Bir robot senfoni yazabilir mi? Turing Testi: “Sen sadece bir robotsun, hayatın bir taklidisin. Bir robot bu oyunu yenebilir mi? VR terapisinin dezavantajları, nispeten yüksek ekipman maliyeti ve sanal gerçekliğe karşı olası fizyolojik hoşgörüsüzlüktür.

Yapay zeka sistemlerinin unsurlarının geliştirilmesi aktif olarak gelişiyor ve günümüzün bir trendi haline geliyor ve yalnızca tembeller akıllı botlar yazmıyor. Bu nedenle ülkenin en iyi yapay zeka uzmanlarından biri olan Dmitry Shwars Soshnikov ile röportaj yaptık. Microsoft teknoloji müjdecisi, kitap, makale ve eğitimlerin yazarı, aynı zamanda öğretmen ve öğrenci program koordinatörü, işlevsel programlama, sinir ağları ve yapay zeka uzmanıdır.

- Dmitry, lütfen bize kendin ve işin hakkında birkaç söz söyle.

Dmitry Soshnikov: Microsoft'un bir müjdecisi olarak, şirketin en modern teknolojilerinin, artık öncelikle yapay zekayla ilgili teknolojilerin yaygınlaştırılması ve uygulanmasıyla ilgileniyorum. Bu, konferanslarda konuşmayı, öğrencilerle ve öğretmenlerle çalışmayı, startup'ları, bazen hackfest'lere katılmayı ve farklı şirketlerden geliştiricilerle birlikte prototip sistemleri programlamayı içerir. Ayrıca fonksiyonel programlamayı ve F# dilini yaygınlaştırıyorum, MIPT, HSE ve MAI'de ders veriyorum ve MVA ve Coursera için çevrimiçi kurslar geliştiriyorum.

Benim düşünceme göre, sinir ağları ve genel olarak yapay zeka çok ilginç bir alandır; son yıllardaki hızlı gelişimi, daha önce çözümü olmayan bir dizi sorunun çözülmesini mümkün kılmıştır, örneğin otomatik olarak belirleme gibi. Fotoğrafından bir kişinin yaşı. Ve gelecek bizim için çok daha ilginç fırsatlar barındırıyor.

Sinir ağları – moda mı yoksa araç mı?

- Son zamanlarda sinir ağı teknolojisinin aktif gelişimini tam olarak ne teşvik etti?

Dmitry Soshnikov: Burada çeşitli faktörler başarılı bir şekilde örtüşüyor.
İlk olarak, uygun fiyatlı bilgi işlem gücü kullanıma sunuldu. Üstelik bulut hizmetleri de büyük bir rol oynadı, çünkü sinir ağlarını hesaplamak için altyapıya yatırım yapmak yerine artık onu yalnızca hesaplamalar süresince kiralayabilir ve ardından kiralamayı reddedebilirsiniz. Ayrıca başlangıçta bilgisayar grafikleri için tasarlanan grafik işlemciler de kullanılmaya başlandı. Yapay zeka görevlerine çok uygun oldukları ortaya çıktı.

İkincisi, internet sayesinde birçok alanda devasa miktarda veri birikmeye başladı. Örneğin, daha önce bahsedilen bir fotoğraftan bir kişinin yaşını tanıma görevini düşünün. Bir sinir ağını bu sorunu çözecek şekilde eğitmek için birkaç yüz bin örnek gereklidir. Artık insanların fotoğraflarını ve hesap bilgilerini (yaş) yayınladıkları herhangi bir sosyal ağı kullanabilirsiniz - ve eğitim için verileri anında alırız.
Üçüncüsü, elbette, mevcut sorunların çözümüne olanak tanıyan yeni sinir ağı mimarileri de dahil olmak üzere bazı ilginç araştırmalar ortaya çıktı. Ancak bu nokta muhtemelen ilk ikisinin bir sonucudur. Kaynaklar ve teknolojiler mevcut olduğunda alan doğal olarak aktif olarak gelişmeye başlar.

