Robot simfoniya yaza bilərmi? Turing Testi - “Sən sadəcə bir robotsan, həyatın təqlidisən. Robot bu oyunu məğlub edə bilərmi? VR terapiyasının çatışmazlıqları avadanlıqların nisbətən yüksək qiyməti və virtual reallığa potensial fizioloji dözümsüzlükdür.

Süni intellekt sistemlərinin elementlərinin inkişafı aktiv şəkildə inkişaf edir və günümüzün trendinə çevrilir və yalnız tənbəllər ağıllı botları yazmır. Buna görə də biz ölkənin ən yaxşı süni intellekt mütəxəssislərindən biri olan Dmitri Şvars Soşnikovdan müsahibə götürdük. O, Microsoft texnologiyaları üzrə müjdəçi, kitablar, məqalələr və dərsliklərin müəllifidir, həmçinin müəllim və tələbə proqram koordinatoru, funksional proqramlaşdırma, neyron şəbəkələr və süni intellekt üzrə mütəxəssisdir.

- Dmitri, zəhmət olmasa özünüz və işiniz haqqında bir neçə kəlmə deyin.

Dmitri Soşnikov: Microsoft üçün bir müjdəçi kimi, mən şirkətin ən müasir texnologiyalarının, indi ilk növbədə süni intellektlə əlaqəli texnologiyaların populyarlaşdırılması və tətbiqində iştirak edirəm. Bura konfranslarda çıxış etmək, tələbələr və müəllimlərlə işləmək, startaplarla işləmək, bəzən hackfestlərdə iştirak etmək və müxtəlif şirkətlərin tərtibatçıları ilə birlikdə prototip sistemlərinin proqramlaşdırılması daxildir. Mən həmçinin funksional proqramlaşdırma və F# dilini populyarlaşdırıram, MIPT, HSE və MAI-də dərs deyirəm, MVA və Coursera üçün onlayn kurslar hazırlayıram.

Fikrimcə, neyron şəbəkələri və ümumilikdə süni intellekt çox maraqlı bir sahədir, onun son illərdə sürətli inkişafı əvvəllər həlli olmayan bir sıra problemləri həll etməyə imkan verib, məsələn, məsələn, məsələn, məsələn, avtomatik müəyyən etmək kimi. insanın fotoşəkilindən yaşı. Gələcək isə bizim üçün daha çox maraqlı imkanlar açır.

Neyron şəbəkələr - moda və ya alət?

- Neyroşəbəkə texnologiyasının son zamanlar aktiv inkişafına nə təkan verdi?

Dmitri Soşnikov: Burada bir neçə amil uğurla üst-üstə düşür.
Birincisi, əlverişli hesablama gücü mövcud oldu. Üstəlik, bulud xidmətləri böyük rol oynadı, çünki neyron şəbəkələrin hesablanması üçün infrastruktura sərmayə qoymaq əvəzinə, indi onu yalnız hesablamalar müddətində icarəyə götürə, sonradan icarəyə götürməkdən imtina edə bilərsiniz. Bundan əlavə, əvvəlcə kompüter qrafikası üçün nəzərdə tutulmuş qrafik prosessorları istifadə olunmağa başladı. Məlum oldu ki, onlar süni intellekt tapşırıqları üçün çox uyğundur.

İkincisi, İnternet sayəsində bir çox sahələrdə nəhəng həcmdə məlumat toplanmağa başladı. Məsələn, bir fotoşəkildən insanın yaşını tanımaq kimi əvvəllər qeyd olunan vəzifəni nəzərdən keçirək. Bir neyron şəbəkəsini həll etmək üçün öyrətmək üçün bir neçə yüz min nümunə lazımdır. İndi insanların fotoşəkillərini və hesab məlumatlarını (yaş) dərc etdiyi istənilən sosial şəbəkəni götürə bilərsiniz - və biz dərhal təlim üçün məlumat alırıq.
Üçüncüsü, əlbəttə ki, bəzi maraqlı araşdırmalar, o cümlədən mövcud problemlərin həllinə imkan verən yeni neyron şəbəkəsi arxitekturaları ortaya çıxdı. Amma bu məqam yəqin ki, ilk ikisinin nəticəsidir. Resurslar və texnologiyalar mövcud olduqda, ərazi təbii olaraq aktiv şəkildə inkişaf etməyə başlayır.

