Subscribe to RSS
DOI: 10.1055/a-1650-2220
Künstliche Intelligenz
Von der Steinzeit über mathematische Intuition, Moleküle und Galaxien bis hin zu Corona-TestsVon künstlicher Intelligenz im Sinne von selbsttätig lernenden neuronalen Netzwerken war an dieser Stelle schon mehrfach die Rede [33]–[36]. Immer dann, wenn es um die Vorhersage bei einem komplexen System oder Sachverhalt geht und sehr viele Daten vorliegen, kann man versuchen, diese Daten mit einer selbstlernenden Maschine zu analysieren, d. h. eine Maschine verwenden, um Strukturen in den Daten zu finden, die einem Menschen mit seiner begrenzten Lern- und Denkkapazität nicht auffallen würden. Das hat vor 5 Jahren beim Brettspiel Go erstmals weltweit sichtbar so richtig gut funktioniert: Die Aufgabe beim Go, den richtigen nächsten Spielzug von mehr als 10171 möglichen Spielzügen zu finden, ist zwar so groß, dass sich das Ergebnis prinzipiell nicht berechnen lässt (die Anzahl der Atome im gesamten Universum bzw. der beim Schach möglichen Spielzüge liegt jeweils etwa bei vergleichsweise „schlappen“ 1080 Möglichkeiten). Aber eine Maschine (genannt AlphaGo) der britischen Firma DeepMind [ 1 ] konnte anhand vieler vorhandener Go-Partien und anschließendem Weiterspielen gegen sich selbst lernen, das Spiel besser zu spielen als die weltbesten Menschen (März 2016). Im Oktober 2017 wurde gezeigt, dass eine neue Maschine (AlphaGo Zero), die von Anfang an nur gegen sich selbst spielte, bei 100 Spielen gegen AlphaGo 100-mal gewann und weit besser als die Menschen gute Spielzüge finden kann. Seither versuchen die weltbesten Go-Spieler zu verstehen, was die Maschine macht. Sie gewinnt immer. Während der vergangenen 5 Jahre wurde diese Technik in den verschiedensten Bereichen eingesetzt, wie an dieser Stelle in 2 Übersichten im Jahr 2021 dargestellt wurde: In der Medizin können Maschinen Flecken auf der Haut dermatologisch diagnostizieren (Krebs oder nicht?), Röntgenbilder beurteilen (dito), und vieles mehr [36].
Mittlerweile gibt es kaum noch eine Wissenschaft, in der nicht mit künstlicher Intelligenz (KI) gearbeitet wird. In der Sinnesphysiologie klassifizierte beispielsweise ein neuronales Netzwerk Moleküle nach deren Geruch [23] und konnte danach auch den Geruch von anderen (nicht im Training vorgekommenen) chemischen Substanzen vorhersagen. In der Chemie finden neuronale Netzwerke gangbare, aber bislang unbekannte Synthesewege [24], [26]. KI sucht und findet mittlerweile auch vollautomatisch Argumente beim Debattieren mit anderen Menschen, und das Militär verwendet neuronale Netzwerke, um Strategien des Einsatzes von Robotern bei gewaltsamen Auseinandersetzungen zu entwickeln [36]. Im Folgenden werden ganz unterschiedliche Bereiche vorgestellt, an die man zunächst eher nicht denkt, wenn es um KI geht und in denen gerade in jüngster Zeit enorme praktische Fortschritte gemacht wurden.
Publication History
Article published online:
09 February 2022
© 2022. Thieme. All rights reserved.
