Beykozlu
New member
Geçen bahar, OpenAI adlı bir yapay zeka laboratuvarı, yalnızca görmek istediklerinizi tanımlayarak dijital görüntüler oluşturmanıza olanak tanıyan teknolojiyi tanıttı. DALL-E olarak adlandırılan bu araç, Midjourney ve Stable Diffusion gibi isimlerle benzer araçlardan oluşan bir dalgayı ateşledi. Dijital sanatçıların çalışmalarını hızlandırma sözü veren bu yeni yapay zeka türü, hem halkın hem de uzmanların hayal gücünü ele geçirdi ve yeni çevrimiçi dezenformasyon seviyeleri yaratma tehdidinde bulundu.
Sosyal medya artık DALL-E ve diğer araçlar tarafından oluşturulan şaşırtıcı derecede ayrıntılı, genellikle fotogerçekçi görüntülerin kullanıldığı şaşırtıcı derecede kavramsal içeriklerle dolup taşmaktadır. “Times Meydanı’nda kaykaya binen bir oyuncak ayının fotoğrafı.” “Suşiden yapılmış bir evde sevimli corgi.” “Jeflon Zuckergates.”
Ancak bazı bilim adamları bu teknolojiyi düşündüklerinde, sahte fotoğraflar yaratmanın bir yolundan daha fazlasını görüyorlar. Yeni bir kanser tedavisine, yeni bir grip aşısına veya glüteni sindirmenize yardımcı olan yeni bir hapa giden yolu görüyorlar.
DALL-E ve diğer arka üreteçlerin temelini oluşturan aynı tekniklerin birçoğunu kullanan bu bilim adamları, yeni proteinler için planlar üretiyorlar – vücudumuzun davranış biçimini değiştirebilecek küçük biyolojik mekanizmalar.
Vücudumuz doğal olarak, yiyecekleri sindirmekten kan dolaşımında oksijen taşımaya kadar her şeyi işleyen yaklaşık 20.000 protein üretir. Şimdi araştırmacılar, hastalıklarla savaşma ve vücudumuzun kendi başına yapamayacağı şeyleri yapma yeteneğimizi geliştirmeyi umarak doğada bulunmayan proteinler yaratmak için çalışıyorlar.
Washington Üniversitesi’ndeki Protein Tasarım Enstitüsü’nün yöneticisi David Baker, 30 yılı aşkın bir süredir zanaat proteinleri oluşturmak için çalışıyor. 2017’de o ve ekibi bunun mümkün olduğunu göstermişti. Ancak yeni yapay zeka teknolojilerinin yükselişinin bu işi birdenbire nasıl hızlandıracağını, yeni planlar oluşturmak için gereken süreyi yıllardan haftalara indireceğini tahmin etmemişlerdi.
Baker, “İhtiyacımız olan şey, kanser ve viral salgınlar gibi günümüzün sorunlarını çözebilecek yeni proteinler” dedi. “Evrimi bekleyemeyiz.” “Artık bu proteinleri çok daha hızlı ve çok daha yüksek başarı oranlarıyla tasarlayabiliyor ve bu sorunları çözmeye yardımcı olabilecek çok daha sofistike moleküller yaratabiliyoruz.”
Washington Üniversitesi’nden David Baker. Kredi… The New York Times için Evan McGlinn
Geçen yıl, Dr. Baker ve araştırmacı arkadaşları, Science dergisinde çeşitli AI tekniklerinin protein tasarımını nasıl hızlandırabileceğini anlatan bir çift makale yayınladılar. Ancak bu makaleler, DALL-E gibi araçları çalıştıran tekniklerden yararlanan ve yeni proteinlerin dijital fotoğraflar gibi sıfırdan nasıl üretilebileceğini gösteren daha yeni bir makale tarafından gölgede bırakıldı.
Washington Üniversitesi laboratuvarında çalışan araştırmacılardan biri olan Nate Bennett, “Bu teknolojinin en güçlü yönlerinden biri, DALL-E gibi, ona yapmasını söylediğiniz şeyi yapmasıdır” dedi. “Tek bir istemden sonsuz sayıda tasarım üretebilir.”