Burada bu neyron şəbəkələrdən istifadə etməyə imkan verən çoxlu sayda alətlər də peyda olub. Əgər əvvəllər süni intellekt problemlərini həll etmək üçün çoxlu biliyə və çoxlu proqramlaşdırmaya malik olmalı idinsə, indi götürüb istifadə edə biləcəyin xidmətlər mövcuddur.

Süni intellekt mövzusu bu gün çox populyardır. Bu populyarlığa nə qədər layiqdir? Texnologiya həqiqətən bu qədər təsir edicidir, yoxsa modanın böyük töhfəsi var? Bəs bu “dəb” inkişafa zərər vermirmi?

Dmitri Soşnikov: Həqiqətən də süni intellekt sahəsində böyük uğurlar var, onlar haqqında çox yazılıb, ona görə də “süni intellekt” ifadəsi çox eşidilir. Bunun sayəsində yeni tərtibatçılar meydana çıxır - kimsə gedib özləri üçün yeni bir sahə öyrənir, yəni. Bu sahəni anlayanlar daha çoxdur. Digər tərəfdən, insanlar süni intellekt texnologiyalarının tətbiq oluna biləcəyi tapşırıqları daha diqqətlə axtarırlar. Bu baxımdan, bütün bunlar, prinsipcə, yaxşıdır, çünki əvvəllər avtomatlaşdıra bilmədiyimiz bəzi sahələri avtomatlaşdırmaq şansımız var.

Məsələn, MacAuto pəncərəsində sifarişlərin qəbulu problemini həll edə bilərik. Həmişə belə problemlərin həllini ucuzlaşdırmağa çalışırlar. Məsələn, ABŞ-da əvvəlcə orada bir amerikalı oturdu, sonra səsi ucuz işçi qüvvəsi olan bir ölkəyə (yenə də adam oturub yazıya köçür) ötürməklə bunu autsorsing etmək cəhdi oldu. İndi kompüter bunu edə bilər.

Bazar iştirakçıları gözləntiləri şişirdiblərmi? Sizcə, yaxın gələcəkdə mütləq gerçəkləşməyəcək proqnozlar varmı?

Dmitri Soşnikov: Əlbəttə var. Əvvəla, süni intellekt sahəsi bir qədər romantikdir. Kifayət qədər az sayda film var - məsələn, "Matrix" və ya "Terminator" - burada robotlar üsyan edir və hər şeyi idarə edir. Buna görə də, hələ 5 il keçəcəyini və kompüterlərin dünyanı zəbt edəcəyini gözləyən müəyyən sayda insanlar var. Bu gözləntilər, görünür, hələ də reallıqdan uzaqdır. Hal-hazırda təsvirin tanınması, nitqin tanınması və maşın öyrənməsi ilə bağlı müəyyən sinif problemlərinin həlli çox yaxşı avtomatlaşdırılmışdır. Ancaq ümumiyyətlə insan təfəkkürünün necə işlədiyini anlamaq üçün hələ kifayət qədər uzun yolumuz var. Ona görə də insan kimi düşünəcək və toplanmış biliklərlə fəaliyyət göstərəcək belə bir süni intellekt yaratmazdan əvvəl hələ çox iş görülməlidir. Bunu necə etmək hələ çox aydın deyil.

- Bəs elmi fantastika ssenarilərinin həyata keçirilməsindən çox, maliyyə investisiyaları baxımından gözləntilər?

Dmitri Soşnikov: Mənə elə gəlir ki, belə bir söhbət üçün süni intellekt mövzusunu ayrı-ayrı komponentlərə ayırmaq lazımdır, çünki bu, çox geniş sahədir.

Kompüter görmə qabiliyyətinə nəzər salsaq, artıq bizneslərə tətbiq olunan, onların səmərəliliyini artıran və iqtisadi fayda gətirən heyrətamiz irəliləyişlər var. Kompüter görmə qabiliyyəti artıq şəkilləri insanlardan daha yaxşı tanıyır, nəzərəçarpacaq dərəcədə ucuz olduğunu qeyd etmir.

