توسعه یک هوش مصنوعی با قابلیت بازسازی تصاویر میکروسکوپی

دانشمندان یک مدل هوش مصنوعی ساخته اند که با پیروی از قوانین فیزیک می تواند بدون نظارت انسان، تصاویر میکروسکوپی بافت های بدن را بازسازی کند.

به گزارش ScienceDaily، محققان از مدل هوش مصنوعی جدیدی رونمایی کرده اند که بدون نیاز به داده های جهان واقعی برای تمرین می تواند دست به تصویرسازی یا میکروسکوپی بزند. پژوهشگران با استفاده از قوانین فیزیک به این مدل یاد داده اند تا از روی هولوگرام های مصنوعی و تصادفی، تصاویر میکروسکوپی بافت های بدن انسان را بازسازی کند.

دانشمندان دانشگاه کالیفرنیا، لس آنجلس از مدل هوش مصنوعی جدیدی به نام GedankenNet رونمایی کرده اند که با یادگیری از قوانین فیزیک و آزمایش های فکری کار می کند. این سیستم با الهام از آزمایش مشهور« گدانکن» از« آلبرت اینشتین» ساخته شده است که رویکردی دیداری و مفهومی در آزمایش های فکری بود و در خلق نظریه نسبیت استفاده شد.

محققان صرفاً با استفاده از قوانین فیزیک که در سراسر جهان و حتی در حوزه امواج الکترومغناطیس حاکم است، به مدل هوش مصنوعی (Artificial Intelligence) خود آموختند که تصاویر میکروسکوپی را تنها از روی هولوگرام های مصنوعی بازسازی کند. این هولوگرام ها هم فقط با تصورات ذهنی ساخته شده بودند و هیچ اتکایی بر آزمایش ها و داده های جهان واقعی نداشتند.

هوش مصنوعی بدون داده های جهان واقعی تصاویر را بازسازی کرد

پژوهشگران بعداز انجام «تمرین های فکری» در GedankenNet، این مدل را با تصاویر هولوگرافیک سه بعدی بافت بدن انسان آزمایش کردند. این سیستم در همان آزمایش اول با موفقیت توانست تصاویر میکروسکوپی بافت انسان را از هولوگرام ها بازسازی کند.

GedankenNet در مقایسه با بهترین روش های بازسازی تصاویر میکروسکوپی که براساس حجم گسترده ای از داده های آزمایشی تعلیم داده شده اند، عملکرد بهتری از خود نشان داد. این مدل همچنین امواجی از نور را تولید کرد که با قواعد فیزیکی معادلات امواج همخوانی دارد.

«آیدوگان اوزکان»، استاد مهندسی دانشگاه کالیفرنیا، لس آنجلس می گوید: «این یافته ها پتانسیل مدل های هوش مصنوعی خودنظارتی را درزمینه یادگیری از آزمایش های فکری نشان می دهند. این دستاورد فرصت های جدیدی را برای توسعه مدل های سازگار با قوانین فیزیک، با امکان آموزش آسان و با سطح تعمیم پذیری بالا، بعنوان جایگزینی برای روش های استاندارد یادگیری عمیق فراهم می کند.»

نتایج این پژوهش در مجله Nature Machine Intelligence منتشر شده است.