هل يستطيع الروبوت كتابة سيمفونية؟ اختبار تورينج - "أنت مجرد روبوت، تقليد للحياة. هل يستطيع الروبوت التغلب على هذه اللعبة؟ تتمثل عيوب العلاج بالواقع الافتراضي في التكلفة العالية نسبيًا للمعدات والتعصب الفسيولوجي المحتمل للواقع الافتراضي.

يتطور تطوير عناصر أنظمة الذكاء الاصطناعي بشكل نشط ويصبح اتجاهًا اليوم، والكسالى فقط هم من لا يكتبون الروبوتات الذكية. ولهذا السبب أجرينا مقابلة مع ديمتري شوارز سوشنيكوف، أحد أفضل خبراء الذكاء الاصطناعي في البلاد. وهو أحد المبشرين بتكنولوجيا مايكروسوفت، ومؤلف الكتب والمقالات والبرامج التعليمية، بالإضافة إلى أنه منسق برامج المعلمين والطلاب، ومتخصص في البرمجة الوظيفية والشبكات العصبية والذكاء الاصطناعي.

- ديمتري، من فضلك أخبرنا بضع كلمات عن نفسك وعن عملك.

ديمتري سوشنيكوف: بصفتي مبشرًا لشركة Microsoft، فأنا منخرط في نشر وتنفيذ أحدث تقنيات الشركة، والتي أصبحت الآن في المقام الأول التقنيات المتعلقة بالذكاء الاصطناعي. يتضمن ذلك التحدث في المؤتمرات، والعمل مع الطلاب والمعلمين والشركات الناشئة، والمشاركة أحيانًا في مهرجانات الاختراق، وبرمجة أنظمة النماذج الأولية مع مطورين من شركات مختلفة. أقوم أيضًا بنشر البرمجة الوظيفية ولغة F#، والتدريس في MIPT وHSE وMAI، وتطوير دورات عبر الإنترنت لـ MVA وCoursera.

في رأيي، تعد الشبكات العصبية والذكاء الاصطناعي بشكل عام مجالًا مثيرًا للاهتمام للغاية، وقد أتاح التطور السريع فيه في السنوات الأخيرة بالفعل حل عدد من المشكلات التي لم يكن لها حل في السابق، مثل تحديد الهوية تلقائيًا عمر الشخص من صورته. والمستقبل يحمل لنا العديد من الفرص الأكثر إثارة للاهتمام.

الشبكات العصبية – موضة أم أداة؟

ديمتري سوشنيكوف: عدة عوامل تداخلت بنجاح هنا.
أولاً، أصبحت القدرة الحاسوبية بأسعار معقولة متاحة. علاوة على ذلك، لعبت الخدمات السحابية دورًا كبيرًا، لأنه بدلاً من الاستثمار في البنية التحتية لحساب الشبكات العصبية، يمكنك الآن استئجارها فقط طوال مدة الحسابات، وبالتالي رفض الإيجار. بالإضافة إلى ذلك، بدأ استخدام معالجات الرسومات، التي كانت مصممة في الأصل لرسومات الكمبيوتر. اتضح أنها مناسبة تمامًا لمهام الذكاء الاصطناعي.

ثانيا، بفضل الإنترنت، بدأت كميات هائلة من البيانات تتراكم في العديد من المجالات. خذ بعين الاعتبار، على سبيل المثال، المهمة المذكورة سابقًا وهي التعرف على عمر الشخص من خلال صورة فوتوغرافية. ولتدريب شبكة عصبية على حل هذه المشكلة، يلزم مئات الآلاف من الأمثلة. يمكنك الآن استخدام أي شبكة اجتماعية ينشر فيها الأشخاص صورهم ومعلومات حساباتهم (العمر) بأنفسهم - ونتلقى على الفور بيانات للتدريب.
ثالثًا، ظهرت بعض الأبحاث المثيرة للاهتمام، بما في ذلك تصميمات الشبكات العصبية الجديدة التي تسمح بحل المشكلات القائمة. لكن هذه النقطة ربما تكون نتيجة للنقطة الأولى والثانية. عندما تتوفر الموارد والتقنيات، تبدأ المنطقة بطبيعة الحال في التطور بنشاط.