Təbii dili anlamaq və ixtiyari mövzular haqqında mülahizə yürütmək bacarığı kimi digər sahələrdə irəliləyiş daha təvazökar olmuşdur.

- Sizcə, sənayenin inkişafına mane olan amillər varmı?

Dmitri Soşnikov: Düzünü desəm, heç bir açıq faktor görmürəm. Hesab edirəm ki, bu, hazırda ən sürətlə inkişaf edən sahədir.
Bununla belə, qeyd etmək istərdim ki, süni intellekt hələ də müəyyən ixtisas tələb edən sahədir. Bu istiqamətdə işləmək sadəcə proqramlaşdırmağı öyrənməkdən bir qədər çətindir. Məktəbi bitirən və ali təhsil almayan şəxs, yəqin ki, standart işlənmə sahəsində uğurla işə başlaya bilər. Süni intellektlə, bu sənayenin iştirakçılarının səyləri də daxil olmaqla, tədricən aşağı salınsa da, giriş barı daha yüksəkdir. Xüsusilə, Microsoft-un üzərində işlədiyi işlərdən biri süni intellektin demokratikləşdirilməsi deyilən şeydir. Bu, texnologiyanı istehlakçıların ən geniş seqmenti üçün əlçatan etmək deməkdir.

Praktikada təkcə Microsoft deyil, bir çox başqa şirkətlər də bu istiqamətdə işləyir, məsələn, hazır xidmətlər şəklində intellektual, koqnitiv problemlərin həlli üçün alətlər təqdim edir. Məsələn, bir fotoşəkildən bir insanın cinsini, yaşını və əhvalını təyin etmək üçün xidmətlər, sadəcə olaraq onlara zəng edib nəticə əldə edə bilərsiniz; Eyni şey maşın tərcüməsinə və s. DotNext 2017-də hesabatın bir hissəsi olaraq bu barədə danışacağıq: bunun tam olaraq necə işlədiyini başa düşmədən, sadəcə nəticələrdən necə istifadə edə bilərsiniz.

A.NET bəlkə?

- Gəlin .NET platformasının süni intellekt seqmentindəki yerindən danışaq. Bu kimi problemlərin həlli üçün nə dərəcədə uyğundur? Neyron şəbəkələrlə işləməyə kömək edən və ya əksinə, mane olan hər hansı xüsusiyyətlər varmı?

Dmitri Soşnikov: AI üsulları istənilən texnologiyada tətbiq oluna bilər. Buna baxmayaraq, oxşar vəzifələr ətrafında müəyyən qurulmuş ekosistemlər var. Məsələn, Python və R və onları müşayiət edən kitabxanalar məlumat alimləri arasında çox populyar dillərdir. Bunlar. burada artıq çoxlu ictimai işlər görülür. Bu inkişaflar baxımından təbii ki, .NET digər oxşar platformalar kimi bir qədər geridədir. Bununla belə, .NET-də artıq müəyyən alətlər dəsti var, mən bu barədə hesabatımın bir hissəsi kimi danışacağam.

Ümumiyyətlə, platformalar indi müəyyən mənada, o cümlədən bir-biri ilə inteqrasiya olunub. Eyni R dili .NET platforması üçün doğma olan F# ilə çox yaxşı inteqrasiya edir. Müvafiq olaraq, bəzi maşın öyrənmə alətlərindən istifadə etmək lazımdırsa, R dilinin imkanlarından və kitabxanalarından istifadə edərək belə bir zəncirdən istifadə edə bilərik.

Ümumiyyətlə, xüsusi olaraq neyron şəbəkələri haqqında danışsaq, Microsoft-da neyron şəbəkələri öyrətməyə imkan verən Koqnitiv Alətlər dəsti var. Və əvvəlcə Microsoft ekosistemində qurulduğuna görə, .NET ilə çox yaxşı işləyir.

- Bu alət bir növ digər istehsalçıların analoqlarından fərqlənir?

