الديباج بارك: هذه هي فئة العلوم والتكنولوجيا

مع مساعدة من تكنولوجيا التعلم عميقة، وجد paleoanthropologist دليل على فرع المفقود منذ زمن طويل من شجرة العائلة البشرية. عميق تكنولوجيا التعلم علماء الأحافير يمكن أن تساعد وعلماء الوراثة إلى العثور على آثار من حق الإنسان القديم؟ قبل 70،000 سنة، عند أول إنسان العصر الحديث من أفريقيا، هناك اثنين على الأقل من سكان انقرضت ذات الصلة في أوراسيا في انتظارهم. هذه اثنين من السكان ذات الصلة من الإنسان البدائي القديم ودينيسوفان الإنسان، ثم القديمة وأوائل هجين الإنسان الحديث، أصل أفريقي اليوم لا تزال قائمة في أجزاء الجينوم الحمض النووي للإنسان القديم. علامات أكثر وأكثر أن هذه الفترة من التاريخ من علمنا رائعة. وأفاد فريق البحث على "الطبيعة" (نيتشر) ما يلي: انها عثرت على قطعة من شظايا العظام تنتمي إلى أجيال المستقبل الهجينة الإنسان، نسل البشر البدائيون الأم في كهف في سيبيريا، كان الأب داني فرانسوا الناس، وهذا هو الجيل الأول من العظام شظايا الأدلة الأحفورية الأول من التهجين البشري.

للأسف، حفريات مماثلة نادرة جدا، مثل معرفة دينيسوفان على أساس الحمض النووي المستخرج من كتيبة من. في حين أن مزيج من هذه وغيرها من الجماعات مع أصل من مزيج هجين في وقت مبكر يمكن العثور عليها بسهولة، ولكن عندما يتعلق الأمر الأدلة المادية، فإنها يمكن أن يكون من الصعب التحقق منها. أنها ظهرت أدلة قد تكون موجودة فقط في DNA بعض الناس، على الرغم من ذلك، فإنها قد الناس دينيسوفان الجين هو أكثر دهاء. وخلص النماذج الإحصائية مساعدة العلماء أنه في حالة عدم وجود بيانات الأحفوري في حالة وجود هؤلاء السكان: على سبيل المثال، القديمة والحديثة على أنماط التغير الجينية البشرية في عام 2013 يظهر أن الأنواع مجهولة البشرية ودينيسوفان (أو أجدادهم) كانت التهجين. ولكن الخبراء يعتقدون أن هذه الأساليب تجاهل حتما الكثير من التفاصيل.

• الذكاء الاصطناعي يساعد علماء الحفريات وعلماء الأنثروبولوجيا إعادة بناء يؤدي إلى نمط معقد من القديم هجين الإنسان الإنسان الحديث ظهر. صورة: صورة بيل أوليري / واشنطن بوست عن طريق صور غيتي

هوية الأشخاص الآخرين الذين ساهموا في جينوم الإنسان الحديث؟ هذه الأسهم تبدو وكأنها؟ أين يعيشون؟ تفاعلها مع الأنواع البشرية الأخرى وزميله كم مرة؟ نشرت في "نيتشر الاتصالات" (الطبيعة اتصالات) ورقة، أظهر الباحثون إمكانات تكنولوجيا التعلم عميقة، يمكن هذه التكنولوجيا أن تساعد في سد بعض من الأجزاء المفقودة، لملء بعض الخبراء قد لا يدركون ذلك. انهم من خلال البحث المتعمق، واختيار من الأدلة من السكان أخرى: أوراسيا على سلف الإنسان غير معروف، فإنه من المرجح الإنسان البدائي ودينيسوفان من عرق مختلط، يمكن أن يكون دينيسوفان الأقارب. نقاط العمل هذه من استخدام مستقبل الذكاء الاصطناعي في علم المتحجرات، فإنه لا يمكن التعرف فقط على آثار غير متوقعة، ونحن يمكن أن تكشف عن الجزء المفقود التطوري للعملية.

1، للعثور ميزات خفية

الأساليب الإحصائية تشمل كشف في وقت واحد من نزلات الحالي يضم أربعة الجينوم، وهو اختبار لالتشابه، ولكن ليس بالضرورة أسلاف اختبار الفعلية؛ لأن الكثير من الطرق المختلفة التي يمكن أن تفسر الجينات كشفت عن وجود كمية صغيرة من الخليط. على سبيل المثال، قد تشير هذه التحليلات أن البشر البدائيون والأوروبيين الحديث الجينوم لدينا بعض القواسم المشتركة، ولكن مع اختلاف الأفارقة الحديثة، ولكن هذا لا هجن البشر البدائيون ووسائل أصول أوروبية أن هذه الجينات تأتي من. قد تولد هذا الأخير مع وثيقة السكان إلى البشر البدائيون، بدلا من البشر البدائيون أنفسهم. ونظرا لعدم وجود أدلة مادية لنفترض أن هذه الاختلاف الجيني القديم يأتي من متى وأين وكيف لسكان الحي، فمن الصعب أن نقول في كثير من الأجداد تكهن، الذي هو واضح.

