Articles by "yapay zeka ve bilim"
yapay zeka ve bilim etiketine sahip kayıtlar gösteriliyor. Tüm kayıtları göster

Bir yapay zeka (AI), mevcut ruh hallerini tanımak için domuzların seslerini kullanıyor. Sistem, domuz yetiştiriciliğinde yaşam kalitesini iyileştirebilir. Araştırmalar, domuzların zeki hayvanlar olduğunu çeşitli deneylerle kanıtlamıştır. Domuz yavruları, kısa bir eğitim seansından sonra altı haftalıkken ayna kavramını anlayabiliyor. İnsanların bunun için çok daha uzun süreye ihtiyacı vardır. Çift parmaklı toynaklılar, hayvanların kendilerine özgü sosyal yaşamları için ihtiyaç duydukları, birbirleriyle iletişim kurma yöntemlerine de sahiptir. Yakın zamanda yayınlanan bir araştırmaya göre, bu aynı zamanda hayvanları ve onların mevcut sağlık durumlarını daha iyi anlamaya yardımcı olabilir. 

Kopenhag Üniversitesi'ndeki bilim adamları, domuz yavrularının ve domuzların dilini analiz edebilmesi ve kodunu çözebilmesi gereken bir yapay zeka (AI) geliştirdi. Scientific Reports dergisindeki yayınlarına göre, biyolog Elodie Briefer liderliğindeki ekip 400'den fazla domuzdan oluşan bir veri tabanı oluşturdu. Şimdiye kadar hayvanlardan yaklaşık 7.500 bireysel ses kaydedildi. Hayvanların seslerinin doğumdan kesime kadar kayıt altına alınması planlanmaktadır. 

Domuzlar İçin Daha İyi Yaşam Kalitesi

Yapay zeka tamamen geliştirildiğinde, domuzların yetiştirmeden kesime kadar olan kısa ömrünü iyileştirmelidir. Araştırmacılara göre, şu anda nasıl olduklarını anlamak, hayvanların yaşam kalitesi için çok önemlidir. Çiftçiler bu şekilde hayvanların stresini azaltabilir. Bu sadece domuzlar üzerinde olumlu bir etkiye sahip olmakla kalmaz, aynı zamanda insanların işini kolaylaştırır ve etin kalitesini artırır.

Hayvanların akustik sinyalleri kaydedildi ve yeni geliştirilen bir algoritma kullanılarak seçildi. Sesler hem normal üreme çiftliklerinde hem de laboratuvarda deneysel bir domuz çiftliğinde kaydedilmiştir. Bilim adamları böylece yeni bir oyuncak almak gibi olumlu olaylara veya grup içinde kavga etmek gibi olumsuz olaylara bireysel tonlar atayabildiler.

Farklı Bölgelerden Sesler

Şu anda farklı perdelerin duygularla ilgili olduğu bilinmektedir. Yüksek perdeli sesler stresle ilişkilidir, düşük perdeli sesler normaldir. Domuzlar özellikle iyi bir ruh halindeyken, homurtuları kısadır. Bu verilere dayanarak, yapay zeka gerçek zamanlı olarak sürüde olumlu veya olumsuz duyguların baskın olup olmadığına karar verebilir.

Yüzde 92 Doğruluk

Şu anda, algoritma, yüzde 92'lik bir doğrulukla olumsuz veya olumlu bir durumun mevcut olup olmadığını bilinmeyen domuz seslerinden tanıyabilir. Gelecekte bu, örneğin geceleri, hayvanların ruh halini gerçek zamanlı olarak kaydeden bir izleme sistemi geliştirmek için kullanılabilir. Ancak geliştiricilere göre, daha sağlam veri ve daha kesin sınıflandırma gerekiyor.