OpenAI’nin Yükselişi
San Francisco şirketi, dünyanın en iddialı yapay zeka laboratuvarlarından biridir. İşte bazı son gelişmelere bir bakış.
Bir sinir ağı, çok miktarda dijital veriyi analiz ederek becerileri öğrenir. Örneğin, binlerce corgi fotoğrafındaki desenleri saptayarak bir corgi’yi tanımayı öğrenebilir. DALL-E ile araştırmacılar, milyonlarca dijital görüntüyü ve bu görüntülerin her birinin neyi tasvir ettiğini açıklayan metin başlıklarını analiz ederken kalıpları arayan bir sinir ağı oluşturdu. Bu sayede görseller ve kelimeler arasındaki bağları tanımayı öğrendi.
DALL-E için bir görüntüyü tanımladığınızda, bir sinir ağı bu görüntünün içerebileceği bir dizi temel özellik üretir. Bir özellik, bir oyuncak ayının kulağının kıvrımı olabilir. Bir diğeri kaykayın kenarındaki çizgi olabilir. Ardından, difüzyon modeli olarak adlandırılan ikinci bir sinir ağı, bu özellikleri gerçekleştirmek için gereken pikselleri üretir.
Difüzyon modeli, gürültünün – kusurun – rastgele bir piksel denizi haline gelene kadar bir fotoğrafa kademeli olarak eklendiği bir dizi görüntü üzerinde eğitilmiştir. Model, bu görüntüleri analiz ederken bu işlemi tersine çevirmeyi öğrenir. Rastgele pikselleri beslediğinizde, bu pikselleri tutarlı bir görüntüye dönüştürerek paraziti ortadan kaldırır.
Washington Üniversitesi’nde, diğer akademik laboratuvarlarda ve yeni kurulan şirketlerde, araştırmacılar yeni proteinler yaratma çabalarında benzer teknikler kullanıyorlar.
Proteinler, daha sonra nasıl davrandıklarını tanımlayan üç boyutlu şekillere bükülen ve katlanan kimyasal bileşiklerin dizileri olarak başlar. Son yıllarda, Google ile aynı ana şirket olan Alphabet’in sahibi olduğu DeepMind gibi yapay zeka laboratuvarları, sinir ağlarının, yalnızca içerdiği daha küçük bileşiklere dayalı olarak vücuttaki herhangi bir proteinin üç boyutlu şeklini doğru bir şekilde tahmin edebildiğini gösterdi. büyük bilimsel ilerleme.
Şimdi, Dr. Baker gibi araştırmacılar, doğada var olmayan tamamen yeni proteinlerin planlarını oluşturmak için bu sistemleri kullanarak başka bir adım atıyorlar. Amaç, çok özel şekiller alan proteinler yaratmaktır; belirli bir şekil, Covid’e neden olan virüsle savaşmak gibi belirli bir göreve hizmet edebilir.
DALL-E’nin başlıklar ve fotoğraflar arasındaki ilişkiyi güçlendirmesi gibi, benzer sistemler de proteinin yapabileceklerinin açıklaması ile benimsediği şekil arasındaki ilişkiyi güçlendirebilir. Araştırmacılar istedikleri protein için kabaca bir taslak sunabilir, ardından bir difüzyon modeli onun üç boyutlu şeklini oluşturabilir.
Koşulsuz üretim yapan, gürültüyü makul yapılara dönüştüren bir protein difüzyon modeli. Görüntü by Namrata Anand
Namrata Anand, eski bir Stanford Üniversitesi araştırmacısı. Şu anda üretken AI protein tasarımında bir şirket kuruyor. Kredi… Herve Philippe/Müthiş Çekim Fotoğrafçılığı
Stanford Üniversitesi’nden eski bir araştırmacı olan ve aynı zamanda bu araştırma alanında bir şirket kuran bir girişimci olan Namrata Anand, “DALL-E ile, bir bambu filizi yiyen bir pandanın görüntüsünü isteyebilirsiniz” dedi. “Eşdeğer olarak, protein mühendisleri bir proteine belirli bir şekilde bağlanan bir proteini veya başka bir tasarım kısıtlamasını isteyebilir ve üretken model onu inşa edebilir.”
