• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  • ¿Cómo cambiará el aprendizaje automático la ciencia?

    Crédito:CC0 Dominio público

    El aprendizaje automático ha irrumpido en escena en las últimas dos décadas y será una tecnología definitoria del futuro. Está transformando grandes sectores de la sociedad, incluyendo la sanidad, la educación, el transporte y la producción industrial y alimentaria, además de tener un enorme impacto en la ciencia y la investigación.

    Un subconjunto de la inteligencia artificial, el aprendizaje automático es un proceso que ayuda a las computadoras a aprender sin instrucciones directas y a partir de la experiencia. Lo hace mediante el uso de algoritmos para identificar patrones dentro de los datos, que luego se utilizan para crear modelos que pueden hacer predicciones. Y los datos son la clave. El aprendizaje automático y la creciente disponibilidad de grandes cantidades de datos prometen revolucionar la producción de conocimiento. De hecho, el ciclo virtuoso y exponencial de crecimiento del aprendizaje profundo, entre otras tecnologías, se ha comparado con la Explosión Cámbrica de hace 500 millones de años, cuando la vida en la Tierra experimentó un breve período de diversificación muy rápida.

    El profesor James Larus, decano de la Escuela de Ciencias de la Computación y las Comunicaciones (IC) de la EPFL, está de acuerdo en que el aprendizaje automático y la IA tendrán un profundo impacto en la forma en que vivimos y aún no hemos visto su máximo potencial.

    "Para mí, el aprendizaje automático es una herramienta muy poderosa que todavía está en sus inicios y todavía es algo así como un 'arte oscuro'. Impartimos clases de aprendizaje automático, las matemáticas subyacentes y podemos dar ejemplos a los estudiantes. en cuanto a cómo se ha aplicado en el pasado, pero no podemos darles principios porque, literalmente, ni siquiera sabemos por qué funciona tan bien".

    Lenka Zdeborová de la EPFL está trabajando en esta cuestión fundamental. Profesora asociada de Física, Ciencias de la Computación y Sistemas de Comunicación en el Laboratorio de Física Estadística de la Computación, parte de la Escuela de Ciencias Básicas (BS) e IC, le apasiona avanzar en la teoría de lo que es computable y lo que es posible con el aprendizaje automático y la inteligencia artificial. .

    "En ciencias, queremos comprender mejor los objetos que estudiamos, el objetivo no es fijo. Necesitamos encontrar el objetivo para que el sistema de aprendizaje automático sea útil en el esfuerzo científico y ver el papel que juega el aprendizaje automático en cambiando el método científico. Es un campo fascinante que ha surgido a medida que el aprendizaje automático ha tenido mucho éxito en la última década".

    Con colegas de física, química, ingeniería y ciencias de la vida, Zdeborová acaba de lanzar una nueva serie de conferencias de cursos de doctorado sobre aprendizaje automático científico que explorará el trabajo más reciente que se está realizando en la EPFL y en todo el mundo.

    Otra iniciativa de la EPFL, el componente del proyecto Machine Learning 4 Science del curso Machine Learning de los profesores de IC Martin Jaggi y Nicolas Flammarion, está construyendo colaboraciones entre campus, combinando proyectos científicos de laboratorios en todas las disciplinas con estudiantes que aportarán su experiencia en aprendizaje automático a nuevos campos. Entre 2018 y 2020, más de 600 estudiantes participaron en proyectos propuestos por 77 laboratorios de la EPFL e incluso de instituciones externas, incluido el CERN.

    "Es el curso de nivel de maestría más grande en el campus y los estudiantes de todas las disciplinas quieren aprender esta herramienta porque saben que será útil para sus futuras carreras. Pueden ir a cualquier laboratorio en el campus y hacer un proyecto práctico, en colaboración en un forma interdisciplinaria. Es una verdadera situación en la que todos ganan y creo que es justo decir que ambas partes sienten que se benefician de la estructura", dice Jaggi.

    Uno de los proyectos de la última ronda que se originó en el laboratorio de Cathrin Brisken en la Facultad de Ciencias de la Vida (SV) se relaciona con un algoritmo de aprendizaje automático para distinguir las células de ratón de las humanas, particularmente útil para la investigación del cáncer. Los oncólogos suelen estudiar los tumores injertando células humanas en ratones, pero el problema es diferenciar los dos tipos de células. Eso generalmente implica varias rondas de tinción de fluorescencia y el análisis de muchas muestras de tejido antes de encontrar las células humanas. Sin embargo, estudiante de IC, el programa de Quentin Juppet simplifica todo eso al automatizar el proceso de clasificación celular. Es tan prometedor que lo convirtió en una tesis de maestría con los resultados publicados recientemente en el Journal of Mammary Gland Biology and Neoplasia. .

    Otro, que también se originó en la Facultad de Ciencias de la Vida, involucró el uso del aprendizaje automático para categorizar fenotipos mutantes a partir de imágenes de embriones de pez cebra. El profesor Andrew Oates es el decano de la escuela y director del laboratorio de sincronización, oscilaciones y patrones. "Mi laboratorio ha participado dos veces y cada vez nos hemos comprometido con un grupo realmente especial de estudiantes que han demostrado iniciativa y creatividad al abordar un problema científico real en el laboratorio utilizando el aprendizaje automático. Hasta donde sé, este proyecto es el primero en el campo de la embriología con implicaciones para el uso más eficiente del pez cebra como un sistema para modelar trastornos genéticos humanos. No habríamos intentado este trabajo si no hubiéramos tenido la oportunidad de unirnos al programa Machine Learning 4 Science", dice. .

    Otro trabajo analizó un conjunto increíblemente diverso de preguntas de investigación:predecir la gravedad del accidente cerebrovascular utilizando datos del juego pacman; la detección automática del área disponible para la instalación de paneles solares en la azotea; previsión de avalanchas; música más allá de mayor y menor; y mejorar las mediciones de la calidad del agua dulce.

    Para James Larus, el futuro ya está aquí y solo se volverá más sorprendente:"Actualmente, el aprendizaje automático se basa en un modelo desarrollado en la década de 1940 sobre cómo funciona el cerebro, y ni siquiera era exacto en ese momento. Ahora estamos explorando aprendizaje automático inspirado en el cerebro, guiado por la última neurociencia, para desarrollar modelos más sofisticados y efectivos y para construir sistemas de inteligencia artificial de próxima generación. Por lo tanto, tengo muchas esperanzas de que habrá un largo período de progreso en el aprendizaje automático y una gran expansión. en aplicaciones exitosas. Cambiará la ciencia para siempre".

    © Ciencia https://es.scienceaq.com