Dmitri Soşnikov: Əslində, Cognitive Toolbar Microsoft-un TensorFlow, Caffe və s. çərçivələrinin analoqudur.

Onların hamısı, prinsipcə, ideoloji cəhətdən çox oxşardır. Lakin Microsoft Cognitive Toolkit yüksək paylanmış təlim mühitini dəstəkləyən ilk proqramdır ki, burada neyron şəbəkəni təkcə bir GPU-da deyil, çoxlu GPU-larda və ya hətta çoxlu GPU stansiyalarında məşq edə bilərsiniz. Bunlar. Neyroşəbəkə təlim ferması yarada bilərsiniz.

Bildiyimə görə, Cognitive Toolkit öyrənmə sürəti baxımından digər çərçivələri üstələyir. Üstəlik istifadə etmək çox rahatdır. Əksər çərçivələr bu və ya digər şəkildə Python dili ilə bağlıdır, lakin Cognitive Toolkit əvvəlcə bir qədər fərqli bir yol tutdu. Əvvəlcə neyron şəbəkənin arxitekturasını xüsusi dildə təsvir etmək, sonra isə Python-da heç bir model qurmadan onu öyrətmək mümkün idi. Bir az asan oldu. Hal-hazırda Cognitive Toolbar hər iki variantı dəstəkləyir, yəni. olduqca çevikdir.

- Yəqin ki, Cognitive Toolkit-in analoqlarından geri qaldığı məqamlar var?

Dmitri Soşnikov: Ümumiyyətlə, belə çərçivələr aşağı səviyyəli alətlərdir ki, onların üzərinə ixtiyari neyron şəbəkələri öyrədilə bilər. Analoqları kimi, Koqnitiv Alətlər dəsti müəyyən bir baza qatını dəstəkləyir, onun üzərində ixtiyari mürəkkəblik şəbəkələrinin arxitekturasını qura bilərsiniz. Buna görə də, müxtəlif alətlər tərəfindən həll edilən tapşırıqların diapazonu təxminən eynidır.

Çərçivə seçimi əsasən bəzi şəxsi üstünlüklər və istinad materiallarının mövcudluğu ilə müəyyən edilir. Və burada Microsoft çərçivəsi bir az geridə qalır, çünki bir az sonra ortaya çıxdı, buna görə də onun üzərində o qədər də çox material, xüsusən də onlayn kurslar yoxdur. Ancaq vəziyyət, əlbəttə ki, tədricən düzəlir.

Biz MIPT ilə birlikdə süni intellektin praktikada istifadəsi ilə bağlı problemlərə həsr olunmuş onlayn kurs buraxmağı planlaşdırırıq. Koqnitiv Alətlər dəsti ilə bağlı bəzi məlumatlar da oraya daxil ediləcək.

Yaxın gələcəkdə

- İndidən proqnozlaşdırmaq olarmı ki, süni intellekt seqmentinin inkişafı hansı istiqamətdə gedir?

Dmitri Soşnikov: Yəqin ki, son proqnozlar vermək tezdir, çünki 2011-2012-ci illərdə texnologiyanın son dərəcə sürətli inkişafı başladı. O vaxtdan bəri tanınma üsulları təkmilləşdirildi, neyron şəbəkəsi arxitekturaları təkmilləşdirildi, yəni. problemin həllinin dəqiqliyi artır.

Bu seqmentdə hələ də çoxlu həll olunmamış problemlər var. Görüntü və səsin tanınması problemləri artıq kifayət qədər yüksək səviyyədə həll olunub. Sonra, yəqin ki, ən maraqlısı mətndən hansısa məna çıxarmağa çalışmaqdır. Burada da kifayət qədər heyrətamiz uğurlar var. Məsələn, neyron şəbəkəni filmlərdən danışıq fraqmentləri üzərində məşq edə və hansısa yolla dialoq apara bilən robot əldə edə bilərsiniz. Amma eyni zamanda dialoqda çox da məna olmayacaq. Bilikləri mənaya necə çevirmək, neyron şəbəkələrdə biliyin gizli təsvirini simvolik mülahizə ilə necə birləşdirəcəyi hələ aydın deyil. Elm adamlarının davam etdirəcəyi araşdırmalar bu istiqamətdir.