وقالت جامعة ويسكونسن ماديسون (جامعة ويسكونسن ماديسون) من paleoanthropologist جون هوكس (جون هوكس): هذه التقنية بسيطة وقوية، ولكن هناك العديد من القضايا التي لم تحل بعد في فهم نظرية التطور. عمق التعلم في محاولة لشرح مستوى تدفق الجينات، على الرغم من أن مستوى الجينات تتدفق نسبة إلى طريقة إحصائية صغيرة جدا، لكنها تقدم على نطاق أوسع، ونماذج أكثر تعقيدا لشرح. من خلال التدريب ويمكن للشبكة العصبية تعلم لتصنيف أنماط مختلفة وفقا لعدد سكانها أكثر عرضة للإنتاج في تاريخ البيانات الجينية من دون الحاجة إلى أن يقال كيفية بناء هذه الروابط.

يشك الباحثون استخدام عمق تقنيات التعلم يمكن العثور على آثار الإنسان القديم. أولا وقبل كل شيء، وليس لدينا سبب للاعتقاد بأن البشر البدائيون، دينيسوفان والإنسان الحديث في سياق التاريخ البشري، وثلاثة فقط من السكان. ووفقا ليقول هوكس، قد يكون هذه الفئة من السكان العشرات. جامعة ولاية نيويورك في ستوني بروك (جامعة ستوني بروك) الأنثروبولوجيا جايسون لويس (جيسون لويس) اتفق مع هذا الرأي وقال: وقد لدينا الخيال محدودة، لأننا نشعر بالقلق دائما عن عيشهم، أو في أوروبا وجدت حفريات في أفريقيا وغرب آسيا. عمق تكنولوجيا التعلم بطريقة غريبة لإعادة تركيز هذه الاحتمالات، وهذه الطريقة لم تعد تقتصر من قبل خيالنا.

2، محاكاة قيمة تاريخية حقيقية

يبدو أن التعلم العميق المرجح أن يحل علماء الحفريات المشكلة، لأن هذا الأسلوب عادة ما يتطلب كمية كبيرة من بيانات التدريب. في معظم المصنف صورتها المشترك، على سبيل المثال، عندما الخبراء تحديد نموذج تدريب صورة القطة، وخبراء يمكن تدريب الآلاف والآلاف من الصور، والخبراء أنفسهم يعرفون ما إذا كان يعمل، لأنه يعلم أن القط يجب أن تبدو . نظرا لعدم وجود بيانات ذات الصلة الأنثروبولوجيا وعلم المتحجرات، والباحثين تريد استخدام عمق تقنيات التعليم يجب أن تمر عبر لإنشاء البيانات الخاصة بهم لجعله أكثر ذكاء. وقال زميل برشلونة المركز الوطني للجينوم تحليل (المركز الوطني للتحليل الجينوم) أوسكار راو (أوسكار لاو): نحن نلعب الحيل القذرة يمكن استخدامها لعدد غير محدود من البيانات لتدريب مشغل التعلم العمق، لأننا باستخدام المحاكاة.

الباحثون اعتمادا على تفاصيل الديموغرافية للمزيج تولد عشرات الآلاف من التاريخ التطوري محاكاة من: عدد من حجم السكان الأسلاف، ينفصلون عن بعضهم البعض عندما يكون معدل العرق المختلط وهلم جرا. تاريخيا هذه المحاكاة، والعلماء أصبحت الحياة العصرية عدد كبير من الجينوم التناظرية. تدربوا خوارزميات التعلم عمق لهذه الجينات، وبالتالي فإن النموذج التطوري لمعرفة التي هي الأكثر احتمالا لإنتاج نمط معين من الميراث. ثم، وسيقوم فريق الافراج عن الذكاء الاصطناعي للاستدلال على تاريخ معظم البيانات الجيني واقعية. في نهاية المطاف، يخلص النظام أن الجماعات البشرية غير المعترف بها من قبل تسهم أيضا في سلف من أصل آسيوي. من الجينات المعنية في نمط، وهؤلاء الناس أنفسهم قد تكون إما السكان فريد من قبل 300،000 سنة، والبشر والبشر البدائيون داني فرانسوا تنتجها معبر