كما ظهر هنا أيضًا عدد كبير من الأدوات التي تسمح باستخدام هذه الشبكات العصبية. إذا كان عليك سابقًا أن تمتلك الكثير من المعرفة والكثير من البرمجة لحل مشكلات الذكاء الاصطناعي، فهناك الآن خدمات متاحة يمكنك الاستفادة منها واستخدامها.

يحظى موضوع الذكاء الاصطناعي بشعبية كبيرة اليوم. كم تستحق هذه الشعبية؟ هل التكنولوجيا مثيرة للإعجاب حقًا أم أنها مساهمة كبيرة من الموضة؟ أليست هذه "الموضة" ضارة بالتنمية؟

ديمتري سوشنيكوف: بالفعل هناك نجاحات كبيرة في مجال الذكاء الاصطناعي، والتي كتب عنها الكثير، لذلك أصبحت عبارة “الذكاء الاصطناعي” مسموعة على نطاق واسع. بفضل هذا، يظهر مطورون جدد - يذهب شخص ما ويدرس منطقة جديدة لنفسه، أي. هناك المزيد من الأشخاص الذين يفهمون هذا المجال. من ناحية أخرى، يبحث الناس بعناية أكبر عن تلك المهام التي يمكن فيها تطبيق تقنيات الذكاء الاصطناعي. من وجهة النظر هذه، كل هذا جيد من حيث المبدأ، لأن لدينا فرصة لأتمتة بعض المناطق التي لم نتمكن من أتمتتها من قبل.

على سبيل المثال، يمكننا حل مشكلة قبول الطلبات في نافذة MacAuto. إنهم يحاولون دائمًا جعل حل مثل هذه المشكلات أرخص. على سبيل المثال، في الولايات المتحدة الأمريكية، جلس هناك أمريكي في البداية، ثم كانت هناك محاولة لالاستعانة بمصادر خارجية لذلك عن طريق نقل الصوت إلى بلد به عمالة رخيصة (حيث يجلس الشخص مرة أخرى ويقوم بالنسخ). والآن يستطيع الكمبيوتر القيام بذلك.

هل قام المشاركون في السوق بتضخيم التوقعات؟ هل هناك أي توقعات برأيك لن تتحقق بالتأكيد في المستقبل القريب؟

ديمتري سوشنيكوف: بالطبع. أولًا، مجال الذكاء الاصطناعي رومانسي بعض الشيء. هناك عدد غير قليل من الأفلام - على سبيل المثال، "The Matrix" أو "Terminator" - حيث تتمرد الروبوتات وتسيطر على كل شيء. لذلك، هناك عدد معين من الأشخاص الذين يتوقعون مرور 5 سنوات أخرى وستسيطر أجهزة الكمبيوتر على العالم. ويبدو أن هذه التوقعات لا تزال بعيدة عن الواقع. في الوقت الحاضر، يتم حل فئات معينة من المشكلات المتعلقة بالتعرف على الصور والتعرف على الكلام والتعلم الآلي بشكل جيد للغاية. ولكن لا يزال أمامنا طريق طويل لنقطعه قبل أن نفهم كيفية عمل التفكير البشري بشكل عام. لذلك، قبل إنشاء مثل هذا الذكاء الاصطناعي الذي يفكر كشخص ويعمل بالمعرفة المتراكمة، لا يزال يتعين القيام بالكثير من العمل. ليس من الواضح بعد كيفية القيام بذلك.

- وماذا عن التوقعات على صعيد الاستثمارات المالية، بدلاً من تنفيذ سيناريوهات الخيال العلمي؟

ديمتري سوشنيكوف: يبدو لي أنه من الضروري لمثل هذه المحادثة تقسيم موضوع الذكاء الاصطناعي إلى مكونات منفصلة، ​​لأنه مجال واسع جدًا.

إذا نظرنا إلى رؤية الكمبيوتر، فسنجد بالفعل تطورات مذهلة يتم تنفيذها الآن في الشركات، مما يزيد من كفاءتها ويجلب فوائد اقتصادية. تتعرف الرؤية الحاسوبية بالفعل على الصور بشكل أفضل من البشر، ناهيك عن كونها أرخص بكثير.