Alətlərə gəldikdə, onlar hazırda fəal şəkildə hazırlanır. Müəyyən mənada alət istehsalçıları öz sahələrində elmi nailiyyətləri izləməyə çalışırlar. Yeni şəbəkə arxitekturaları görünür - onların dəstəyi alətlərdə görünür, yəni. Funksionallıq daim genişlənir.

Daha əvvəl dediyim kimi, bir tərtibatçının nöqteyi-nəzərindən süni intellektin və xüsusən də alətlərin demokratikləşməsi istiqamətində nəzərəçarpacaq tendensiya var. Qeyd etdiyim Microsoft Cognitive Toolbar dəstinə əlavə olaraq, Azure Machine Learning adlı maraqlı alət də var ki, bu da bütün maşın öyrənmə alqoritmlərinin həyata keçirilməsini dərindən dərk etmədən onları real məlumatlara tətbiq etməyə və hər hansı nümunələri müəyyən edə bilib-bilməyəcəyinizə baxmağa imkan verir. onları məhsullarınızda daha çox istifadə edin. Bu alət də kifayət qədər intensiv şəkildə hazırlanır - orada yeni metodlar və alqoritmlər tətbiq edilir.

Ümumiyyətlə, texnologiya daha əlçatan olur. Mürəkkəb şeylər sadələşdirilmişdir ki, mümkün qədər geniş layihələrdə istifadə olunsun.
Qeyd etmək istədiyim başqa bir məqam odur ki, bunlar hələ də süni intellekt alqoritmlərini həyata keçirən daha səmərəli aparat həllərindən istifadə edərək buludda aparılan ilk təcrübələrdir. Bu barədə Dotnext-də danışmayacağıq, lakin mövzu Microsoft Ignite konfransında ətraflı müzakirə edildi. Buludda Microsoft təkcə klassik hesablama resurslarını deyil, həm də proqramlaşdırıla bilən məntiq inteqral sxemlərini təklif etməyi planlaşdırır: FPGA və ya FPGA. Sadələşdirmək üçün bunlar müəyyən məntiqi əməliyyatları yerinə yetirmək üçün flaş edilə bilən və bu əməliyyatları çox tez yerinə yetirəcək çiplərdir. Belə bir sxemlə biz neyron şəbəkəni çox daha sürətli hesablaya bilərik. Təcrübələr zamanı prosessorun dildən dilə tərcüməsi “sövq edilib” və nəticədə “Müharibə və Sülh” romanı dildən dilə 2 saniyəyə tərcümə olunur. Əgər siz Microsoft-un buludda malik olduğu bir çox belə prosessorların hamısını götürsəniz, onda Vikipediya insanın gözünü qırpması üçün lazım olan müddətdə bir dildən digər dilə tərcümə oluna bilər.

Dmitri DotNext 2017 Piter (“.NET platformasında mövcud süni intellekt: chatbotlar və koqnitiv xidmətlərdən tutmuş dərinliyə qədər” adlı məruzəsində real layihələrdə (o cümlədən .NET-də) neyron şəbəkələrinin və süni intellekt texnologiyalarının istifadəsi haqqında daha praktik məlumat verəcəkdir. neyron şəbəkələri").

Teqlər: Teqlər əlavə edin

Turing testi mahiyyətcə “maşınlar düşünə bilərmi?” sualına cavab verən bir testdir. Yəni bu, yalnız eyni şəkildə düşünə bilən bir insanın və ya mükəmməl süni intellektin keçə biləcəyi testlər toplusudur. Bu, oyunda bizdən tələb olunan şeydir - Homo sapiens olduğunuzu sübut etmək. Məncə, bu, prinsipial məsələdir!

The Talos Principle və Portal bulmacalarını bəyənənlər mütləq qiymətləndirəcəklər Turing Testi. Bu oyunların həqiqətən çox ortaq cəhətləri var. Hətta deyə bilərsiniz ki, onlar Portaldan qaynaqlanan ayrıca bir alt janr təşkil edirlər.