Georg Thieme Verlag KG
Rüdigerstraße 14, 70469 Stuttgart, Germany
-
Literatur
- 1 Albers D. Polite applause for a proof of one of the great conjectures of mathematics: What is a proof today? Two-Year Coll. Math J 1981; 12 (02) 82
- 2 Appel K, Haken W. The solution of the four-color-map problem. Scientific American 1977; 237 (04) 108-121
- 3 Aron J.. Our number’s up: Machines will do maths we’ll never understand. New Scientist 3036, 29.8.2015. www.newscientist.com/article/dn28065-our-numbers-up-machines-will-do-maths-well-never-understand/ abgerufen am 5.12.2021
- 4 AlQuraishi M. Structure prediction gets real. Nature 2020; 577: 627-628
- 5 AlQuraishi M. Protein-structure prediction revolutionized. Nature 2021; 596: 487-488
- 6 Anonymus. Machine-learning algorithm revolutionises the classification of galaxies. Information News Network 8. Juli 2021. www.innovationnewsnetwork.com/machine-learning-algorithm-revolutionises-the-classification-of-galaxies/13104/ abgerufen am 21.11.2021
- 7 Baek M, DiMaio F, Anishchenko I. et al Accurate prediction of protein structures and interactions using a three-track neural network. Science 2021; 373: 871-876
- 8 Bastani H, Drakopoulos K, Gupta V. et al Efficient and targeted COVID-19 border testing via reinforcement learning. Nature 2021; 599: 108-113
- 9 Callaway E.. DeepMind’s AI for protein structure is coming to the masses, Nature. 2021 doi.org/10.1038/d41586-021-01968-y
- 10 Callaway E. DeepMind’s AI predicts structures for a vast trove of proteins. Nature 2021; 595: 635
- 11 Cavanagh MK, Bekki K, Groves BA. Morphological classification of galaxies with deep learning: comparing 3-way and 4-way CNNs. Monthly Notices of the Royal Astronomical Society 2021; 506: 659-676
- 12 Collett TE, Oldham LJ, Smith RJ. et al A precise extragalactic test of General Relativity. Science 2018; 360: 1342-1346
- 13 Conselice CJ, Wilkinson A, Duncan K. et al The Evolution of Galaxy Number Density at z < 8 and its Implications. Astrophysical Journal 2016: 1607.03909
- 14 Davies A, Veličkovi P, Buesing L. et al Advancing mathematics by guiding human intuition with AI. Nature 2021; 600: 70-74
- 15 Dunar AJ, Waring SP.. Power to Explore: A History of Marshall Space Flight Center, 1960–1990. The NASA History Series. National Aeronautics and Space Administration History Office; Office of Policy and Plans. Washington DC 1999
- 16 Dyson FW, Eddington AS, Davidson C.. A determination of the deflection of light by the Sun’s gravitational field, from observations made at the total eclipse of 29 May 1919. Philos Trans Royal Soc London 220 A 291-333
- 17 Einstein A. Lens-like action of a starb y the deviation of light in the gravitational field. Science 1936; 84: 506-507
- 18 Grove M, Blinkhorn J. Neural networks differentiate between Middle and Later Stone Age lithic assemblages in eastern Africa. PLoS ONE 2020; 15 (08) e0237528
- 19 Hales TC. A proof of the Kepler conjecture. Annals of mathematics 2005; 162: 1065-1185
- 20 Huertas-Company M. Deep Learning and Galaxy Classification. American Scientist 2020; 106: 317
- 21 Jee I, Suyu SH, Komatsu E. et al A measurement of the Hubble constant from angular diameter distances to two gravitational lenses. Science 2019; 365: 1334-1338
- 22 Jumper J, Evans R, Pritzel A. et al Highly accurate protein structure prediction with AlphaFold. Nature 2021; 596: 583-589
- 23 Keller A, Gerkin RC, Guan Y. et al Predicting human olfactory perception from chemical features of odor molecules. Science 2021; 355: 820-826