وفي مجالات أخرى، مثل فهم اللغة الطبيعية والقدرة على التفكير في موضوعات اعتباطية، كان التقدم أكثر تواضعا.

- هل هناك عوامل برأيك تعيق تطور الصناعة؟

ديمتري سوشنيكوف: لأكون صادقًا، لا أرى أي عوامل واضحة. أعتقد أن هذه هي المنطقة الأسرع نموًا في الوقت الحالي.
ومع ذلك، أود أن أشير إلى أن الذكاء الاصطناعي هو مجال لا يزال يتطلب بعض المؤهلات. العمل في هذا الاتجاه أصعب قليلاً من مجرد تعلم البرمجة. من المحتمل أن يتمكن الشخص الذي يتخرج من المدرسة ولا يتلقى تعليمًا عاليًا من البدء في العمل بنجاح في مجال تطوير المعايير. مع الذكاء الاصطناعي، أصبح حاجز الدخول أعلى، على الرغم من أنه يتم تخفيضه تدريجياً، بما في ذلك من خلال جهود المشاركين في هذه الصناعة. على وجه الخصوص، أحد الأشياء التي تعمل عليها مايكروسوفت هو ما يسمى بإضفاء الطابع الديمقراطي على الذكاء الاصطناعي. وهذا يعني جعل التكنولوجيا في متناول أوسع شريحة ممكنة من المستهلكين.

في الممارسة العملية، ليس فقط Microsoft، ولكن أيضا العديد من الشركات الأخرى تعمل في هذا الاتجاه، حيث توفر، على سبيل المثال، أدوات لحل المشكلات الفكرية والمعرفية في شكل خدمات جاهزة. على سبيل المثال، خدمات تحديد الجنس والعمر والمزاج للشخص من خلال صورة، يمكنك ببساطة الاتصال بهم والحصول على النتيجة. وينطبق الشيء نفسه على الترجمة الآلية، وما إلى ذلك. كجزء من التقرير في DotNext 2017، سنتحدث عن هذا: كيف يمكنك، دون أن تفهم على الإطلاق كيفية عمله، استخدام النتائج ببساطة.

ايه.نت ربما؟

ديمتري سوشنيكوف: يمكن تنفيذ أساليب الذكاء الاصطناعي على أي تقنية. ومع ذلك، هناك بعض النظم البيئية الراسخة التي تقوم بمهام مماثلة. على سبيل المثال، تعد لغة Python وR والمكتبات المصاحبة لهما لغات شائعة جدًا بين علماء البيانات. أولئك. يوجد بالفعل الكثير من العمل المجتمعي هنا. فيما يتعلق بهذه التطورات، بطبيعة الحال، فإن .NET متأخر قليلاً، كما هو الحال مع منصات أخرى مماثلة. ومع ذلك، يحتوي .NET بالفعل على مجموعة معينة من الأدوات، والتي سأتحدث عنها كجزء من تقريري.

بشكل عام، أصبحت المنصات الآن متكاملة إلى حد ما، بما في ذلك مع بعضها البعض. تتكامل لغة R نفسها جيدًا مع F#، وهي لغة أصلية في النظام الأساسي .NET. وبناءً على ذلك، إذا كنا بحاجة إلى استخدام بعض أدوات التعلم الآلي، فيمكننا استخدام مثل هذه السلسلة باستخدام إمكانيات ومكتبات لغة R. سيكون هذا شفافًا وسهل التنفيذ.

بشكل عام، إذا تحدثنا على وجه التحديد عن الشبكات العصبية، فإن Microsoft لديها مجموعة أدوات معرفية تسمح لك بتدريب الشبكات العصبية. ولأنه تم إنشاؤه في الأصل ضمن نظام Microsoft البيئي، فهو يعمل بشكل جيد جدًا مع .NET.

- تتميز هذه الأداة بطريقة ما عن نظائرها من الشركات المصنعة الأخرى?

ديمتري سوشنيكوف: في الأساس، مجموعة الأدوات المعرفية هي نظير Microsoft لأطر عمل TensorFlow وCaffe وما إلى ذلك.

