検索
ホームページテクノロジー周辺機器AIAIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりました

人工知能 (AI) は急速に発展していますが、人間にとって強力なモデルは「ブラック ボックス」です。

モデルの内部動作と、モデルが結論に達するプロセスを理解していません。

しかし、最近、ボン大学の化学情報学の専門家であるユルゲン・バジョラス教授と彼のチームは大きな進歩を遂げました。

彼らは、医薬品研究で使用される一部の人工知能システムがどのように動作するかを明らかにする技術を設計しました。

研究によると、人工知能モデルは、特定の化学相互作用を学習するのではなく、主に既存のデータを呼び出すことによって薬の有効性を予測します。

——言い換えれば、AI の予測は純粋に記憶のつなぎ合わせに基づいており、機械学習は実際には学習しません。

彼らの研究結果は、最近 Nature Machine Intelligence 誌に掲載されました。

AIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりました

#論文アドレス: https://www.nature.com/articles/s42256-023-00756-9

医学の分野では、研究者たちは病気と戦うための効果的な活性物質を熱心に探しています。どの薬物分子が最も効果的でしょうか?

通常、これらの効果的な分子 (化合物) はタンパク質にドッキングされ、特定の生理学的作用連鎖を引き起こす酵素または受容体として機能します。

特殊な場合には、特定の分子が過剰な炎症反応などの体内の有害反応をブロックする役割もあります。

考えられる化合物の数は膨大で、効果的な化合物を見つけるのは干し草の山から針を探すようなものです。

そこで研究者らは、まず AI モデルを使用して、どの分子がそれぞれの標的タンパク質に最適にドッキングして強く結合するかを予測しました。これらの薬剤候補は、実験研究でさらに詳細にスクリーニングされます。

AIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりました

#人工知能の発展以来、創薬研究では AI 関連技術の採用が増えています。

たとえば、グラフ ニューラル ネットワーク (GNN) は、特定の分子と標的タンパク質の結合の強さを予測するのに適しています。

#グラフは、オブジェクトを表すノードとノード間の関係を表すエッジで構成されます。タンパク質-リガンド複合体のグラフ表示では、グラフの端がタンパク質またはリガンドのノードを接続し、物質の構造、またはタンパク質とリガンド間の相互作用を表します。

GNN モデルは、X 線構造から抽出されたタンパク質-リガンド相互作用マップを使用して、リガンド親和性を予測します。

ユルゲン・バジョラス教授は、GNN モデルは私たちにとってブラックボックスのようなもので、それがどのように予測を導き出すのかを知る方法はないと述べました。

AIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりましたユルゲン・バジョラス教授は、ボン大学 LIMES 研究所およびボン・アーヘン国際情報技術センター (ボン・アーヘン国際センター) に勤務しています。情報技術)とラマー機械学習および人工知能研究所。

人工知能はどのように機能するのでしょうか?

ボン大学の化学情報学部の研究者は、ローマのサピエンツァ大学の同僚とともに、グラフ ニューラル ネットワークが本当にタンパク質間の相互作用を学習するかどうかを詳細に分析しました。およびリガンドの効果。

研究者らは、特別に開発した「EdgeSHAPer」手法を使用して、合計 6 つの異なる GNN アーキテクチャを分析しました。

EdgeSHAPer プログラムは、GNN が化合物とタンパク質の間の最も重要な相互作用を学習したか、または他の手段で予測を行ったかを判断できます。

科学者らは、化合物の作用機序と標的タンパク質への結合の強さがわかっているタンパク質-リガンド複合体の構造から抽出されたグラフを使用して、6 つの GNN を訓練しました。

次に、トレーニングされた GNN を他の化合物でテストし、EdgeSHAPer を使用して GNN がどのように予測を生成するかを分析します。

「GNN が期待どおりに動作する場合、化合物と標的タンパク質の間の相互作用を学習し、特定の相互作用に優先順位を付けて予測を行う必要があります。」

しかし、研究チームの分析によると、6 つの GNN は基本的にこれを行うことができませんでした。ほとんどの GNN は、主にリガンドに焦点を当てて、一部のタンパク質と薬物の相互作用のみを学習します。

AIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりました

上の図は 6 つの GNN での実験結果を示しています。色分けされたバーは、EdgeSHAPer で決定された各予測の上位 25 のエッジを表しています。におけるタンパク質、リガンド、および相互作用の平均割合。

緑で表される相互作用がモデルが学習する必要があるものであることがわかりますが、実験全体における割合は高くなく、オレンジ色はリガンドを表しています。最も大きな割合を占めています。

分子の標的タンパク質への結合強度を予測するために、モデルは主に、標的タンパク質に関係なく、トレーニング中に遭遇した化学的に類似した分子とその結合データを「記憶」します。これらの記憶された化学的類似性が本質的に予測を決定します。

AIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりました

これは「賢いハンス効果」を彷彿とさせます。数えられるように見える馬と同じように、馬は実際に期待される結果を推測します。仲間の表情やしぐさの微妙な違いに基づいて。

これは、GNN のいわゆる「学習能力」が維持できない可能性があり、化学知識を使用できるため、モデルの予測が大幅に過大評価されていることを意味する可能性があります。より簡単な方法。

ただし、この研究では別の現象も見つかりました。試験化合物の効力が増加するにつれて、モデルはより多くの相互作用を学習する傾向があります。

おそらく、表現とトレーニング手法を変更することで、これらの GNN を望ましい方向にさらに改善することができます。ただし、分子グラフから物理量を学習できるという仮定は、一般に注意して扱う必要があります。

「人工知能は黒魔術ではありません。」

以上がAIは学習しない!新しい研究により、人工知能のブラックボックスを解読する方法が明らかになりましたの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明
この記事は51CTO.COMで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。
あなたは無知のベールの後ろに職場AIを構築する必要がありますあなたは無知のベールの後ろに職場AIを構築する必要がありますApr 29, 2025 am 11:15 AM

ジョン・ロールズの独創的な1971年の著書「正義の理論」で、彼は私たちが今日のAIデザインの核となり、意思決定を使用するべきであるという思考実験を提案しました:無知のベール。この哲学は、公平性を理解するための簡単なツールを提供し、リーダーがこの理解を使用してAIを公平に設計および実装するための青写真を提供します。 あなたが新しい社会のルールを作っていると想像してください。しかし、前提があります。この社会でどのような役割を果たすかは事前にわかりません。過半数または限界少数派に属している、金持ちまたは貧弱、健康、または障害者になることがあります。この「無知のベール」の下で活動することで、ルールメーカーが自分自身に利益をもたらす決定を下すことができません。それどころか、人々はより公衆を策定する意欲があります

決定、決定…実用的な応用AIの次のステップ決定、決定…実用的な応用AIの次のステップApr 29, 2025 am 11:14 AM

ロボットプロセスオートメーション(RPA)を専門とする多くの企業は、繰り返しタスクを自動化するためのボットを提供しています。 一方、プロセスマイニング、オーケストレーション、インテリジェントドキュメント処理スペシャル

エージェントが来ています - 私たちがAIパートナーの隣ですることについてもっとエージェントが来ています - 私たちがAIパートナーの隣ですることについてもっとApr 29, 2025 am 11:13 AM

AIの未来は、単純な単語の予測と会話シミュレーションを超えて動いています。 AIエージェントは出現しており、独立したアクションとタスクの完了が可能です。 このシフトは、AnthropicのClaudeのようなツールですでに明らかです。 AIエージェント:研究a

共感がAI主導の未来におけるリーダーのコントロールよりも重要である理由共感がAI主導の未来におけるリーダーのコントロールよりも重要である理由Apr 29, 2025 am 11:12 AM

急速な技術の進歩は、仕事の未来に関する将来の見通しの視点を必要とします。 AIが単なる生産性向上を超えて、私たちの社会構造の形成を開始するとどうなりますか? Topher McDougalの今後の本、Gaia Wakes:

製品分類のためのAI:マシンは税法を習得できますか?製品分類のためのAI:マシンは税法を習得できますか?Apr 29, 2025 am 11:11 AM

多くの場合、Harmonized System(HS)などのシステムからの「HS 8471.30」などの複雑なコードを含む製品分類は、国際貿易と国内販売に不可欠です。 これらのコードは、すべてのINVに影響を与える正しい税申請を保証します

