Etiket: ‘yapay

  • Yapay zeka teknolojisi şimdi de uzaya sıçradı

    Yapay zeka teknolojisi şimdi de uzaya sıçradı

    PhiSat-1, yeni bir hiperspektral termal kamera ve Intel Movidius Myriad 2 VPU (Görüntü İşleme Birimi)-birçok akıllı kamera içinde ve hatta 99 dolar değerindeki selfie dronlarında bulunan yongayla aynı yonga- sayesinde yerleşik bir AI işlemci içeriyor.  PhiSat-1 aslında kutup buzullarını ve topraktaki nemi gözlemleme görevi verilmiş aynı zamanda birleştirilmiş uydulardan oluşan geleceğin ağını yaratmak için uydulararası iletişim sistemlerini test eden bir çift uydudan biri.

    Peki Myriad 2’nin çözmeye yardımcı olduğu ilk sorun nedir? PhiSat-1’in üzerinde yer alan yüksek duyarlıklı kameraların oluşturduğu yüksek miktarda verinin nasıl işleneceği. PhiSat-1’i mümkün kılan ortak çalışmalara liderlik eden Avrupa Uzay Ajansı’nda (ESA) Veri Sistemleri ve Yerleşik Bilgi İşlem Başkanı olarak görev yapan Gianluca Furano bununla ilgili olarak şöyle diyor: “Sensörlerin veri üretmek için sahip olması gereken özellikler ve yetkinlikler  her nesil için 100 kat artarken, veri indirme yetkinliklerimiz  ancak her nesilde üç, dört ya da beş kat artıyor.”

    Aynı zamanda, herhangi bir zaman diliminde gezegenimizin yüzeyinin yaklaşık üçte ikisi bulutlarla kaplı. Bu da genelde çekilen, kaydedilen, Dünya’ya çok değerli olan uydu-yer bant genişliği üzerinden gönderilen, tekrar kaydedilen, bir bilim insanı tarafından (ya da bir algoritma tarafından) bir bilgisayarda saatlerce hatta günlerce incelenen ve sonunda da silinen gereksiz onlarca bulut görüntüsü anlamına geliyor.

    Bu nedenle Dunne ve Ubotica ekipleri, hatalı sonuçları ya da aşınmaları incelemek için Myriad yongasını bir dizi testten geçirerek “radyasyon karakterizasyonu” gerçekleştirdi.

    Furano, ESA’nın daha önce radyasyon için bu denli karmaşık bir yonga üzerinde test gerçekleştirmediğini söyledi. “Düzgün bir şekilde test edip edemeyeceğimize dair şüphelerimiz vardı… Bu yonga üzerinde kapsamlı bir test ve karakterizasyon çalışmasının nasıl yapılacağına ilişkin sil baştan bir kılavuz yazmamız gerekti.” Dunne, 2018’ün sonlarında CERN’de gerçekleşen ve kesintisiz 36 saat süren ilk radyasyon demeti patlatma testinin “çok stresli geçtiğini” söyledi. Dunne, “Ancak bu test ve takip eden iki test şükür ki bizim arzuladığımız şekilde gerçekleşti.” dedi. Myriad 2, olduğu gibi, herhangi bir değişiklik yapılmasına gerek kalmadan kullanılabildi.

    Ve bununla da, bu düşük enerji tüketen, yüksek performanslı bilgisayar görüntü yongası Dünya’nın atmosferinin dışına çıkmaya hazır hale geldi. Ama şimdi aşılması gereken bir zorluk daha vardı. Normalde, AI algoritmaları “öğrenmek” için yüksek miktarda veriler kullanılarak oluşturulur ya da “eğitilir”. Böyle bir durumda neyin bulut olduğunu neyin bulut olmadığını öğrenmesi gerekiyordu. Ancak, kameranın çok yeni olması nedeniyle Furano’nun deyişiyle, hiçbir veriye sahip değillerdi.

    Avrupa’nın dört bir yanından yarım düzine farklı kuruluşun katılımıyla gerçekleştirilen tüm bu sistem ve yazılım entegrasyonları ve testlerin tamamlanması dört ay sürdü.  ESA’da PhiSat yetkilisi olarak görev yapan Max Pastena, “Bunu bu kadar kısa sürede ve verimli olacak şekilde esnek bir biçimde yapabilmiş olmaktan gurur duyduk.” dedi. Furano’ya göre de bir uzay mekiğinin geliştirilmesi açısından zamanlama tam anlamıyla “bir mucizeydi”.

    Maalesef, bir dizi konuyla bağlantısı olmayan olay- rokette gecikmeler, koronavirüs pandemisi ve olumsuz yaz rüzgarları – ekipleri PhiSat-1’in yörüngede planlandığı gibi çalışıp çalışmayacağını görmeleri için bir seneden daha uzun süre beklemek zorunda bıraktı.

    Bu olasılıkların birçoğu test edilecek. ESA ve Ubotica, ikinci bir Myriad 2’yi yörüngeye taşıyacak olan PhiSat-2 üzerinde birlikte çalışıyorlar.  PhiSat-2 “basit bir kullanıcı arayüzü kullanarak uçuş sırasında uzay mekiğinde geliştirebilecek, kolayca kurulumu yapılabilecek ve çalıştırılabilecek AI uygulamalarını çalıştırabilecek.

  • Biyolojinin büyük gizemini yapay zeka çözdü

    Biyolojinin büyük gizemini yapay zeka çözdü

    Proteinlerin üç boyutlu bir şekilde nasıl katlandığını hesaplayabilmek yarım yüzyıldır bilim insanlarının hedeflerinden biriydi.