Keçid ardıcıllıqla həll edilməli olan məntiqi testlər toplusudur. Oyun mexanikasının əsası Turing Testi qapıları açmaq, mexanizmləri işə salmaq və s. üçün xüsusi hüceyrələrə daxil edilməli olan enerji sferalarını təşkil edir. Bu məsələdə kömək edən yeganə vasitə, bu kürələri udmaq və onları lazımi yerdə vura bilən müəyyən bir maqnit silahıdır.

Ümumilikdə 70-dən çox test var, lakin onların bir çoxu bir neçə saniyə ərzində tamamlanır. Buna görə də, bütün keçid çox vaxt çəkmir. Ümumiyyətlə, oyunda çətin maneələr azdır, onların əksəriyyətini demək olar ki, tez başa çatdırmaq olar. Bəzi insanlar tapmacaları çox sadə hesab edə bilər, amma çətinlik balansını bəyəndim. Əksinə, belə oyunlarda uzun müddət “axmaq” olmağı xoşlamıram.

Ümumi ideya da tərtibatçıları ilhamlandıran oyunlara bənzəyir. Zəka haqqında, insan və maşın arasındakı fərq haqqında fəlsəfi və etik mülahizələr.

Süjetin özünə gəlincə: baş qəhrəman Yupiterin peyki olan Avropanın qarlı səthindəki kosmik stansiyada özünü tapır. Baza heyəti yoxa çıxdı və hər şey qəhrəmanla tanış olan süni intellekt tərəfindən idarə olunur. O, bu Turing Testindən keçməli və insanlara nə baş verdiyini öyrənməli olacaq. Hekayə olduqca maraqlıdır, lakin o qədər kiçik parçalarda (hər səviyyənin əvvəlində bir neçə kompüter xətti) təqdim olunur ki, demək olar ki, bütün oyun boyunca bunu hiss etmirsiniz və yalnız sona doğru diqqət yetirirsiniz.

Bir robot simfoniya yaza və ya bir kətan parçasını sənət şah əsərinə çevirə bilərmi? Bu sual açıq qalır. Ancaq dəqiq bildiyimiz budur: müasir tibbi nanorobotlar qana nüfuz edərək şişin “oksigenini kəsə” və sağlam hüceyrələrə zərər vermədən dərmanları təsirlənmiş hüceyrələrə çatdıra bilirlər. Neyron şəbəkələri bir çox xəstəliklərin diaqnostikasında həkimləri üstələmək üzrədir və CRISPR texnologiyalarından istifadə etməklə müayinələr tezliklə evdən çıxmadan həyata keçirilə bilər. Təbabətin gələcəyi artıq gəlib çatmışdır - gəlin yeni üsullardan nə gözlədiyimizi və bunun sağlamlığımıza necə təsir edəcəyini öyrənək.

Diaqnoz qoyun: Süni intellekt

Müalicənin müvəffəqiyyəti əsasən tez və səhvsiz diaqnozdan asılıdır: bunun üçün həkim çoxlu praktik təcrübə toplamalı və öz sahəsində mövcud elmi işlərdən xəbərdar olmalıdır. Ancaq hər ay çapda çıxan çoxlu yeni araşdırmalar və nümunə hesabatları ilə bütün bunları öyrənmək üçün vaxtı haradan tapa bilərsiniz? Saniyələr ərzində böyük həcmdə məlumatı emal edə bilən kompüterlər burada insanların köməyinə gəlir.

Bu gün tibbi məlumatların təhlili üçün alqoritmlər Microsoft, IBM və Google daxil olmaqla böyük korporasiyalar tərəfindən yaradılır. Çox vaxt onların inkişafları beyin skanları və ya dəridə şübhəli böyümələrin təsvirləri kimi böyük məlumat dəstlərində nümunələri tapa bilən öz-özünə öyrənən süni intellektin müxtəlif formalarına əsaslanır. Bu cür alqoritmlər minlərlə nümunədən ibarət kitabxanalardan istifadə etməklə öyrədilir, burada hər bir görüntüyə ixtisaslı həkim tərəfindən diaqnoz qoyulur.

