Искусственный интеллект поможет ученым совершить прорыв в геофизике и медицине

Новости МирТесен

Поиск закономерностей в обширных массивах данных – распространенная задача в научных исследованиях. Обнаружение этих закономерностей может быть затруднено, и интерпретация информации нередко зависит от личного мнения исследователя. Применение нейронных сетей в этой области способно обеспечить значительные достижения.

В этом контексте в «Коммерсанте» вышел материал о том, как ученые осваивают ИИ для решения прикладных задач.

Мария Смирнова и группа исследователей во главе с профессором Иваном Кулаковым из Сколтеха планируют использовать машинное обучение для обнаружения геотермальных источников на Камчатке и Курильских островах. В настоящее время поиск таких источников осуществляется вручную, путем измерения сейсмических волн в различных точках на поверхности вулканически активных территорий. Разница в скорости распространения сейсмических волн в обычных породах земной коры и в тех областях, где к поверхности подступают геотермальные воды, позволяет выявлять зоны, где даже неглубокое бурение может обеспечить возможность строительства геотермальной электростанции.

Геоэлектростанции обладают рядом достоинств по сравнению с другими источниками энергии: исключается необходимость дорогостоящей и сложной доставки топлива из других регионов, электрогенерация стабильна и непрерывна в течение суток, в то время как солнечные и ветряные электростанции не могут обеспечить подобную работу. Однако, существует и определенная сложность: ручной анализ сейсмических записей отнимает значительное время и требует привлечения специалистов в области геофизики. Внедрение искусственного интеллекта для автоматизации поиска подходящих зон, как ожидается, позволит значительно ускорить и повысить точность определения мест для бурения.

Еще один способ, которым ученые намереваются использовать методы машинного обучения для выявления закономерностей в обширных массивах данных, – это работа Дарьи Неверовой из Математического института имени С. М. Никольского РУДН, посвященная эпидемиологии. В этой науке математическое моделирование применяется уже давно, однако пандемия COVID-19 продемонстрировала, что подобный подход излишне упрощает реальные процессы, связанные с распространением инфекций.

В тех случаях, когда математическое моделирование предсказывало стремительное распространение эпидемий или других инфекций, фактическая скорость их развития отличалась: например, она заметно замедлялась при использовании средств индивидуальной защиты, таких как маски. Нейронные сети, вероятно, способны обнаруживать закономерности в массивах данных, даже если они не были формализованы математически исследователями. Следовательно, появляется возможность вывести прогнозирование инфекционных заболеваний на качественно новый уровень, сделав его более адаптивным, детализированным и соответствующим реальным условиям.

Внедрение искусственного интеллекта в сферу естественных наук происходит во всем мире. В прошлом году обработка данных, полученных телескопом «Хаббл» с помощью нейросетей, обученных на обнаружение аномалий, привела к быстрому выявлению приблизительно 800 необычных астрономических объектов. Среди них находились и «маленькие красные точки», природа которых неоднократно вызывала дискуссии и освещалась в наших публикациях. Согласно результатам опросов, в прошлом году 87% ученых по всему миру использовали большие языковые модели в своей деятельности.

Наилучшие результаты в науке достигаются при использовании искусственного интеллекта специалистами, сочетающими глубокие знания в своей области с навыками машинного обучения. Для этого исследователям необходимо дополнительное обучение. Студенты, работающие над проектами, о которых сообщалось в «Коммерсанте», проходят обучение по специальной программе Школы анализа данных Яндекса, где ученые применяют ИИ для решения практических задач в своей сфере. Набор на программу осуществляется в настоящее время.