كلهم، من حيث المبدأ، متشابهون جدًا من الناحية الأيديولوجية. لكن Microsoft Cognitive Toolkit كان أول من دعم بيئة تدريب موزعة بشكل كبير، حيث يمكنك تدريب شبكة عصبية ليس فقط على وحدة معالجة رسومات واحدة، ولكن على وحدات معالجة رسومات متعددة أو حتى محطات GPU متعددة. أولئك. يمكنك إنشاء مزرعة تدريب للشبكات العصبية.

بقدر ما أعرف، تتفوق مجموعة الأدوات المعرفية على الأطر الأخرى من حيث سرعة التعلم. بالإضافة إلى أنها مريحة للغاية للاستخدام. ترتبط معظم الأطر بلغة بايثون بطريقة أو بأخرى، ولكن مجموعة الأدوات المعرفية اتخذت في البداية مسارًا مختلفًا قليلاً. كان من الممكن في البداية وصف بنية الشبكة العصبية بلغة خاصة، ومن ثم تدريبها دون بناء أي نماذج في بايثون. كان الأمر أسهل قليلا. تدعم مجموعة الأدوات المعرفية حاليًا كلا الخيارين، أي. مرنة للغاية.

- ربما هناك لحظات تكون فيها مجموعة الأدوات المعرفية أدنى من نظائرها؟

ديمتري سوشنيكوف: بشكل عام، تعتبر هذه الأطر أدوات منخفضة المستوى يمكن فوقها تدريب الشبكات العصبية العشوائية. مثل نظائرها، تدعم مجموعة الأدوات المعرفية طبقة أساسية معينة يمكنك بناء بنية شبكات ذات تعقيد عشوائي فوقها. ولذلك، فإن نطاق المهام التي يتم حلها بواسطة أدوات مختلفة هو نفسه تقريبًا.

يتم تحديد اختيار الإطار إلى حد كبير من خلال بعض التفضيلات الشخصية وتوافر المواد المرجعية. وهنا يتخلف إطار Microsoft قليلا، لأنه ظهر في وقت لاحق قليلا، لذلك لا يوجد كمية كبيرة من المواد عليه، على وجه الخصوص، الدورات عبر الإنترنت. لكن الوضع، بطبيعة الحال، يستقر تدريجيا.

نحن، بالتعاون مع MIPT، نخطط لإصدار دورة عبر الإنترنت مخصصة خصيصًا للمشكلات المرتبطة باستخدام الذكاء الاصطناعي في الممارسة العملية. وسيتم أيضًا تضمين بعض المعلومات الخاصة بمجموعة الأدوات المعرفية هناك.

المستقبل القريب

ديمتري سوشنيكوف: ربما يكون من السابق لأوانه تقديم توقعات نهائية، حيث بدأ التطور السريع للغاية للتكنولوجيا في الفترة 2011-2012. منذ ذلك الحين، تم تحسين طرق التعرف، وتم تحسين بنيات الشبكات العصبية، أي. تزداد دقة حل المشكلات.

لا تزال هناك العديد من القضايا التي لم يتم حلها في هذا القطاع. لقد تم بالفعل حل مشكلات التعرف على الصور والصوت على مستوى عالٍ إلى حد ما. بعد ذلك، ربما يكون الشيء الأكثر إثارة للاهتمام هو محاولة استخراج بعض المعنى من النص. هناك بعض النجاحات المذهلة هنا أيضًا. على سبيل المثال، يمكنك تدريب شبكة عصبية على أجزاء من المحادثات من الأفلام والحصول على روبوت يمكنه بطريقة ما الحفاظ على الحوار. لكن في الوقت نفسه لن يكون للحوار معنى كبير. ليس من الواضح بعد كيفية ترجمة المعرفة إلى معنى، وكيفية الجمع بين التمثيل الضمني للمعرفة في الشبكات العصبية والتفكير الرمزي. وهذا هو اتجاه البحث الذي سيتبعه العلماء.

أما بالنسبة للأدوات، فهي قيد التطوير حاليًا. بمعنى ما، يحاول مصنعو الأدوات متابعة التقدم العلمي في مجال تخصصهم. تظهر بنيات جديدة للشبكات - ويظهر دعمها في الأدوات، على سبيل المثال. الوظيفة تتوسع باستمرار.