Burada bu sinir ağlarının kullanılmasına olanak tanıyan çok sayıda araç da ortaya çıktı. Daha önce yapay zeka sorunlarını çözmek için çok fazla bilgiye ve çok fazla programlamaya sahip olmanız gerekiyorsa, artık alabileceğiniz ve kullanabileceğiniz hizmetler var.

Yapay zeka konusu günümüzde oldukça popüler. Bu popülerliğin ne kadarı hak ediliyor? Teknoloji gerçekten bu kadar etkileyici mi, yoksa modanın büyük katkısı mı var? Peki bu "moda" kalkınmaya zarar vermiyor mu?

Dmitry Soshnikov: Yapay zeka alanında gerçekten çok yazılan, çok büyük başarılar var, dolayısıyla “yapay zeka” deyimi çok duyuluyor. Bu sayede yeni geliştiriciler ortaya çıkıyor - birisi gidip kendisi için yeni bir alan üzerinde çalışıyor, yani. Bu alanı anlayan daha fazla insan var. Öte yandan insanlar yapay zeka teknolojilerinin uygulanabileceği görevleri daha dikkatli arıyor. Bu açıdan bakıldığında tüm bunlar prensip olarak iyi çünkü daha önce otomasyona geçiremediğimiz bazı alanları otomasyona geçirme şansımız var.

Örneğin MacAuto penceresinde sipariş kabul etme problemini çözebiliriz. Bu tür sorunların çözümünü her zaman daha ucuza getirmeye çalışıyorlar. Örneğin ABD'de ilk başta bir Amerikalı oraya oturdu, sonra sesi ucuz emeğin olduğu bir ülkeye (yine kişinin oturup yazıya döktüğü) aktararak bunu dış kaynak olarak kullanma girişiminde bulunuldu. Ve artık bir bilgisayar bunu yapabiliyor.

Piyasa katılımcılarının beklentileri abartılı mı? Yakın gelecekte kesinlikle gerçekleşmeyeceğine dair öngörüleriniz var mı?

Dmitry Soshnikov: Elbette var. Öncelikle yapay zeka alanı biraz romantik. Robotların isyan ettiği ve her şeyin kontrolünü ele geçirdiği pek çok film var - örneğin "Matrix" veya "Terminatör". Dolayısıyla bir 5 yılın daha geçmesini ve bilgisayarların dünyayı ele geçirmesini bekleyen belli sayıda insan var. Görünüşe göre bu beklentiler hala gerçeklikten uzak. Günümüzde görüntü tanıma, konuşma tanıma ve makine öğrenimi ile ilgili belirli problem sınıflarının çözümü oldukça iyi bir şekilde otomatikleştirilmiştir. Ancak genel olarak insan düşüncesinin nasıl çalıştığını anlamadan önce hala almamız gereken uzun bir yol var. Dolayısıyla insan gibi düşünecek ve bilgi birikimiyle hareket edecek böyle bir yapay zekanın yaratılmasından önce hala çok fazla çalışma yapılması gerekiyor. Bunun nasıl yapılacağı henüz çok açık değil.

- Bilim kurgu senaryolarının hayata geçirilmesinden ziyade, finansal yatırımlar açısından beklentiler ne olacak?

Dmitry Soshnikov: Bana öyle geliyor ki böyle bir sohbet için yapay zeka konusunu ayrı bileşenlere ayırmak gerekiyor, çünkü çok geniş bir alan.

Bilgisayarla görme konusuna bakarsak, halihazırda işletmelere uygulanan, verimliliklerini artıran ve ekonomik faydalar sağlayan inanılmaz gelişmeler olduğunu görüyoruz. Bilgisayarla görme, görüntüleri insanlardan daha iyi tanıyor ve önemli ölçüde daha ucuz olduğundan bahsetmiyorum bile.

Doğal dili anlama ve rastgele konular hakkında akıl yürütme yeteneği gibi diğer alanlarda ise ilerleme daha ılımlı oldu.

- Size göre sektörün gelişmesini engelleyen faktörler var mı?