Neyron şəbəkələri artıq bir çox xəstəlikləri insanlar kimi effektiv şəkildə müəyyən etməyi öyrəniblər və bəzi hallarda hətta mütəxəssisləri üstələyiblər.

Konvolutional neyron şəbəkələri (CNN) birdən çox təsviri təhlil etməyə imkan verir. Bunlar dərin (çox qatlı) strukturlardır ki, burada hər bir süni neyron əvvəlki təbəqənin çıxışının yalnız kiçik bir hissəsini alır. Tədricən, şəbəkə yerli xüsusiyyətləri ümumiləşdirir, tam mənzərəni yenidən yaradır. Bütün məlumatları birləşdirərək, CNN orijinal təsvirdəki müxtəlif detalları, o cümlədən həkimlərin diaqnoz qoyduğu xarakterik elementləri tanıya bilər.

CRISPR texnologiyaları yalnız xəstəliklərin səbəblərini aradan qaldırmaqla yanaşı, xəstəlikləri də müəyyən edə bilər, məsələn, yoluxucu agentlərin DNT və ya RNT izlərini axtara bilər.

CRISPR ilə əlaqəli Cas9 zülalı ən çox terapiya ilə əlaqədar xatırlansa da, digər zülallar: Cas12a və Cas13a adətən “diaqnostik” zülallardır.

2017-ci ildə MIT tədqiqatçıları SHERLOCK (Specific High Sensitivity Enzymatic Reporter Unlocking) adlı diaqnostika texnologiyasını təqdim etdilər. O, xüsusi RNT ardıcıllığını tanıya bilən və yaxınlıqda yerləşən oxşar RNT zəncirlərini kəsərək şübhəli obyekti tamamilə məhv edən Cas13a fermentindən istifadə edir. Sherlock Holmes kitabı kimi, tibbi SHERLOCK ən kiçik dəlillərdən hadisələrin tam mənzərəsini yenidən yaratmağa qadirdir: texnologiya nuklein turşularının attomolyar (litrdə 10-18 mol) konsentrasiyası ilə işləyir. Metod dang qızdırması virusunun və Zika virusunun fraqmentlərini ehtiva edən lentiviruslar üzərində sınaqdan keçirilib: SHERLOCK patogen hissəcikləri aşkarlaya bilib və onları iki attomoldan çox olmayan konsentrasiyada bir-birindən ayıra bilib.

Sınaq zamanı məlum oldu ki, SHERLOCK istifadə edərək diaqnostika üçün reagentlər qurudulub sonra yenidən hazırlana bilər, halbuki metodun həssaslığı çox da azalmır. Portativ testlər üçün fiberglas kağızdan istifadə etmək tövsiyə olunur. İnkişafın müəllifləri bir test sisteminin təxminən 61 sentə başa gələcəyinə inanırlar.

Digər tədqiqatçılar da evdə CRISPR testi üçün dəstlərin yaradılması üzərində işləyirlər. Bu yaxınlarda bu sahədə inkişaflar tibbi CRISPR inqilabının qabaqcıllarından biri olan Cennifer Doudna tərəfindən başladıldı. Onun komandası Cas12a zülalından istifadə edərək DETECTR (DNT endonuclease-targeted CRISPR trans reporter) adlı metod yaratdı. O, xüsusi DNT ardıcıllıqlarını tapır və nümunəyə əlavə edilmiş ən yaxın flüoresan işarəli nuklein turşusu müxbir molekullarını kəsərək siqnal istehsal edir. Bu yolla, qrip virusunun müxtəlif ştammları da daxil olmaqla, bir çox xəstəliklərin patogenlərinin izləri aşkar edilə bilər.

Belə test sistemlərinin yaradıcılarının fikrincə, CRISPR analizi bir neçə saatdan çox çəkməyəcək və nəticələri internet vasitəsilə əldə etmək olar. Lakin belə dəstlərin nə vaxt açıq satışa çıxarılacağı hələlik məlum deyil.