كما قلت سابقًا، من وجهة نظر المطورين، هناك اتجاه ملحوظ نحو إضفاء الطابع الديمقراطي على الذكاء الاصطناعي، بما في ذلك الأدوات. بالإضافة إلى مجموعة أدوات Microsoft Cognitive Toolkit التي ذكرتها، هناك أداة مثيرة للاهتمام تسمى Azure Machine Learning، والتي تسمح لك بتطبيقها على بيانات حقيقية دون فهم عميق لتنفيذ جميع خوارزميات التعلم الآلي ومعرفة ما إذا كان يمكنك تحديد أي أنماط و استخدمها بشكل أكبر في منتجاتك. يتم أيضًا تطوير هذه الأداة بشكل مكثف جدًا - حيث يتم تقديم أساليب وخوارزميات جديدة هناك.

بشكل عام، أصبحت التكنولوجيا أكثر سهولة في الوصول إليها. يتم تبسيط الأشياء المعقدة بحيث يمكن استخدامها في مجموعة واسعة من المشاريع قدر الإمكان.
نقطة أخرى أود أن أذكرها هي أن هذه لا تزال التجارب الأولى في السحابة باستخدام حلول الأجهزة الأكثر كفاءة التي تنفذ خوارزميات الذكاء الاصطناعي. لن نتحدث عن هذا الأمر في Dotnext، لكن الموضوع تمت مناقشته بالتفصيل في مؤتمر Microsoft Ignite. في السحابة، تخطط Microsoft ليس فقط لتقديم موارد الحوسبة الكلاسيكية، ولكن أيضًا الدوائر المتكاملة المنطقية القابلة للبرمجة: FPGA أو FPGA. للتبسيط، هذه هي الرقائق التي يمكن وميضها لإجراء عمليات منطقية معينة، والتي ستؤدي هذه العمليات بسرعة كبيرة. مع مثل هذا المخطط، يمكننا حساب الشبكة العصبية بشكل أسرع بكثير. وخلال التجارب "تم حث" المعالج على الترجمة من لغة إلى أخرى، ونتيجة لذلك تتم ترجمة رواية "الحرب والسلام" من لغة إلى لغة في ثانيتين. إذا أخذت جميع المعالجات العديدة التي تمتلكها مايكروسوفت في السحابة، فيمكن ترجمة ويكيبيديا من لغة إلى أخرى في الوقت الذي يستغرقه الشخص في غمضة عين.

سيقدم ديمتري المزيد من المعلومات العملية حول استخدام الشبكات العصبية وتقنيات الذكاء الاصطناعي في المشاريع الحقيقية (بما في ذلك .NET) في تقريره في DotNext 2017 Piter ("الذكاء الاصطناعي المتاح على منصة .NET: من روبوتات الدردشة والخدمات المعرفية إلى الخدمات العميقة" الشبكات العصبية").

العلامات: إضافة العلامات

اختبار تورينج هو في الأساس اختبار يجيب على سؤال "هل تستطيع الآلات التفكير؟" أي أن هذه مجموعة من الاختبارات التي لا يمكن اجتيازها إلا من قبل شخص أو ذكاء اصطناعي مثالي قادر على التفكير بنفس الطريقة. هذا هو بالضبط ما يُطلب منا القيام به في اللعبة - لإثبات أنك إنسان عاقل. في رأيي، هذه مسألة مبدأ!

أولئك الذين أحبوا الألغاز The Talos Principle and Portal سيقدرون ذلك بالتأكيد اختبار تورينج.هذه الألعاب لديها الكثير من القواسم المشتركة. يمكنك حتى القول إنهم يشكلون نوعًا فرعيًا منفصلاً، ينشأ على وجه التحديد من البوابة.

المقطع عبارة عن مجموعة من الاختبارات المنطقية التي يجب حلها بالتسلسل. أساس ميكانيكا اللعبة في اختبار تورينجتشكل مجالات الطاقة التي يجب إدخالها في خلايا خاصة لفتح الأبواب وبدء الآليات وما إلى ذلك. الأداة الوحيدة التي تساعد في هذا الأمر هي مسدس مغناطيسي معين يمكنه امتصاص هذه الكرات وإطلاقها في المكان الصحيح.

