сингулярности и её потенциал велик, а плоды манят разум. Подробнее о них рассказывается в телеграм канале. Подписывайтесь, чтобы не пропустить новые статьи!
Бюст штурмовика создан при помощи Dall-E и tripo3d.
Астрологи объявили взрывной рост объемов 3D-контента — только за последние месяцы опубликовано 13 статей про генерацию трехмерных объектов из текста и изображений.
SV3D: Stability AI показала новую модель для реконструкции изображения в 3D с высоким разрешением.
LATTE3D от NVIDIA: новый метод преобразования текста в 3D, позволяющий генерировать текстурированные сетки из текста всего за 400 мс.
Isotropic3D: генерация изображения в 3D на основе создания многоракурсных плоских изображений.
MVControl: преобразование текста в 3D с управлением по типу ControlNet (резкость, глубина и т. д.).
Make-Your-3D: преобразование изображения в 3D с возможностью управления генерацией с помощью текстовых подсказок.
MVEdit: поддерживает преобразование текста в 3D, изображения в 3D и 3D в 3D с генерацией текстур.
VFusion3D: преобразование изображения в 3D на базе предварительно обученных моделей видеодиффузии.
GVGEN: преобразование текста в 3D с объемным представлением.
GRM: эффективное преобразование текста в 3D и изображения в 3D за 100 мс.
FDGaussian: преобразование изображения в 3D с предварительной генерацией разных ракурсов в 2D.
Ultraman: преобразование изображения в 3D с упором на человеческие аватары.
ComboVerse: преобразование картинок в 3D с комбинированием моделей и созданием сцен.
Не везде доступен код, так что сравнивать сложно, но первые результаты уже есть. Я сравнил восемь image-to-3d нейронок на картинках, сгенерированных в Dall-E. Все модели созданы при настройках по умолчанию.
Самые слабые - GRM и dreamgaussian не справляются реконструкцией невидимых на картинке деталей и оставляют сквозные отверстия. Они создают деформированные, непригодные для дальнейшей обработки модели.
У второй категории решений: TripoSR, CRM, mvedit, InstantMesh - наблюдаются сложности с созданием симметричных моделей, мелкие артефакты, например, каверны и искаженные текстуры. Под ними - грязные сетки и сглаженные болванки-обмылки.
3d.csm tripo3d - лучше создают текстуры, додумывают детали на невидимых частях объекта. Хотя tripo3d умеет в ретопологию, генерациям все еще недостает выраженного рельефа. Большая часть деталей остается на текстуре.
Пока что технология image-to-3d находится в зачаточном состоянии и напоминает результаты, которые выдавали первые версии stable diffusion. Реконструкции поддаются только сравнительно простые изображения монолитных предметов.
Да, сравнивать 3d.csm, tripo3d с демо на huggingface нечестно, так как это демонстрационные версии коммерческих сервисов, которые используют более сложные пайплайны и генерируют в несколько этапов. Однако сейчас именно они юзабельнее. Более детальные текстуры - заметное преимущество, так как их можно преобразовать в карту высот и перенести часть деталей в меш.
Вряд ли результаты их работы подойдут для нужд 3D-художников, однако уже сейчас они могут быть основой для скульптинга и годятся для распечатки на FDM-принтере. Буду продолжать эксперименты в телеграм.
ChatGPT, популярный инструмент от OpenAI, заинтриговал пользователей своей особенностью часто использовать некоторые слова, такие как "delve", которые в американском и британском английском не так уж и распространены. Это замечание привело к бурному обсуждению в интернете, особенно после публикаций влиятельных экспертов в области искусственного интеллекта.
На первый взгляд может показаться странным, что машина предпочитает определенные слова. Однако, если углубиться в методы обучения ИИ, становится ясно, что это не случайность. В процессе создания ChatGPT использовался метод обучения с подкреплением на основе отзывов людей (RLHF), где модель обучается на примерах, предоставленных англоговорящими работниками из разных стран. Это объясняет, почему некоторые "необычные" слова стали частью его лексикона.
Примером такого слова является "delve". В Великобритании и США это слово используется не так часто, как в Нигерии, где оно является обыденным в деловом английском. Вероятно, при обучении ChatGPT использовались тексты, написанные носителями из Нигерии, что и повлияло на его предпочтения в словах.
Данные с сайта PubMed подтверждают, что слово "delve" стало появляться значительно чаще в биомедицинских исследованиях, возможно, благодаря использованию ChatGPT для написания научных работ. Также исследования показывают, что некоторые другие слова, такие как "explore", "tapestry", "testament" и "leverage", встречаются чаще в текстах, созданных ChatGPT, по сравнению с общими данными интернета.