Bu bir illüziyadır: virtual reallıq

Virtual reallıqdan tez-tez kompüter oyunları və “3D kinoteatr” kontekstində danışılır, lakin texnologiya ən açıq sahələrdə deyil, tibbdə də potensiala malikdir. Məsələn, VR ağrı kəsici kimi effektiv şəkildə istifadə olunur.

İllinoys ştatındakı Loyola Universiteti Xəstəxanasının yanıq şöbəsi bu yanaşmadan istifadə edir.başladı on il əvvəl istifadə edilmişdir: xəstəxana xəstələri ağrılı prosedurlar zamanı simulyator oynayırlarQar Dünyası.

Aksiya çoxlu qar yağışları və donmuş çayları olan yarı fantastik şimal mənzərələri fonunda baş verir, qəhrəmanın vəzifəsi qütb ayıları, pinqvinlər və qar adamları ilə qartopu oynamaqdır. Bütün səviyyələri başa çatdırmaq üçün xəstə qeyri-iradi olaraq tapmacaya diqqət yetirir və fiziki hisslərdən yayınır. MRT beyin skanları göstərdi ki, SnowWorld həqiqətən ağrı qəbulunu azaldır, buna görə də xəstələr bədənə zərər verə biləcək daha az güclü ağrıkəsici tələb edir.

VR tibbin bir çox sahələrində ağrıkəsiciləri əvəz edir və ya tamamlayır. Texnologiya doğuş zamanı və diş prosedurları zamanı ağrıları aradan qaldırmaq üçün istifadə olunur. Virtual reallığın ağrıkəsici xüsusiyyətləri ABŞ-dakı "opioid böhranı" fonunda xüsusilə aktualdır - bu, son onilliklərdə reseptli ağrıkəsicilərin (məsələn, OxyContin və Vicodin) populyarlığının artması ilə əlaqələndirilir.

VR təkcə fiziki ağrı üçün deyil, həm də psixoloji travmanın öhdəsindən gələ bilər. İlk təcrübələr 1990-cı illərin sonlarında, psixoloq Barbara Rothbaum helikopter kokpitinin virtual modellərindən və Asiya cəngəlliyində təmizlənmədən istifadə edərək Vyetnam veteranlarında posttravmatik stress pozğunluğunun əlamətlərini yüngülləşdirməyə müvəffəq olduqda baş verdi. Bu üsul ifşa terapiyasını tamamladı - xəstənin şüurunun qarşısını almağa çalışdığı travmatik xatirələrə tədricən "yaxınlaşma". Bənzər bir sxem virtual reallıqdan istifadə edərək narahatlıq pozğunluqlarının və fobiyaların müalicəsində işləyir. Texnologiya aerofobiya və ictimai danışma qorxusunun öhdəsindən gəlməyə kömək edir: simulyasiya edilmiş mühit qorxulu vəziyyəti dəfələrlə “məşq etməyə” imkan verir.

VR terapiyasının çatışmazlıqları avadanlıqların nisbətən yüksək qiyməti və virtual reallığa potensial fizioloji dözümsüzlükdür.

Yeni müalicə üsullarının sınaqlarının bəzi iştirakçıları hərəkət xəstəliyi və ya dəniz tutması ilə eyni simptomlara səbəb olan VR "ürəkbulanma" (virtual reallıq xəstəliyi) yaşadılar. Ümumi fərziyyələrə görə, hər iki pozğunluq vestibulyar aparatın reseptorlarının işində pozğunluqlar və ya vestibulyar aparatdan gələn siqnallar ilə görmə orqanları arasında münaqişə nəticəsində yaranır.

Tərtibatçılar artıq VR “ürək bulanmasını” azalda biləcək bir neçə üsul yaratmışlar. Məsələn, istifadəçinin gözlərinin daim fiksasiya edəcəyi stasionar obyekti ekrana yerləşdirə bilərsiniz. Nasum Virtualis texnologiyasının müəllifləri başlanğıc nöqtəsi kimi ekranın mərkəzində yerləşən burnun virtual təsvirindən istifadə etməyi təklif edirlər. Oyunçunun gözləri bunu öz burnu kimi qəbul edir, ona görə də ürəkbulanma və başgicəllənmə hissi azalır.