İnsan beyni gerçek bir mucize makinesidir. Her zaman aktiftir, karmaşık görevleri çözebilir, öğrenme yeteneğine sahiptir ve aynı anda birkaç bilgi akışını işleme yeteneğine sahiptir. Sadece on iki ila 24 watt tüketir, yani buzdolabındaki bir ampulden daha az elektrik tüketir! Bu nedenle araştırmacılar biyolojik sinir hücrelerini bilgisayar bilimi için kullanılabilir hale getirmeye çalışmışlardır. Cortical Labs'deki bilim adamlarına göre, yakın zamanda bir atılım yaptılar. Petri kaplarında büyütülen mikroskobik beyinlere Pong oynamayı öğrettiler! İnsan mini beyni, bir yapay zekadan bile daha hızlı öğrenir. Cortical Labs'ın sözde DishBrains'i 800.000 ila bir milyon nörondan oluşur. Gerçek bir beyinden farklı olarak, beyinler, mikroelektrot ağlı bir elektronik devre kartı üzerindeki insan beyin kök hücrelerinden alınan bir çip üzerinde büyütülür. Bu nöronlar, gerçek bir beyin gibi, elektromanyetik darbelerle seçici olarak uyarılabilir. Her dürtü, nöronlardan bir yanıtı tetikler ve yanıtlar elektronik olarak okunabilir. Avustralyalı şirketin araştırmacıları, DishBrains'i yapay bir zeka gibi bir devre kartı ve hücre kümelerinden oluşan değiştirilmiş bir Pong versiyonunu eğitti. Bir duvardan tekrar tekrar seken dijital topun konumu, devre kartındaki ışık darbeleriyle hücrelere bildiriliyordu. Top sağ üstten sol alta doğru hareket ederse, devre kartındaki darbeler coğrafi olarak tamamen aynı şekilde yansıtıldı. Hücreler, sırayla, raketin hareketi olarak yorumlanabilecek impulslarla tepki verdi. Araştırmacılar, bioRxiv dergisinde bir topun kaçırılması durumunda olumsuz bir çağrışım içeren bir sinyalle yanıtlandığını yazdı.

Mini Beyinler, Yapay Zeka Sistemlerinden Önemli Ölçüde Daha Hızlı

Nispeten basit kurallara uyarak bir nöron ağını öğretmek, bir video oyununda başarılı olmak başlı başına bir başarıdır. Ancak Cortical Labs'e göre başarıyı gerçekten dikkate değer kılan şey, DishBrains'in öğrenme hızıdır. Araştırmacılara göre, kullanılan sistemin işlem gücüne bağlı olarak bir yapay zekanın Pong'da ustalaşması bir saatten fazla sürüyor. Öte yandan, bir DishBrain'in video oyununu öğrenmek için sadece beş dakikaya ihtiyacı vardı. Bunun nedeni, sinirsel bağlantıların soruna uyum sağlamasıdır - başka bir deyişle, beyin görevi daha iyi ele almak için yeniden yapılandırılmıştır. Cortical Labs'ın hedefi, bu teknolojiyi birkaç yıl içinde ticari olarak uygulanabilir kılmaktır. Avustralyalı şirket, bu tür bir teknoloji üzerinde çalışan tek şirket değil. Avrupa Birliği tarafından finanse edilen Neu-ChiP proje adı altında, birkaç start-up da "insan beyin kök hücrelerini yapay bir biyolojik bilgisayar gibi çalışabilmeleri için özel olarak tasarlanmış karmaşık devrelere entegre etmek" için çok çalışıyor. ABD'li Koniku şirketi de bu yönde araştırmalar yapıyor.

Avrupa Nükleer Araştırma Örgütü'ndeki (CERN) fizikçiler, protonları ve antiprotonları benzeri görülmemiş bir hassasiyetle ölçtüler. Deney, Büyük Patlama sırasında madde ve antimaddenin neden birbirini yok etmediğini açıklamalıdır. Avrupa Nükleer Araştırma Örgütü (CERN), evrenin nasıl ortaya çıktığını araştırıyor. Big Bang sırasında madde ve antimaddenin neden birbirini yok etmediği gibi varoluşumuzun temel sorularıyla ilgilidir. Antimadde, her temel parçacık için var olan antiparçacıklardır, bunlar maddenin bilinen en küçük yapı taşlarıdır. Parçacıklar ve antiparçacıklar çarpışırsa, çift, mevcut standart fizik modellerine göre birbirini yok eder.

"Büyük Patlama Teorisi ile Parçacık Fiziğinin Standart Modelini birleştirirsek, evrenin var olması için gerçekten hiçbir neden yoktur. Bu Büyük Patlama'da da olmuş olmalıydı, ama olmadı çünkü biz varız ”diyor Alman Basın Ajansı'ndan (DPA) fizikçi Stefan Ulmer. Fiziğin standart modelleri henüz “neden varız?” sorusuna cevap veremez. Onlara göre, Big Bang sırasında madde ve antimadde birbirini tamamen yok etmiş olmalıdır.