Aradaki fark, insan gözünün bir DALL-E görüntüsünün doğruluğunu anında yargılayabilmesidir. Bir protein yapısı ile aynı şeyi yapamaz. Yapay zeka teknolojileri bu protein taslaklarını ürettikten sonra, bilim adamlarının onları yine de – gerçek kimyasal bileşiklerle deneylerin yapılabileceği – ıslak bir laboratuvara götürmesi ve yapmaları gerekeni yapmalarını sağlamaları gerekiyor.
Bu nedenle bazı uzmanlar, en son yapay zeka teknolojilerine şüpheyle yaklaşılması gerektiğini söylüyor. California Institute of Technology’de protein mühendisliğinde uzmanlaşmış bir profesör olan Nobel Ödülü sahibi Frances Arnold, “Yeni bir yapı yapmak sadece bir oyundur” dedi. “Gerçekten önemli olan şu: Bu yapı aslında ne yapabilir?”
Ancak birçok araştırmacı için bu yeni teknikler, ıslak laboratuvar için yeni protein adaylarının yaratılmasını hızlandırmakla kalmıyor. Araştırmacıların daha önce kendi başlarına keşfedemeyecekleri yeni yenilikleri keşfetmenin bir yolunu sunarlar.
Washington Üniversitesi’nden bir araştırmacı olan Jue Wang, “Heyecan verici olan, yalnızca yaratıcı olmaları ve beklenmedik olasılıkları keşfetmeleri değil, aynı zamanda belirli tasarım hedeflerini veya kısıtlamalarını yerine getirirken yaratıcı olmalarıdır” dedi. “Bu, sizi evrendeki her olası proteini kontrol etme ihtiyacından kurtarıyor.”
Genellikle, yapay zekaya sahip makineler, görüntüleri bir araya getirmek, metin yazmak veya masa oyunları oynamak gibi insanlara doğal olarak gelen becerileri gerçekleştirmek için geliştirilir. Protein tasarlayan botlar daha derin bir soruyu gündeme getiriyor, Dr. Wang şöyle dedi: “Makineler insanların yapamadığı neyi yapabilir?”
Sosyal medya artık DALL-E ve diğer araçlar tarafından oluşturulan şaşırtıcı derecede ayrıntılı, genellikle fotogerçekçi görüntülerin kullanıldığı şaşırtıcı derecede kavramsal içeriklerle dolup taşmaktadır. “Times Meydanı’nda kaykaya binen bir oyuncak ayının fotoğrafı.” “Suşiden yapılmış bir evde sevimli corgi.” “Jeflon Zuckergates.”
Ancak bazı bilim adamları bu teknolojiyi düşündüklerinde, sahte fotoğraflar yaratmanın bir yolundan daha fazlasını görüyorlar. Yeni bir kanser tedavisine, yeni bir grip aşısına veya glüteni sindirmenize yardımcı olan yeni bir hapa giden yolu görüyorlar.
DALL-E ve diğer arka üreteçlerin temelini oluşturan aynı tekniklerin birçoğunu kullanan bu bilim adamları, yeni proteinler için planlar üretiyorlar – vücudumuzun davranış biçimini değiştirebilecek küçük biyolojik mekanizmalar.
Vücudumuz doğal olarak, yiyecekleri sindirmekten kan dolaşımında oksijen taşımaya kadar her şeyi işleyen yaklaşık 20.000 protein üretir. Şimdi araştırmacılar, hastalıklarla savaşma ve vücudumuzun kendi başına yapamayacağı şeyleri yapma yeteneğimizi geliştirmeyi umarak doğada bulunmayan proteinler yaratmak için çalışıyorlar.
Washington Üniversitesi’ndeki Protein Tasarım Enstitüsü’nün yöneticisi David Baker, 30 yılı aşkın bir süredir zanaat proteinleri oluşturmak için çalışıyor. 2017’de o ve ekibi bunun mümkün olduğunu göstermişti. Ancak yeni yapay zeka teknolojilerinin yükselişinin bu işi birdenbire nasıl hızlandıracağını, yeni planlar oluşturmak için gereken süreyi yıllardan haftalara indireceğini tahmin etmemişlerdi.