データセンターの要求は、気候技術のリバウンドを引き起こす可能性がありますか?データセンターの要求は、気候技術のリバウンドを引き起こす可能性がありますか?Apr 29, 2025 am 11:10 AM

データセンターと気候技術投資におけるエネルギー消費の将来 この記事では、AIが推進するデータセンターのエネルギー消費の急増と気候変動への影響を調査し、この課題に対処するための革新的なソリューションと政策の推奨事項を分析します。 エネルギー需要の課題:大規模で超大規模なデータセンターは、数十万の普通の北米の家族の合計に匹敵する巨大な力を消費し、新たなAIの超大規模なセンターは、これよりも数十倍の力を消費します。 2024年の最初の8か月で、Microsoft、Meta、Google、Amazonは、AIデータセンターの建設と運用に約1,250億米ドルを投資しました(JP Morgan、2024)(表1)。 エネルギー需要の成長は、挑戦と機会の両方です。カナリアメディアによると、迫り来る電気

AIとハリウッドの次の黄金時代AIとハリウッドの次の黄金時代Apr 29, 2025 am 11:09 AM

生成AIは、映画とテレビの制作に革命をもたらしています。 LumaのRay 2モデル、滑走路のGen-4、OpenaiのSora、GoogleのVEO、その他の新しいモデルは、前例のない速度で生成されたビデオの品質を向上させています。これらのモデルは、複雑な特殊効果と現実的なシーンを簡単に作成できます。短いビデオクリップやカメラ認知モーション効果も達成されています。これらのツールの操作と一貫性を改善する必要がありますが、進歩の速度は驚くべきものです。 生成ビデオは独立した媒体になりつつあります。アニメーション制作が得意なモデルもあれば、実写画像が得意なモデルもあります。 AdobeのFireflyとMoonvalleyのMAであることは注目に値します

ChatGptはゆっくりとAIの最大のYES-MANになりますか?ChatGptはゆっくりとAIの最大のYES-MANになりますか?Apr 29, 2025 am 11:08 AM

ChatGptユーザーエクスペリエンスは低下します:それはモデルの劣化ですか、それともユーザーの期待ですか? 最近、多数のCHATGPT有料ユーザーがパフォーマンスの劣化について不満を述べています。 ユーザーは、モデルへの応答が遅く、答えが短い、助けの欠如、さらに多くの幻覚を報告しました。一部のユーザーは、ソーシャルメディアに不満を表明し、ChatGptは「お世辞になりすぎて」、重要なフィードバックを提供するのではなく、ユーザービューを検証する傾向があることを指摘しています。 これは、ユーザーエクスペリエンスに影響を与えるだけでなく、生産性の低下やコンピューティングリソースの無駄など、企業の顧客に実際の損失をもたらします。 パフォーマンスの劣化の証拠 多くのユーザーは、特にGPT-4などの古いモデル(今月末にサービスから廃止される)で、ChatGPTパフォーマンスの大幅な分解を報告しています。 これ

See all articles

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

EditPlus 中国語クラック版

EditPlus 中国語クラック版

サイズが小さく、構文の強調表示、コード プロンプト機能はサポートされていません

VSCode Windows 64 ビットのダウンロード

VSCode Windows 64 ビットのダウンロード

Microsoft によって発売された無料で強力な IDE エディター

SecLists

SecLists

SecLists は、セキュリティ テスターの究極の相棒です。これは、セキュリティ評価中に頻繁に使用されるさまざまな種類のリストを 1 か所にまとめたものです。 SecLists は、セキュリティ テスターが必要とする可能性のあるすべてのリストを便利に提供することで、セキュリティ テストをより効率的かつ生産的にするのに役立ちます。リストの種類には、ユーザー名、パスワード、URL、ファジング ペイロード、機密データ パターン、Web シェルなどが含まれます。テスターはこのリポジトリを新しいテスト マシンにプルするだけで、必要なあらゆる種類のリストにアクセスできるようになります。

ZendStudio 13.5.1 Mac

ZendStudio 13.5.1 Mac

強力な PHP 統合開発環境