Madde ve Antimadde Arasındaki Asimetri?

Bir fizik teorisine göre, bu gerçekleşmedi çünkü madde ve antimadde arasında minimum asimetri var. Protonlar antiprotonlardan daha ağır olsaydı, bu, bunların bir çarpışma ile tamamen sönmeyecekleri, ancak bazı protonların hala kalacağı anlamına gelirdi.

Protonları ve Antiprotonları Ölçün

Baryon-antibaryon-simetri deneyinde (BASE), Ulmer liderliğindeki ekip, protonları ve antiprotonları daha önce hiç elde edilemeyen bir hassasiyetle ölçtü. Nature dergisindeki yayınlarına göre, araştırmacılar deneylerinde proton ve antiprotonların kütlesini 11 ondalık basamakla karşılaştırdılar.

Protonlar ve antiprotonlar elektromanyetik bir kapta ölçüldü. Yaklaşık 25 santimetre uzunluğundaki Penning tuzağı, fizikçilerin proton ve antiprotonun salınımlarını kaydetmesini ve karşılaştırmasını sağladı. Ancak bir farklılık söyleyemediler. Yüksek derecede bir ölçüm hassasiyetiyle, madde ve antimadde arasındaki farkın kütle farkından kaynaklandığını ekarte ettik, ”diye açıklıyor Ulmer. Bununla birlikte, henüz ölçülmemiş çok daha mikroskobik düzeyde farklılıkların var olması hala mümkündür. Ancak şu anda mevcut olan ölçüm sonuçlarına dayanarak, Big Bang sırasında madde ve antimaddenin neden birbirini yok etmediği cevaplanamaz.

Madde ve Antimaddenin Manyetik Momenti

Bu nedenle fizikçiler, yaklaşan deneylerde kütle yerine maddenin ve antimaddenin manyetik momentinin farklılaşıp farklılaşmayacağını araştırmak istiyorlar. Parçacıkların kendi ekseni etrafındaki salınımı da önemli ölçüde daha yüksek hassasiyetle belirlenmelidir. Ulmer, "Artık eskisinden en az on kat daha fazla doğrulukla ölçüm yapabiliyoruz" diye açıklıyor.

 

Yeni bir algoritma, genetik bozukluğu olan çocuklarda psikoz gelişimini üç yıl önceden tespit ediyor. Bu erken tedaviyi mümkün kılacak demektir. 22. kromozomda küçük bir genetik bilgi parçası eksik olan çocukların yaklaşık üçte biri, yaşamları boyunca psikotik bir hastalık geliştirecektir. Cenevre Üniversitesi'ndeki doktorlar, şizofreni gibi psikotik bir hastalık geliştirme olasılığını hesaplamak için belirli semptomları ve nörobiyolojik mekanizmaları kullanan bir yöntem geliştirdiler. Uzman dergi e Life'da yayınladıkları habere göre, Corrado Sandini ile çalışan bilim adamları ağ analizlerine dayalı bir algoritma kullandılar. Farklı ağırlıklı semptomların kullanılması, genetik kusuru olan çocuklarda psikotik bir hastalık geliştirme riskini belirledi.

Algoritma 40 Değişkeni Değerlendiriyor

Algoritma, her üç yılda bir çocukluktan yetişkinliğe kadar 40 değişkenin kaydedildiği 70 kişiden alınan verilerle test edildi. Algoritma tarafından değerlendirilen değişkenler arasında suçluluk duyguları, halüsinasyonlar ve insanların günlük stresli durumlarla nasıl başa çıktıkları yer alıyor. Araştırmacılar, zihinsel sorunların gelişimini üç yıl önceden tahmin edebilecekleri değişkenleri belirleyebildiler. Sandini, “Anksiyetesi ergenlik döneminde stresle baş edememeye dönüşen endişeli 10 yaşındaki bir çocuğun muhtemelen bir akıl hastalığı geliştirdiğini bulduk” diye açıklıyor.