إما سرعان ما تطور من مجموعة من أحفاد من دينيسوفان بعد ذلك. ليست هذه هي المرة الأولى عمق التعلم المستخدمة في هذا الطريق، والعديد من المختبرات في مجال تستخدم بالفعل طريقة مشابهة لحل القرائن غيرها من الدراسات التطورية. جامعة ولاية أوريغون (جامعة ولاية أوريغون) أندرو كوهين (أندرو كيرن) ان فريقا من الباحثين من خلال استخدام الأساليب القائمة على المحاكاة وتقنيات التعلم آلة تقودها، وكيفية تصميم نموذج لمجموعة متنوعة من الأنواع، بما في ذلك البشر، وتطورت التمييز. وجدت أن معظم تطور التكيف يفضل السكان لا تعتمد على ظهور الطفرات المفيدة جديدة، ولكن يعتمد على التوسع في النتائج مثيرة، ويتم إنتاج عمق التعلم تطبيقها على هذه القضايا الجديدة التباين الوراثي القائم.

3، الضجيج أو الأمل؟

هناك بعض المشاكل، أولا وقبل كل شيء، إذا كان نموذج محاكاة الفعلي للتطور البشري والتدريب التعلم العمق ليس هو نفسه، ثم التكنولوجيا سوف تسفر عن نتائج غير صحيحة. هذا هو كوهين وآخرون يحاولون حل المشكلة، من أجل تحسين دقة، وهناك الكثير من العمل للقيام به. جامعة برينستون (جامعة برنستون) قال عالم البيئة وعلم الأحياء التطوري جوشوا آكي (جوشوا Akey): أعتقد أن تطبيق الذكاء الاصطناعي من حيث الجينوم العلم هو الإفراط في المبالغة. دراسة متعمقة لهذه التكنولوجيا الجديدة هي أداة رائعة، لكن ما هي الا وسيلة، فإنه لا حل جميع الألغاز، ونحن نريد أن نفهم تعقيد التطور البشري.

وكتب بعض الخبراء يشككون حتى في جامعة هارفارد (جامعة هارفارد) ومتحف بيبودي (متحف بيبودي) الحفريات دايفيد بيلبيام (دايفيد بيلبيام)، في رسالة بالبريد الالكتروني: رأيي، بالإضافة ،، تحليل المعلومات الاستخباراتية غير البشرية يناقشون وكثافة ونوعية البيانات ليست مرضية. ومع ذلك، في علماء الحفريات وعلماء الوراثة الآخرين الرأي، وهذا هو خطوة جيدة إلى الأمام، يمكن استخدامها للتنبؤ بالمستقبل الاختلاف الجيني وحفريات الإنسان وجدت قبل آلاف السنين يجب أن تكون موجودة. وأعتقد أنه سوف تعزز حقا دراسة متعمقة لعلم الوراثة السكانية، لأننا يمكن الوصول إلى البيانات ولكن لا يمكن الوصول إلى حقول أخرى ولدت عملية البيانات قد يكون هذا هو الحال.

في حوالي نفس كوهين وغيرها من علماء الوراثة السكانية والأحياء التطورية وضعت لحل مشكلة مصطنعة تكنولوجيا المحاكاة الاستخبارات، الفيزياء يدرس أيضا كيفية تصفية كميات هائلة من البيانات الكبيرة مسرع الجسيمات مصادم هادرون والآخر، وقد بدأت الدراسات الجيولوجية والزلزالية طرق التنبؤ إلى الاستفادة من عمق التعلم. وقال ويحسب معهد MIT واسع من جامعة هارفارد (معهد برود من معهد ماساتشوستس للتكنولوجيا) الأحياء نيك باترسون (نيك باترسون): أنا حقا لا أعرف ماذا سيحدث، ولكن هناك جديد ويبدو أن طريقة جيدة دائما. إذا كان يمكن أن تكون إجابة جيدة لمشكلتنا، نحن سنبذل قصارى جهدنا لتطوير ذلك!

الديباج بارك - العلوم العلوم الشعبية | دورية الأدب إشارة: "الطبيعية"، "الاتصالات الطبيعة"

ون جيا باو: مجلة جوردانا Cepelewicz / كوانتا / كوانتا النشرة الإخبارية

دوى: 10.1038 / s41586-018-0455-X

دوى: 10.1038 / nature12886

دوى: 10.1038 / s41467-018-08089-7

الديباج بارك - نقل الفضاء الأميركية والعلوم للملاحة الفضائية