هناك أكثر من 70 اختبارًا في المجمل، ولكن يتم إكمال الكثير منها في غضون ثوانٍ. ولذلك، فإن المقطع بأكمله لا يستغرق الكثير من الوقت. بشكل عام، هناك القليل من العوائق الصعبة في اللعبة، ويمكن إكمال معظمها سريعًا تقريبًا. قد يجد بعض الأشخاص أن الألغاز بسيطة جدًا، لكني أحببت توازن الصعوبة. على العكس من ذلك، لا أحب أن أكون "غبيًا" لفترة طويلة في مثل هذه الألعاب.

الفكرة العامة مشابهة أيضًا للألعاب التي ألهمت المطورين. اعتبارات فلسفية وأخلاقية حول الذكاء، وحول الفرق بين الإنسان والآلة.

أما بالنسبة للمؤامرة نفسها: الشخصية الرئيسية تجد نفسها على محطة فضائية على السطح الثلجي لأوروبا، وهو قمر صناعي لكوكب المشتري. اختفى طاقم العمل الأساسي، ويتم التحكم في كل شيء بواسطة الذكاء الاصطناعي الذي تلتقي به البطلة. سيتعين عليها اجتياز اختبار تورينج هذا ومعرفة ما حدث للناس. القصة مثيرة للاهتمام للغاية، ولكنها مقدمة في قطع صغيرة (سطرين على الكمبيوتر في بداية كل مستوى) لدرجة أنك لا تلاحظها طوال اللعبة بأكملها تقريبًا ولا تنتبه إلا نحو النهاية.

هل يستطيع الروبوت كتابة سيمفونية أو تحويل قطعة من القماش إلى تحفة فنية؟ هذا السؤال يبقى مفتوحا. ولكن هذا ما نعرفه على وجه اليقين: الروبوتات النانوية الطبية الحديثة قادرة على "قطع الأكسجين" عن الورم عن طريق اختراق مجرى الدم وتوصيل الأدوية إلى الخلايا المصابة دون الإضرار بالخلايا السليمة. توشك الشبكات العصبية على التفوق على الأطباء في تشخيص العديد من الأمراض، ومن الممكن قريبًا إجراء الفحوصات باستخدام تقنيات كريسبر دون مغادرة المنزل. لقد وصل مستقبل الطب بالفعل - فلنتعرف على ما يمكن توقعه من الأساليب الجديدة وكيف سيؤثر ذلك على صحتنا.

تشخيصه: الذكاء الاصطناعي

يعتمد نجاح العلاج إلى حد كبير على التشخيص السريع والخالي من الأخطاء: ولهذا يحتاج الطبيب إلى تجميع الكثير من الخبرة العملية ويكون على دراية بالأعمال العلمية الحالية في مجاله. ولكن مع ظهور العديد من الدراسات الجديدة وتقارير الحالة مطبوعة كل شهر، أين يمكنك أن تجد الوقت الكافي لدراسة كل ذلك؟ هذا هو المكان الذي تأتي فيه أجهزة الكمبيوتر لمساعدة الأشخاص، فهي قادرة على معالجة كميات هائلة من المعلومات في ثوانٍ.

واليوم، يتم إنشاء خوارزميات تحليل البيانات الطبية من قبل الشركات الكبرى، بما في ذلك Microsoft وIBM وGoogle. وفي أغلب الأحيان، تعتمد تطوراتهم على أشكال مختلفة من الذكاء الاصطناعي للتعلم الذاتي الذي يمكنه العثور على أنماط في مجموعات كبيرة من البيانات، مثل عمليات مسح الدماغ أو صور النمو المشبوه على الجلد. يتم تدريب هذه الخوارزميات باستخدام مكتبات تضم آلاف الأمثلة، حيث يتم تعيين تشخيص لكل صورة بواسطة طبيب مؤهل.