Önemli Bir Uyarı İşareti Olarak Kaygı

Çalışmaya göre, suçluluk duygusuna dönüşen korku ve üzüntü gelişimi, daha sonra psikotik bir hastalık gelişimi için de önemli uyarı sinyalleridir. Şimdi bilim adamları, tahmin araçlarını daha da hassaslaştırmak istiyorlar. Bunu yapmak için, kilo gibi diğer değişkenlerin de psikotik hastalıklar üzerinde bir etkisi olup olmadığını incelerler. Gelecekte, yöntem psikozu tetiklemeden önce semptomlarla mücadeleye yardımcı olacaktır.

 

Yeni bir hesaplama modeli, sporcuların performans kaybını yaşlılığa doğru kesin olarak tahmin ediyor. Saarland Üniversitesi'nde yenilikçi implant geliştirme profesörü olan Bergita Ganse liderliğindeki bir çalışma grubu, yaşlılıkta insanların fiziksel düşüşünü belirlemeyi amaçlayan bir hesaplama modeli geliştirdi. Ganse, “Bir sporcunun ileri yaştaki performansını tek bir ölçümle tahmin edip edemeyeceğimizi kendimize sorduk” diye açıklıyor. Uzman dergi Geroscience'daki yayına göre, bilim adamları, performansları İsveç Veteran Atletizm veritabanında 1901 ve 2021 yılları arasında belgelenen yaklaşık 5.000 İsveçli sporcunun verileriyle bir yapay zeka eğitti.

21.000 Veri Noktası

Toplamda, bilim adamları çalışmaları için 21.000 veri noktası kullanabildiler. Ortalama olarak, her sporcu için dört ölçüm verisi mevcuttu. Sadece koşu disiplinleri dikkate alındı, çünkü cirit veya disk gibi diğer disiplinlerde atış aletlerinin ağırlığı sporcunun yaşına göre değişiyor. Bu, karşılaştırılabilirliği daha zor hale getirir ve yaşlılıkta performans düşüşüne ilişkin bir tahminin daha yanlış olmasına neden olur. Yazarlar, "Koşucular ise 23, 40 veya 70 yaşında olmalarına bakılmaksızın 100, 200, 800 metre koşarlar" diyor.

Güç Kaybı Kesin Olarak Tahmin Edildi

Ganse'nin açıkladığı gibi, çalışmanın önemli bir sonucu olarak, bilim adamları, sporcuların performansındaki düşüşü yaşlılIğa kadar yüksek doğrulukla tahmin eden bir model geliştirmeyi başardılar. Elde edilen hassasiyet, çoğu durumda performansta doğrusal bir düşüşe dayanan eski modellerden önemli ölçüde daha yüksektir. "Çok yüksek performans gösteren ve genç olan sporcuların göreceli olarak en fazla performans kaybına uğradığını görünce şaşırdık. En düşük düşüş oranını, yüksek başlangıç ​​yaşı olan yüksek performanslı sporcularda bulduk” diye açıklıyor Ganse.

Yaşlılıkta Eğitim İşe Yarıyor

Çalışma ayrıca, insanların hala daha büyük yaşta egzersiz yapmaya başlaması gerektiğini gösteriyor. İleri bir yaşta disiplinlerinde iyi vakit geçiren insanların, daha da ileri yaşlarda ortalama yaşlarından önemli ölçüde daha üretken olmaları çok muhtemeldir. Bilim adamları, “İleri bir yaşta egzersiz yapmaya başlamak hala faydalı” diyor

XENON1T karanlık madde dedektöründen yapılan ölçümler, karanlık enerjinin ilk deneysel kanıtını sağlamış olabilir. Şimdiye kadar sadece teorik olarak fizik tarafından açıklanan karanlık enerji, öncelikle kozmosun genişlemesi de dahil olmak üzere evrendeki büyük ölçekli davranışları açıklamaya yöneliktir. Albert Einstein'ın görelilik teorisinde ayrıntılı olarak açıklanan yerel evren gibi daha küçük alanlarda, bu enerji biçimi bir rol oynamaz ve bu nedenle karanlık olarak adlandırılır. Mevcut teorilere göre, karanlık enerji, şimdiye kadar sadece teorik olarak tanımlanan maddeden (%5) ve karanlık madde olarak (%25) önemli ölçüde daha fazla, evrenin yüzde 70'ini oluşturur. Cambridge Üniversitesi'nden bir ekip şimdi Physical Review D dergisinde güneşte karanlık enerjinin oluştuğuna dair bir makale yayınladı. Bu aynı zamanda bir yıldan daha uzun bir süre önce kaydedilen XENON1T karanlık madde dedektöründen gelen şaşırtıcı bir sinyali de açıklar.