Baker, “İhtiyacımız olan şey, kanser ve viral salgınlar gibi günümüzün sorunlarını çözebilecek yeni proteinler” dedi. “Evrimi bekleyemeyiz.” “Artık bu proteinleri çok daha hızlı ve çok daha yüksek başarı oranlarıyla tasarlayabiliyor ve bu sorunları çözmeye yardımcı olabilecek çok daha sofistike moleküller yaratabiliyoruz.”
Washington Üniversitesi’nden David Baker. Kredi… The New York Times için Evan McGlinn
Geçen yıl, Dr. Baker ve araştırmacı arkadaşları, Science dergisinde çeşitli AI tekniklerinin protein tasarımını nasıl hızlandırabileceğini anlatan bir çift makale yayınladılar. Ancak bu makaleler, DALL-E gibi araçları çalıştıran tekniklerden yararlanan ve yeni proteinlerin dijital fotoğraflar gibi sıfırdan nasıl üretilebileceğini gösteren daha yeni bir makale tarafından gölgede bırakıldı.
Washington Üniversitesi laboratuvarında çalışan araştırmacılardan biri olan Nate Bennett, “Bu teknolojinin en güçlü yönlerinden biri, DALL-E gibi, ona yapmasını söylediğiniz şeyi yapmasıdır” dedi. “Tek bir istemden sonsuz sayıda tasarım üretebilir.”
OpenAI’nin Yükselişi
San Francisco şirketi, dünyanın en iddialı yapay zeka laboratuvarlarından biridir. İşte bazı son gelişmelere bir bakış.
- ChatGPT :Teknoloji köşe yazarımız, yeni son teknoloji chatbot’un hayranlık, korku, akrobasi hareketleri ve korkuluklarını aşma girişimlerine ilham verdiğini yazıyor.
- DALL-E 2 : Sistem, sadece görmek istediklerinizi tanımlayarak dijital görüntüler oluşturmanıza olanak tanır. Ancak bazıları için görüntü oluşturucular endişe verici.
- GPT-3 : Akıllara durgunluk veren bir akıcılıkla, doğal dil sistemi yazabilir, tartışabilir ve kod yazabilir. Gelecek için etkileri derin olabilir.
Bir sinir ağı, çok miktarda dijital veriyi analiz ederek becerileri öğrenir. Örneğin, binlerce corgi fotoğrafındaki desenleri saptayarak bir corgi’yi tanımayı öğrenebilir. DALL-E ile araştırmacılar, milyonlarca dijital görüntüyü ve bu görüntülerin her birinin neyi tasvir ettiğini açıklayan metin başlıklarını analiz ederken kalıpları arayan bir sinir ağı oluşturdu. Bu sayede görseller ve kelimeler arasındaki bağları tanımayı öğrendi.
DALL-E için bir görüntüyü tanımladığınızda, bir sinir ağı bu görüntünün içerebileceği bir dizi temel özellik üretir. Bir özellik, bir oyuncak ayının kulağının kıvrımı olabilir. Bir diğeri kaykayın kenarındaki çizgi olabilir. Ardından, difüzyon modeli olarak adlandırılan ikinci bir sinir ağı, bu özellikleri gerçekleştirmek için gereken pikselleri üretir.
Difüzyon modeli, gürültünün – kusurun – rastgele bir piksel denizi haline gelene kadar bir fotoğrafa kademeli olarak eklendiği bir dizi görüntü üzerinde eğitilmiştir. Model, bu görüntüleri analiz ederken bu işlemi tersine çevirmeyi öğrenir. Rastgele pikselleri beslediğinizde, bu pikselleri tutarlı bir görüntüye dönüştürerek paraziti ortadan kaldırır.
Washington Üniversitesi’nde, diğer akademik laboratuvarlarda ve yeni kurulan şirketlerde, araştırmacılar yeni proteinler yaratma çabalarında benzer teknikler kullanıyorlar.