لقد تعلمت الشبكات العصبية بالفعل كيفية التعرف على العديد من الأمراض بفعالية مثل البشر، وفي بعض الحالات تمكنت من التفوق على المتخصصين.

تسمح لك الشبكات العصبية التلافيفية (CNN) بتحليل صور متعددة. وهي عبارة عن هياكل عميقة (متعددة الطبقات) يتلقى فيها كل خلية عصبية اصطناعية جزءًا صغيرًا فقط من مخرجات الطبقة السابقة. تدريجيًا، تقوم الشبكة بتعميم الميزات المحلية، وإعادة إنشاء الصورة الكاملة. من خلال الجمع بين جميع البيانات، يمكن لـ CNN التعرف على التفاصيل المختلفة في الصورة الأصلية، بما في ذلك العناصر المميزة التي يعتمد عليها الأطباء في التشخيص.

لا تستطيع تقنيات كريسبر القضاء على أسباب الأمراض فحسب، بل يمكنها أيضًا تحديد الأمراض، على سبيل المثال، البحث عن آثار الحمض النووي أو الحمض النووي الريبي (RNA) للعوامل المعدية.

في حين يتم ذكر البروتين المرتبط بكريسبر Cas9 في أغلب الأحيان فيما يتعلق بالعلاج، فإن البروتينات الأخرى: Cas12a وCas13a عادة ما تكون البروتينات "التشخيصية".

في عام 2017، قدم باحثون من معهد ماساتشوستس للتكنولوجيا تقنية تشخيصية تسمى SHERLOCK (المراسل الأنزيمي عالي الحساسية المحدد الذي يفتح القفل). ويستخدم إنزيم Cas13a، الذي يمكنه التعرف على تسلسلات معينة من الحمض النووي الريبي (RNA) وقطع خيوط الحمض النووي الريبي (RNA) المماثلة الموجودة في مكان قريب، مما يؤدي إلى تدمير الجسم المشبوه تمامًا. مثل كتاب شيرلوك هولمز، فإن شيرلوك الطبي قادر على إعادة تكوين صورة كاملة للأحداث من أصغر الأدلة: تعمل التكنولوجيا بتركيزات ذرية (10-18 مول لكل لتر) من الأحماض النووية. تم اختبار الطريقة على الفيروسات البطيئة التي تحتوي على أجزاء من فيروس حمى الضنك وفيروس زيكا: تمكن شيرلوك من اكتشاف جزيئات مسببات الأمراض وتمييزها عن بعضها البعض بتركيز لا يزيد عن ذرتين.

أثناء الاختبار، اتضح أن الكواشف التشخيصية باستخدام SHERLOCK يمكن تجفيفها ثم إعادة تكوينها، في حين أن حساسية الطريقة لا تقل كثيرًا. بالنسبة للاختبارات المحمولة، يقترح استخدام ورق الألياف الزجاجية. يعتقد مؤلفو التطوير أن نظام اختبار واحد سيكلف حوالي 61 سنتًا.

ويعمل باحثون آخرون أيضًا على إنشاء مجموعات لاختبارات كريسبر في المنزل. في الآونة الأخيرة، بدأت التطورات في هذا المجال على يد جنيفر دودنا، إحدى رواد ثورة كريسبر الطبية. ابتكر فريقها طريقة تسمى DETECTR (مراسل CRISPR trans الذي يستهدف نوكلياز الحمض النووي)، باستخدام بروتين Cas12a. فهو يعثر على تسلسلات محددة من الحمض النووي ويقطع أقرب جزيئات مراسل الحمض النووي الموسومة بالفلورسنت المضافة إلى العينة، مما ينتج إشارة. وبهذه الطريقة، يمكن اكتشاف آثار مسببات الأمراض للعديد من الأمراض، بما في ذلك سلالات مختلفة من فيروس الأنفلونزا.

ووفقا لمبتكري أنظمة الاختبار هذه، فإن تحليل كريسبر لن يستغرق أكثر من بضع ساعات، ويمكن الحصول على النتائج عبر الإنترنت. ومع ذلك، لا يزال من غير المعروف متى ستظهر هذه المجموعات للبيع العام.