Karanlık Enerjinin Deneysel Kanıtı

Sunny Vagnozzi'nin ekibi, verilerin analizin başlangıçta tercih edilen verilerin açıklamasının standart fizik modelleriyle uyumlu olmadığı sonucuna vardı. Bunun yerine, şaşırtıcı sinyalin karanlık enerji ile etkileşimden kaynaklanmış olabileceğine göre fiziksel bir model var. Karanlık enerjinin deneysel kanıtlarının yüksek derecede kesinlik sağladığı kabul edilmeden önce, XENON1T cihazının orijinal gözleminin ikna edici bir şekilde doğrulanması gerekir.


Karanlık Enerji için Daha Fazla Kanıt

Bu başarılı olursa, araştırmacılara göre, gelecekte karanlık enerjiye dair önemli ölçüde daha güçlü kanıtlar beklenebilir. Bu nedenle Xenon1T gibi deneyler, karanlık enerjinin varlığına kanıt olarak uygun olacaktır. Ancak, cihazın teknolojisi şu anda güncellenmekte olduğundan, güvenilir kanıtlar ancak önümüzdeki on yıl içinde mümkün olacaktır.


Bilim adamları, Samanyolu'nun merkezinden birkaç hafta süren ve sonra aniden kopan radyo dalgaları tespit ettiler. Şimdiye kadar, bilinmeyen bir kaynaktan 13 kez şaşırtıcı sinyal alındı. Bilim adamları, Nisan 2019 ile Ağustos 2020 arasında uzaydan gelen esrarengiz radyo dalgalarını 13 kez izlemek için Avustralya Kilometre Kare Dizi Yol Bulucu'yu (ASKAP) kullandı. "ASKAP J173608.2−321635" olarak adlandırılan sinyal haftalarca kendini tekrar ediyor ve aniden kesiliyor. Kaşiflerin The Astrophysical Journal'da bildirdiği gibi, Samanyolu'nun merkezinden gelen radyo dalgaları herhangi bir model izlemiyor. Neil Gehrels Swift Gözlemevi araştırma uydusu ve NASA'nın Chandra uydusu X-ışını teleskopu gibi diğer dedektörler sinyali tespit edemedi. Ancak daha sonraki araştırmalarda, Avustralya Teleskop Kompakt Dizisi (ATCA) ve Güney Afrika MeerKAT radyo teleskopundan alınan kayıtlar kullanılarak radyo dalgaları doğrulanabildi.

Titreşimli Sinyal

Sidney Üniversitesi'nden Ziteng Wang liderliğindeki ekibe göre, radyo sinyalleri son derece polarize oldukları için özellikle ilginç. Elektromanyetik dalganın titreşimleri hem doğrusal hem de dairesel olarak bozuluyor Bu, yıldızlararası uzayda, kaynak ile dünya arasındaki toz ve manyetik alanların önemli ölçüde manyetizasyon oluşturduğunu gösteriyor. Ancak kaynağın kendisinin manyetize olması da mümkün gözüküyor.

Uzayda Yeni Nesne Sınıf

Ziteng'e göre, sinyalin doğası gereği, radyo flaşları, pulsarlar veya düşük kütleli yıldızlar, düzenli radyo sinyalleri yaydıkları için kaynak olarak hariç tutulabilir. ASKAP nesnesi şimdi keşfedildiğinde sinyalin bozulması bundan önemli ölçüde farklıdır. Bu nedenle bilim adamları, radyo dalgalarının "yeni bir nesne sınıfının temsilcisinden" gelmesi gerektiği görüşündedir. Galaktik merkezin çevresinden düşük frekanslarda radyo sinyalleri yayan Galaktik Merkez Radyo Geçişleri (GCRT) nesnelerin üzerinde paralellikler vardır. 2000'lerde üç GCRT nesnesi tanımlandı ve başka GCRT nesneleri henüz doğrulanmadı. Bu nedenle esrarengiz radyo dalgalarının da böyle bir nesneden kaynaklanması mümkündür.