Эта тенденция поднимает важные вопросы об этических и культурных аспектах искусственного интеллекта. Как машины, обученные на базе данных из различных культур, влияют на язык и коммуникацию? Возможно ли, что искусственный интеллект может обогатить наш языковой опыт, представляя нам формы и стили, которые мы бы иначе не встретили?
Ответы на эти вопросы ещё предстоит найти, но одно ясно: мир ИИ все еще полон неизведанных уголков и неожиданных открытий, и каждое из них заслуживает того, чтобы в них углубиться.
Отдел нейромаркетинга компании Padre and Sons, опаздывающий обычно с трендами лет на 50, а то и на 100, проявил терпение и волю и таки разобрался с ИИ и чатом GPT. Вот основные выводы нашего исследования:
Как отличить реферат, написанный чат-ботом, от работы ученика? Проблема не столько в искусственном интеллекте, сколько в тотальной автоматизации и технологизации. Многие сферы становятся безличными и бесчеловечными, профессии исчезают. Человечество мечтало летать, как птицы - полетели, мчаться быстрее гепарда - сделано! Роботы, ИИ - все на месте. А готово ли человечество к тем изменениям, которые неизбежны от исполнения этих мечт? Переписка в мессенджере никогда не заменит личное общение, обращение по любому вопросу к чату GPT, который стал для всех ложным авторитетом, не научит мыслить, а приведет к деградации мышления (мы заметили в переписке с gpt, как он иногда отчаянно врет и нещадно сочиняет); удаленка - мы еще об этом поговорим в других статьях. Мы теряем соприкосновение, обмен патиями, волями, верами. Мы оказываемся не способными быть причастными к мышлению и эмоциям другого человека. Кажется, что утрачивается человеческая составляющая повседневности.
И в обществе сейчас это считается нормой, и никто не бьет тревогу, кроме Падре и его отдела нейромаркетинга.
Представьте робота, который жарит кофе в дровяном ростере. Крек зерна? Чутье? Практика? Даже если робот сделает это 10000 раз, он и на шаг не приблизится к результату обжарщика, который чувствует все нюансы, срастается с процессом обжарки и выдает магию. В машинах нет и не будет магии, газ, обжигая зерно поверхностно и быстро, никогда не прожарит сердцевину медленно и с толком и вы не почувствуйте истинного вкуса каждого сорта.
Расчеловечивание повседневности означает, что нам будет плохо, если мы не изменим ничего, но если отважимся изменить, будет лучше, чем было до этого. И в основном люди меняться не хотят, потому что это требует усилий. А мы предлагаем вам начать изменения с малого - попробовать результат кропотливой дровяной обжарки и изменить оттенки декораций вашей повседневности, поняв, что уже назад к газовой обжарке для вас дорога закрыта.
В мире искусственного интеллекта (ИИ) каждый день происходят удивительные события, которые могут изменить наше будущее. Сегодня я хочу поделиться с вами несколькими захватывающими новостями из этой области, которые обещают принести революцию в нашу жизнь.
Первая из таких новостей приходит от команды исследователей из Корнельского технологического института, которая разработала компьютерного червя, использующего генеративный ИИ для более легкого распространения. Это открытие может иметь большие последствия для кибербезопасности и распределения информации в интернете.
Другой прорыв связан с GPT-4, моделью искусственного интеллекта, которая, по утверждениям исследователей, способна взламывать веб-сайты по запросу. Это может кардинально изменить понимание кибербезопасности и этических аспектов использования ИИ.
Тем временем робототехническая компания Figure объявила о сотрудничестве с OpenAI для разработки моделей ИИ следующего поколения, которыми будут оснащены их гуманоидные роботы. Это сотрудничество может ускорить создание роботов, способных выполнять сложные задачи и взаимодействовать с людьми на новом уровне.
Не менее интересное развитие произошло в медицинской сфере, где ИИ научился с высокой точностью предсказывать риск смерти, анализируя персональные данные миллионов людей. Это открытие может радикально изменить подходы к предотвращению заболеваний и управлению здоровьем населения.
Но, пожалуй, одно из самых футуристических достижений связано с президентом РФ Владимиром Путиным, которому на Ставрополье показали прототип робота, собирающего томаты. Этот робот является примером того, как ИИ и робототехника могут революционизировать сельское хозяйство, улучшая урожайность и эффективность производства.
