April 26th, 2019

собака

Биологи объяснили, как работает «ген долгожительства»



Ген SIRT6 отвечает за восстановление ДНК после повреждений. Британские исследователи подтвердили, что у живущих долго видов этот ген и его белки работают лучше. Биологи надеются, что манипуляции с SIRT6 победят многие возрастные заболевания.

С возрастом ДНК все более склонна к разрывам и повреждениям, которые могут приводить к мутациям и раку. Хотя здоровый образ жизни, например отказ от курения, снижает риск, в целом повреждения неминуемы. В основном они происходят из-за окислительного стресса.

По мнению ряда биологов, скорость старения и потенциальная продолжительность жизни зависят от способности клеток восстанавливать такие повреждения ДНК. И у живых организмов, которые живут долго, эта система должна работать эффективнее.

Чтобы проверить эту теорию, исследователи из Рочестерского университета исследовали процесс репарации ДНК у 18 видов грызунов с продолжительностью жизни от трех до 32 лет. Долгожители в этом опыте — бобры и голые землекопы. Анализ показал, что у долгоживущих видов повреждения генома восстанавливаются быстрее и точнее, сообщает Science Daily.

Определяющим фактором оказался ген SIRT6 и его белки. SIRT6 нередко называют «геном долголетия».
Collapse )
promo antony_w august 17, 2014 11:48 18
Buy for 10 tokens
Есть блог, в котором написано много постов про роботов: ссылка И там есть несколько статей о замене рабочих мест человека роботами: Уже к 2018 году роботы отберут у человека часть профессий Рабский труд без зарплаты Армия роботов: зачем она нужна обильной людьми Поднебесной и кому может…
собака

Алгоритм-оркестр от OpenAI могут испытать все желающие



MuseNet генерирует композиции по первым нотам. При этом ИИ самостоятельно освоил десять инструментов и множество музыкальных стилей. Он успешно «пародирует» и Моцарта, и «Битлз».

Партнерство с ограниченной доходностью OpenAI представило передовой алгоритм для генерации музыкальных произведений — нейросеть MuseNet. От других ее отличает всеядность и широкий спектр инструментов. Нейросеть использует 10 музыкальных инструментов и самостоятельно освоила «законы» множества музыкальных стилей.

В демонстрационных сэмплах на сайте разработчика MuseNet по первым нотам продолжает Моцарта, Рахманинова, джазовые мелодии, а также миксует Шопена с Bon Jovi.

Более того, до 12 мая опробовать MuseNet в деле могут все желающие. В OpenAI лишь призывают «набраться терпения», так как система все еще дорабатывается.

Отличительная черта ИИ — то, что он обучился музыке самостоятельно. Базовым стал революционный алгоритм генерации текстов GPT2. Он работает, пытаясь на основе огромного массива данных предсказать следующее слово в англоязычном тексте. MuseNet заставили делать то же самое, но с MIDI-файлами.

Обработав гигабайты музыкальных файлов — от Чайковского и Мендельсона до GreenDay и Леди Гаги — MuseNet сформировала законы музыкальной гармонии.

И теперь предсказывает каждую следующую ноту в мелодии, а также то, какой инструмент или инструменты в этот момент будут играть.

Опробовать алгоритм в деле можно в двух режимах: простом и расширенном. В простом можно выбирать продолжения на основе сгенерированных в OpenAI коротких сэмплов. В расширенном пользователь выбирает стиль, основу для композиции и задает инструменты, на которых будет играть ИИ-оркестр.

собака

Любительский ИИ научился отличать картины-подделки, не глядя на них



Супружеская пара из США в свободное от работы время создала алгоритм в сфере, где данных для обучения одновременно и слишком мало, и слишком много. Они научили ИИ оценивать «энтропию» картин Рембрандта.

Программисты-любители создали необычный алгоритм анализа изображений с помощью нейросетей, который решает сразу две важнейших проблемы использования ИИ для распознавания. Заменив само изображение характеристикой «энтропии», они научились упрощать слишком детализированные снимки, а также генерировать достаточно большие сеты данных для обучения в случаях, когда их недостаточно. О работе Андреа и Стивена Франков рассказывает IEEE Spectrum.

Обычно достижения машинного обучения базируются на огромных массивах данных и мощностях для их анализа, которые пока недоступны в бытовых условиях. Но есть такие сферы, где данные одновременно и слишком сложны, и их недостаточно. Например, картины художников.

Новые полотна-сэмплы после смерти творца не появляются, а в то же время оцифрованные работы слишком велики для тренировки сверточной нейронной сети, объясняет Стивен Франк.

Франк работает в патентном бюро, а программированием занимается в свободное время. И он придумал остроумный способ обойти оба ограничения. Стивен и Андреа предположили, что в изображении могут быть закономерности, которые не считывают алгоритмы распознавания, оперирующие пикселями. Он называет эту характеристику «энтропией», имея в виду упорядоченность.

Для начала супруги Франк написали программу, которая «архивировала» полотна Рембрандта, высчитывая показатель энтропии, то есть их повторяемости. Для этого ИИ не понадобился. Но анализ полученных данных с помощью нейронной сети показал два важных факта.
Collapse )