Uczenie maszynowe (ang. machine learning) to koncepcja zakładająca, że zamiast programować komputery do wykonywania konkretnych zadań można zaprogramować je tak, aby rozpoznawały skomplikowane wzorce i doskonaliły swoje działanie w oparciu o zdobyte wcześniej dane.
To dzięki uczeniu maszynowemu wyszukiwarka Google jest coraz skuteczniejsza i uczy się, czego potrzebują od niej użytkownicy. I wystarczy czasem nawet kilka liter, aby "domyśliła się”, czego szukamy. Uczenie maszynowe coraz lepiej spisuje się też w pracy banków, sieci handlowych czy firm marketingowych - by precyzyjnie analizować potrzeby klientów, bazując na ich wcześniejszych działaniach.
Uczenie maszynowe w nauce
Nauka w portalu PolskieRadio.pl
- Ja używam algorytmów uczenia maszynowego, aby szukać nowych związków aktywnych biologicznie - wyjaśnił dr Rafał Kurczab z Instytutu Farmakologii PAN w Krakowie. Dodał, że algorytmy uczenia maszynowego pomagają zoptymalizować dobór reagentów w syntezie chemicznej, co w konsekwencji pozwala na efektywniejsze poszukiwanie nowych związków aktywnych biologicznie.
- Za pomocą sztucznej inteligencji możemy szybciej i sprawniej przeszukiwać duże bazy danych - zawierające informacje o milionach związków, które zostały już zsyntezowane, albo które można wytworzyć - wskazał naukowiec.
Opowiedział, że koledzy z Uniwersytetu Jagiellońskiego poprosili go o wyselekcjonowanie związków, jakie można przygotować z dostępnych na rynku odczynników chemicznych, które najskuteczniej działałyby na pewien konkretny cel biologiczny.
- Gdybyśmy wzięli wszystkie reagenty, które pasują do tej reakcji, to można by otrzymać ponad 51 mln różnych związków. A my stosując różne modele otrzymaliśmy listę stu związków, które mogły być najbardziej skuteczne. Współpracownicy z UJ zsyntezowali je, a 80 z nich rzeczywiście było aktywnych - wyjaśnił dr Kurczab.
"Człowiekowi zaczyna brakować wyobraźni"
Zadania, z jakimi mierzą się algorytmy, mogą być różne. Czasami pokazuje się algorytmowi miejsce wiązania w receptorze, które ma konkretny kształt. I algorytm wyszukuje związek, który w ten kształt się może dobrze wpasować. Czasem z kolei znane są tylko związki, które na dany receptor działają i trzeba znaleźć do nich podobne, mimo że struktura samego receptora często jest nieznana.
- Chemikowi wystarczyłaby kartka z rysunkiem związku. On już będzie wiedział, jak szukać związków podobnych. A komputer musi po swojemu zrozumieć, czym taki związek jest - powiedział naukowiec. Wposzukiwaniu nowych związków chemicznych algorytmy korzystać mogą z przestrzeni liczących setki wymiarów.
Położenie punktu w trójwymiarowej przestrzeni opisywane jest trzema zmiennymi. Ale dlaczego kończyć na trzech danych? Obiekty można przecież opisywać mnóstwem różnych zmiennych, czyli "wymiarów".
Jeśli np. chodzi o związki chemiczne, na jednej osi może być np. określana długość łańcucha węglowodorowego, na innej - obecność pierścienia aromatycznego, na kolejnych - obecność różnych pierwiastków czy grup funkcyjnych itp. Algorytmy uczenia maszynowego są w stanie skleić te dane i "zobaczyć" w nich wielowymiarowy kształt, który niesie wiele cennych informacji.
Zadaniem algorytmu będzie teraz wyszukanie w bazie kształtów podobnych. - Człowiek, nawet gdyby nad tymi danymi siedział bardzo długo, nie jest w stanie ich efektywnie analizować. Po prostu zaczyna brakować mu wyobraźni - oznajmił dr Kurczab.
Strzał w dziesiątkę
- Na początku "karmimy" algorytm danymi wejściowymi - o związkach, o których wiemy, że są aktywne - wytłumaczył naukowiec. Komputer sam sobie ma znaleźć między tymi związkami podobieństwo i określić łączące je cechy. A potem program wyszukuje obiekty o podobnej charakterystyce.
- Algorytmy uczenia maszynowego są w stanie wykonywać polecone im zadanie w bardzo abstrakcyjny sposób - zaznaczył chemik. I podkreślił, że programy takie często wskazują w bazie obiekty, których podobieństwo do związków referencyjnych wcale nie jest oczywiste. A mimo to ich wybór w wielu wypadkach okazuje się strzałem w dziesiątkę.
Dr Kurczab używa algorytmów uczenia maszynowego do poszukiwania nowych leków. Ale zaznacza, że z algorytmów tych, używanych coraz chętniej w różnych sferach życia, mogą korzystać badacze z wielu różnych dziedzin.
- Darmowe oprogramowanie dostępne jest w sieci. Mogą z niego korzystać np. chemicy, biolodzy, psychologowie i wszyscy ci, którzy muszą przetwarzać w swojej pracy duże i skomplikowane zbiory danych - oznajmił.
PAP - Nauka w Polsce, kk