Эти открытия и разработки демонстрируют неограниченные возможности искусственного интеллекта и подчеркивают его роль в формировании нашего будущего. Мы стоим на пороге новой эры, где ИИ становится не просто инструментом, а полноценным участником нашей жизни, способным на творчество, анализ и даже заботу о нас. Время покажет, куда нас приведут эти технологии, но уже сейчас ясно, что будущее обещает быть захватывающим.
ScholarAI - это GPT для студентов и исследований.Не галлюцинирует, то есть не придумывает информацию, а берет все данные из надежных источников. База данных у бота просто огромная — 200 миллонов (!) рецензируемых исследований. Так что можно получить быстрые, надежные и проверенные данные научных исследований.
Действительно незаменимая вещь в изучении материала, в научной и исследовательской работе. В бесплатном плане доступны неограниченные запросы. Для работы необходим VPN.
Нейросеть для научных работ
Еще одна классная нейросеть, обученная на научных статьях.
Нейросеть Scite обучили на миллионах статей, докладов, научных работ и академических курсов, а затем оформили в виде удобного чат-бота.
Достаточно просто написать тему своего реферата, курсовой или более конкретный запрос — и нейросеть выдаст научно обоснованный ответ со ссылкой на достоверные источники и рецензированные материалы. Дополнительно она показывает собственные источники, что дает возможность проверить информацию или вставить ссылки в свои работы.
Бесплатный демонстрационный период - 7 дней, этого времени вполне хватит на поиск нужной инфы.
ChatGPT для математики
Нейросеть InternLM2-Math-7B специально обучали только математике, чтобы она решала задачи любой сложности. Её результаты намного превосходят даже ChatGPT.
К тому же нейросеть не просто выдаёт ответ, а объясняет весь ход решения примера — пригодится, если у учителя или преподавателя возникнут вопросы.
Другие полезные нейросети для математики я перечислила в этой статье
Хотите узнавать первыми о полезных сервисах с искусственным интеллектом для работы, учебы и облегчения жизни? Подпишитесь на мой телеграм канал НейроProfit, там я рассказываю, как можно использовать нейросети для бизнеса.
История нейроинтерфейсов начинается с первых экспериментов, направленных на изучение способности мозга генерировать электрические сигналы. Современные достижения, включая разработки компании Neuralink, открывают новую эру в медицине и технологиях. Технология чипов в мозге вызывает большой интерес у ученых, медиков и широкой общественности.
Перспективы технологии для больных и здоровых людей
Технология чипирования мозга открывает новые возможности в медицине и повседневной жизни, предлагая революционные методы лечения и расширения человеческих способностей. Вживление микрочипов в мозговую ткань позволяет создать прямую связь между мозгом и электронными устройствами, что может радикально изменить подходы к восстановлению утраченных функций и улучшению качества жизни.
Для людей с ограниченными возможностями
Имплантация чипов в мозг предлагает невиданные ранее возможности для восстановления утраченных функций тела и улучшения качества жизни людей с ограниченными возможностями. Такие чипы могут помочь в восстановлении зрения путем стимуляции визуальной коры, возвращении способности к самостоятельному перемещению парализованным пациентам через управление бионическими конечностями и даже в восстановлении речи.
Эти технологии делают возможным контроль устройств и общение с внешним миром буквально силой мысли, обеспечивая людям новый уровень независимости и взаимодействия.
Для здоровых людей
Для здоровых людей технология чипирования мозга открывает захватывающие перспективы расширения умственных способностей, такие как улучшенная память, повышенная способность к обучению, увеличенная концентрация внимания и даже доступ к новым формам взаимодействия с цифровыми устройствами.
Представьте себе возможность загрузки информации напрямую в мозг, изучение новых языков или навыков за считаные минуты. Хотя многие из этих идей пока что находятся на стадии теории и исследований, они подчеркивают потенциал технологии чипирования мозга как инструмента для расширения границ человеческого опыта и познания.
Подводные камни и будущее нейроинтерфейсов
Путь развития нейроинтерфейсов усеян техническими и этическими подводными камнями. Одним из наиболее обсуждаемых является угроза хакерских атак, которая может привести к несанкционированному доступу к мысленным процессам и личным данным человека.
Следующим важным аспектом является улучшение точности и эффективности считывания и интерпретации сигналов мозга. Для полноценного взаимодействия мозга с компьютером необходимо достичь высокой степени понимания того, как различные мыслительные процессы и команды кодируются в нейронной активности.
Этические вопросы также играют значительную роль в развитии нейроинтерфейсов. Обсуждение и разработка этических норм и правил, регулирующих использование таких технологий, становятся все более актуальными. Важно обеспечить, чтобы применение нейроимплантов способствовало улучшению качества жизни людей, не нарушая при этом их права на личную неприкосновенность и автономию.