    Bilimsel bir yarışma düzenleyen organizatörler, Londra merkezli yapay zeka laboratuvarı DeepMind’ın bu gizemi büyük oranda çözdüğünü duyurdu.

    Proteinlerin şekillerini anlamak, hastalıkları tedavi eden ilaçlar üretmek için kritik öneme sahip.

    DeepMind’ın bu buluşunun çok sayıda hastalığa dair araştırmayı hızlandırması bekleniyor. Bunlara Covid-19 da dahil.

    Yapay zeka programının pahalı ve uzun zaman alan laboratuvar yöntemleriyle kıyaslanabilecek bir başarıyla proteinlerin şekillerini ortaya koyabileceği belirtiliyor.

    Yarışmanın panelinde yer alan California Üniversitesi’nden Dr. Andriy Kryshtafovych, bu gelişmenin “dikkate değer” olduğunu söylüyor:

    “Proteinlerin şekillerini bu kadar hızlı ve isabetli bir şekilde belirleyebilmek bilimde bir devrim yaratma potansiyeline sahip.”

    Bütün canlılarda bulunan proteinler yaşam için gerekli olan kimyasal süreçlerde temel bir rol oynar.

    Aminoasit zincirlerinden oluşan proteinler sonsuz sayıda farklı türde katlanarak değişik şekiller alabilir.

    Bu şekiller, proteinlerin işlevlerini nasıl yerine getireceği konusunda belirleyicidir.

    Pek çok hastalık proteinlerin kimyasal reaksiyonlardaki katalizör rolleri (enzimler), hastalıklarla mücadeledeki rolleri (antikorlar) veya kimyasal bilgi iletimindeki rolleri (insülin gibi hormonlar) ile ilişkilidir.

    Yarışmanın paneline başkanlık eden Maryland Üniversitesi’nden Dr. John Moult “Bu hayati moleküllerin şekillerindeki en ufak değişiklik bile sağlığımızda felaket etkilere yol açabilir” diyor ve ekliyor:

    “Bu yüzden bir hastalığı anlamak ve tedavi yöntemi bulmak için en etkili yollardan biri, bu sürece dahil olan proteinleri anlamaktır.

    “İnsanlarda on binlerce protein vardır. Diğer türlerde ise milyonlarca. Bunlara virüsler ve bakteriler de dahil.

    “Fakat bu proteinlerden yalnızca birinin şeklini anlayabilmek pahalı ekipmanlarla yıllarca süren çalışmalar gerektiriyordu.”

    1972’de Christian Anfinsen aminoasitlerin dizilimini bildikten sonra proteinlerin şekillerinin hesaplanabileceğini gösteren çalışmasıyla Nobel Ödülü kazandı.

    Bunu başarabilmek için her yıl 20’den fazla ülkeden bilim insanlarından oluşan ekipler, aminoasit dizilimleri bilinen yaklaşık 100 proteinin şekillerini bilgisayar programlarıyla hesaplamaya çalışıyor.

    Aynı anda biyologlar laboratuvarlarda x-ray kristalografi ve NMR spektroskopi gibi geleneksel yöntemlerle proteindeki her atomun konumlarını ortaya çıkarıyor.

    Sonrasında Protein Yapısı Tahmini Tekniklerinin Eleştirel Değerlendirilmesi Üzerine Topluluk Genelinde Deney adlı ekipten bilim insanları tahminler ile gerçekleri karşılaştırıyor.

    Deney ekibi tahminlerin doğruluğuna göre 0-100 arasında notlar veriyor. DeepMind’ın AlphaFold adlı programıyla ulaştığı 90 skoru, laboratuvarda kullanılan tekniklere denk olarak görülüyor.

    AlphaFold programı makine öğrenmesi denilen bir süreçle, Kamusal Protein Veri Tabanı’nda bulunan proteinleri ve şekillerini inceledi.

    Yapay zeka, oradan edindiği bilgilerle yola çıkarak yeni proteinlerin şekillerini yüzde 90 oranında doğrulukla hesaplamayı başardı.

    Proteinlerin yapısını bu şekilde hesaplayabilmek kanser, demans, bulaşıcı hastalıklar gibi hastalıkları anlamak ve bunlara yönelik ilaç geliştirmek için kritik öneme sahip.

    Bunun örneklerinden biri SARS-Cov-2. Bilim insanları Covid-19 hastalığına yol açan bu virüsün insan hücreleriyle etkileşime girmesini sağlayan taç şeklindeki proteinleri inceliyor.

    Deney ekibinin eski katılımcısı ve denetleyicisi olan University College London’dan Prof. Andrew Martin “Proteinin nasıl katlandığı, fonksiyonu açısından belirleyici” diyor ve ekliyor:

    “Bunu bilmek sağlık için de hastalık için de önemli. Yalnızca enfeksiyonları değil, kalıtımsal bazı hastalıkları da çözebiliriz.”

    İngiltere’deki Avrupa Biyoenformatik Enstitüsü’nden Prof. Dam Janet Thornton bunu öğrenmenin evrimi anlamayı da kolaylaştıracağını söylüyor.

    Diğer bilim insanları yapay zekanın ürettiği verileri detaylıca inceleyecek ve testlere tabi tutacak.

    Bu konu etrafında hâlâ bilinmeyen başka şeyler de var. Birden fazla proteinin nasıl bir araya geldiği, proteinlerin DNA ve RNA gibi moleküllerle nasıl etkileştiği gibi konular bunlar arasında.

    Dr. Kryshtafovych, “Tekil proteinler için problemin büyük bir kısmı çözüldüğüne göre kompleks proteinlerin şekillerini tespit etmeye giden yol da açıldı. Bunlar yaşamın makineleri” diyor.