إنه وهم: الواقع الافتراضي

غالبًا ما يتم الحديث عن الواقع الافتراضي في سياق ألعاب الكمبيوتر و"السينما ثلاثية الأبعاد"، لكن التكنولوجيا لديها أيضًا إمكانات في الطب، وليس في المجالات الأكثر وضوحًا. على سبيل المثال، يتم استخدام الواقع الافتراضي بشكل فعال كمسكن للآلام.

وتتبع وحدة الحروق في مستشفى جامعة لويولا في إلينوي هذا النهج.بدأت تم استخدامه منذ عشر سنوات: يلعب مرضى المستشفى جهاز محاكاة أثناء الإجراءات المؤلمةعالم الثلج.

تجري الأحداث على خلفية المناظر الطبيعية الشمالية شبه الرائعة مع العديد من الانجرافات الثلجية والأنهار المتجمدة، ومهمة البطل هي لعب كرات الثلج مع الدببة القطبية وطيور البطريق ورجال الثلج. لإكمال جميع المستويات، يركز المريض بشكل لا إرادي على اللغز ويصرف انتباهه عن الأحاسيس الجسدية. أظهرت فحوصات الدماغ بالرنين المغناطيسي أن SnowWorld يقلل بالفعل من إدراك الألم، لذلك يحتاج المرضى إلى عدد أقل من مسكنات الألم القوية التي يمكن أن تكون ضارة بالجسم.

يحل الواقع الافتراضي محل مسكنات الألم أو يكملها في العديد من مجالات الطب. تُستخدم هذه التقنية لتخفيف الألم أثناء الولادة وأثناء إجراءات طب الأسنان. وتكتسب خصائص الواقع الافتراضي لتخفيف الآلام أهمية خاصة في ضوء "أزمة المواد الأفيونية" في الولايات المتحدة - فهي ترتبط بارتفاع شعبية مسكنات الألم التي تستلزم وصفة طبية (على سبيل المثال، أوكسيكونتين وفيكودين) في العقود الأخيرة.

لا يعمل الواقع الافتراضي على علاج الألم الجسدي فحسب، بل يمكنه أيضًا التغلب على الصدمات النفسية. جرت التجارب الأولى في أواخر التسعينيات، عندما تمكنت عالمة النفس باربرا روثباوم من تخفيف أعراض اضطراب ما بعد الصدمة لدى قدامى المحاربين في فيتنام باستخدام نماذج افتراضية لقمرة قيادة طائرة هليكوبتر ومساحة خالية في الغابة الآسيوية. تكمل هذه التقنية العلاج بالتعرض - وهو "نهج" تدريجي للذكريات المؤلمة التي يحاول وعي المريض تجنبها. يعمل مخطط مماثل في علاج اضطرابات القلق والرهاب باستخدام الواقع الافتراضي. تساعد التكنولوجيا في التغلب على رهاب الهواء والخوف من التحدث أمام الجمهور: فالبيئة المحاكاة تجعل من الممكن "التدرب" بشكل متكرر على موقف مخيف.

تتمثل عيوب العلاج بالواقع الافتراضي في التكلفة العالية نسبيًا للمعدات والتعصب الفسيولوجي المحتمل للواقع الافتراضي.

عانى بعض المشاركين في تجارب طرق العلاج الجديدة من "غثيان" الواقع الافتراضي (مرض الواقع الافتراضي)، والذي يسبب نفس أعراض دوار الحركة أو دوار البحر. ووفقا للفرضيات الشائعة، فإن كلا الاضطرابين ينشأان من اضطرابات في عمل مستقبلات الجهاز الدهليزي أو تعارض بين الإشارات القادمة من الجهاز الدهليزي وأعضاء الرؤية.

لقد ابتكر المطورون بالفعل عدة طرق يمكنها تقليل "غثيان" الواقع الافتراضي. على سبيل المثال، يمكنك وضع جسم ثابت على الشاشة بحيث تقوم عين المستخدم بتثبيته باستمرار. يقترح مؤلفو تقنية Nasum Virtualis استخدام صورة افتراضية للأنف الموجودة في وسط الشاشة كنقطة انطلاق. تنظر إليه عيون اللاعب على أنه أنفه، فيتراجع الشعور بالغثيان والدوار.