Proteinler, daha sonra nasıl davrandıklarını tanımlayan üç boyutlu şekillere bükülen ve katlanan kimyasal bileşiklerin dizileri olarak başlar. Son yıllarda, Google ile aynı ana şirket olan Alphabet’in sahibi olduğu DeepMind gibi yapay zeka laboratuvarları, sinir ağlarının, yalnızca içerdiği daha küçük bileşiklere dayalı olarak vücuttaki herhangi bir proteinin üç boyutlu şeklini doğru bir şekilde tahmin edebildiğini gösterdi. büyük bilimsel ilerleme.
Şimdi, Dr. Baker gibi araştırmacılar, doğada var olmayan tamamen yeni proteinlerin planlarını oluşturmak için bu sistemleri kullanarak başka bir adım atıyorlar. Amaç, çok özel şekiller alan proteinler yaratmaktır; belirli bir şekil, Covid’e neden olan virüsle savaşmak gibi belirli bir göreve hizmet edebilir.
DALL-E’nin başlıklar ve fotoğraflar arasındaki ilişkiyi güçlendirmesi gibi, benzer sistemler de proteinin yapabileceklerinin açıklaması ile benimsediği şekil arasındaki ilişkiyi güçlendirebilir. Araştırmacılar istedikleri protein için kabaca bir taslak sunabilir, ardından bir difüzyon modeli onun üç boyutlu şeklini oluşturabilir.
Koşulsuz üretim yapan, gürültüyü makul yapılara dönüştüren bir protein difüzyon modeli. Görüntü by Namrata Anand
Namrata Anand, eski bir Stanford Üniversitesi araştırmacısı. Şu anda üretken AI protein tasarımında bir şirket kuruyor. Kredi… Herve Philippe/Müthiş Çekim Fotoğrafçılığı
Stanford Üniversitesi’nden eski bir araştırmacı olan ve aynı zamanda bu araştırma alanında bir şirket kuran bir girişimci olan Namrata Anand, “DALL-E ile, bir bambu filizi yiyen bir pandanın görüntüsünü isteyebilirsiniz” dedi. “Eşdeğer olarak, protein mühendisleri bir proteine belirli bir şekilde bağlanan bir proteini veya başka bir tasarım kısıtlamasını isteyebilir ve üretken model onu inşa edebilir.”
Aradaki fark, insan gözünün bir DALL-E görüntüsünün doğruluğunu anında yargılayabilmesidir. Bir protein yapısı ile aynı şeyi yapamaz. Yapay zeka teknolojileri bu protein taslaklarını ürettikten sonra, bilim adamlarının onları yine de – gerçek kimyasal bileşiklerle deneylerin yapılabileceği – ıslak bir laboratuvara götürmesi ve yapmaları gerekeni yapmalarını sağlamaları gerekiyor.
Bu nedenle bazı uzmanlar, en son yapay zeka teknolojilerine şüpheyle yaklaşılması gerektiğini söylüyor. California Institute of Technology’de protein mühendisliğinde uzmanlaşmış bir profesör olan Nobel Ödülü sahibi Frances Arnold, “Yeni bir yapı yapmak sadece bir oyundur” dedi. “Gerçekten önemli olan şu: Bu yapı aslında ne yapabilir?”
Ancak birçok araştırmacı için bu yeni teknikler, ıslak laboratuvar için yeni protein adaylarının yaratılmasını hızlandırmakla kalmıyor. Araştırmacıların daha önce kendi başlarına keşfedemeyecekleri yeni yenilikleri keşfetmenin bir yolunu sunarlar.
Washington Üniversitesi’nden bir araştırmacı olan Jue Wang, “Heyecan verici olan, yalnızca yaratıcı olmaları ve beklenmedik olasılıkları keşfetmeleri değil, aynı zamanda belirli tasarım hedeflerini veya kısıtlamalarını yerine getirirken yaratıcı olmalarıdır” dedi. “Bu, sizi evrendeki her olası proteini kontrol etme ihtiyacından kurtarıyor.”
Genellikle, yapay zekaya sahip makineler, görüntüleri bir araya getirmek, metin yazmak veya masa oyunları oynamak gibi insanlara doğal olarak gelen becerileri gerçekleştirmek için geliştirilir. Protein tasarlayan botlar daha derin bir soruyu gündeme getiriyor, Dr. Wang şöyle dedi: “Makineler insanların yapamadığı neyi yapabilir?”