- 24 Klucznik T, Mikulak-Klucznik B, McCormack MP. et al Efficient Syntheses of Diverse, Medicinally Relevant Targets Planned by Computer and Executed in the Laboratory. Chem 2018; 04: 522-532
- 25 López-García PA, Agrote DL, Thrun MC. Projection-based classification of chemical groups for provenance analysis of archaeological materials. IEEEAccess 2020; 08: 152440
- 26 Molga K, Dittwald P, Grzybowski BA. Navigating around Patented Routes by Preserving Specific Motifs along Computer-Planned Retrosynthetic Pathways. Chem 2019; 05: 460-473
- 27 Obermeyer Z. An algorithm to target COVID testing of travellers. Nature 2021; 599: 34-36
- 28 Senior AW, Evans R, Jumper J. et al Improved protein structure prediction using potentials from deep learning. Nature 2020; 577: 706-710
- 29 Sokol J. AI in Action: Machines that make sense of the sky. Science 2017; 357: 26
- 30 Sparkes M. An AI has disproved five mathematical conjectures with no human help. New Scientist 2017: 3336
- 31 Sparkes M. DeepMind’s AI uncovers structure of 98.5 per cent of human proteins. New Scientist 2021: 3345
- 32 Sparkes M. DeepMind AI collaborates with humans on two mathematical breakthroughs, New Scientist. 2021 www.newscientist.com/article/2299564-deepmind-ai-collaborates-with-humans-on-two-mathematical-breakthroughs/ abgerufen am 6.12.2021
- 33 Spitzer M. Go und die Moral in Südkorea. Nervenheilkunde 2016; 35: 287-291
- 34 Spitzer M. www (WeltWeite Werbung) und die Folgen: Radikalisierung, Spionage, Vertrauens- und Wahrheitsverlust. Nervenheilkunde 2018; 37: 303-311
- 35 Spitzer M. Psychiatrie im dritten Jahrzehnt des 21. Jahrhunderts. Nervenheilkunde 2021; 40: 6-12
- 36 Spitzer M. Digital, automatisch – unbehaglich, gefährlich. Nervenheilkunde 2021; 40: 588-597
- 37 Stump C. AI aids intuition in mathematical discovery. Nature 2021; 600: 44-45
- 38 Sunny S, Jayaraj PB.. Protein-Protein Docking: Past, Present, and Future. Protein J 2021
- 39 Tunyasuvunakool K, Adler J, Wu Z. et al Highly accurate protein structure prediction for the human proteome. Nature 2021; 596: 590-596
- 40 Wagner AZ.. Constructions in combinatorics via neural networks, arXiv 2104.14516 29.4.2021. www.newscientist.com/article/2299564-deepmind-ai-collaborates-with-humans-on-two-mathematical-breakthroughs/ abgerufen am 5.12.2021
- 41 Wilson R. Wolfgang Haken and the four-color problem. Illinois Journal of Mathematics 2016; 60: 149-178
- 42 Wilson R.. Four Colors Suffice: How the Map Problem Was Solved – Revised Color Edition. Princeton: University Press; 2013
- 43 Service RF. Protein structures for all. Science 2021; 374: 1426-1427
- 44 Thorp HH. Proteins, proteins everywhere. Science 2021; 374: 1415
- 45 Gentile F, Tortora C, Covone G. et al Lenses In VoicE (LIVE): Searching for strong gravitational lenses in the VOICE@VST survey using Convolutional Neural Networks. arXiv:2105.05602 [astro-ph.GA] version 1, 12.5.2021
- 46 Hezaveh YD, Levasseur LP, Marshall PJ. Fast automated analysis of strong gravitational lenses with convolutional neural networks. Nature 2017; 548: 555-557
- 47 Ramanah DK, Arendse N, Wojtak R.. AI-driven spatio-temporal engine for finding gravitationally lensed supernovae. arXiv:2107.12399 [astro-ph.IM] version 1, 26.7.2021
- 48 Anonymus Digital intuition. A computer program that can outplay humans in the abstract game of Go will redefine our relationship with machines. Nature 2016; 529: 437
- 49 Elman JL. Learning and development in neural networks: the importance of starting small. Cognition 1993; 48: 71-99