Dmitry Soshnikov: Dürüst olmak gerekirse bariz bir faktör göremiyorum. Şu anda en hızlı büyüyen alanın bu olduğunu düşünüyorum.
Ancak yapay zekanın hala bazı nitelikler gerektiren bir alan olduğunu belirtmek isterim. Bu yönde çalışmak sadece programlamayı öğrenmekten biraz daha zordur. Okuldan mezun olan ve yüksek öğrenim görmeyen bir kişi muhtemelen standart geliştirme alanında başarılı bir şekilde çalışmaya başlayabilir. Yapay zeka ile giriş çıtası daha yüksektir, ancak bu sektördeki katılımcıların çabaları da dahil olmak üzere yavaş yavaş düşürülmektedir. Özellikle Microsoft'un üzerinde çalıştığı şeylerden biri yapay zekanın sözde demokratikleşmesidir. Bu, teknolojinin mümkün olan en geniş tüketici segmentine erişilebilir hale getirilmesi anlamına gelir.

Uygulamada, yalnızca Microsoft değil, diğer birçok şirket de bu yönde çalışıyor; örneğin entelektüel, bilişsel sorunları hazır hizmetler biçiminde çözmeye yönelik araçlar sağlıyor. Örneğin bir kişinin cinsiyetini, yaşını ve ruh halini bir fotoğraftan belirlemeye yönelik hizmetleri, onları arayarak sonucu alabilirsiniz. Aynı durum makine çevirisi vb. için de geçerlidir. DotNext 2017'deki raporun bir parçası olarak şunu konuşacağız: Tam olarak nasıl çalıştığını hiç anlamadan, sonuçları nasıl basitçe kullanabilirsiniz?

A.NET belki?

- .NET platformunun yapay zeka segmentindeki yerinden bahsedelim. Bu tür sorunları çözmeye ne kadar uygundur? Sinir ağlarıyla çalışmaya yardımcı olan veya tam tersine engelleyen herhangi bir özellik var mı?

Dmitry Soshnikov: Yapay zeka yöntemleri her teknolojiye uygulanabilir. Bununla birlikte, benzer görevlerin etrafında belirli yerleşik ekosistemler bulunmaktadır. Örneğin Python ve R ve bunlara eşlik eden kütüphaneler, veri bilimcileri arasında oldukça popüler dillerdir. Onlar. Burada zaten çok sayıda toplumsal çalışma var. Bu gelişmeler açısından elbette diğer benzer platformlar gibi .NET de biraz geride kalıyor. Ancak .NET'in zaten belirli bir takım araçları var ve raporumun bir parçası olarak bunlardan bahsedeceğim.

Genel olarak platformlar artık birbirleriyle de dahil olmak üzere bir anlamda entegre durumda. Aynı R dili, .NET platformuna özgü olan F# ile çok iyi bir şekilde bütünleşir. Buna göre bazı makine öğrenimi araçlarını kullanmamız gerekiyorsa R dilinin yeteneklerini ve kütüphanelerini kullanarak böyle bir zincir kullanabiliriz. Bu oldukça şeffaf ve yapılması kolay olacaktır.

Genel olarak, özellikle sinir ağlarından bahsedersek, Microsoft'un sinir ağlarını eğitmenize olanak tanıyan bir Bilişsel Araç Seti vardır. Başlangıçta Microsoft ekosisteminde oluşturulduğu için .NET ile çok iyi çalışır.

- Bu araç bir şekilde diğer üreticilerin analoglarından öne çıkıyor?

Dmitry Soshnikov: Temel olarak Bilişsel Araç Seti, Microsoft'un TensorFlow, Caffe vb. çerçevelerinin analogudur.

Prensipte ideolojik olarak hepsi birbirine çok benziyor. Ancak Microsoft Bilişsel Araç Seti, bir sinir ağını yalnızca tek bir GPU'da değil, birden çok GPU'da ve hatta birden çok GPU istasyonunda eğitebileceğiniz yüksek düzeyde dağıtılmış bir eğitim ortamını destekleyen ilk araçtı. Onlar. Bir sinir ağı eğitim çiftliği yapabilirsiniz.

Bildiğim kadarıyla Bilişsel Araç Seti, öğrenme hızı açısından diğer çerçeveleri geride bırakıyor. Üstelik kullanımı çok rahat. Çoğu çerçeve şu veya bu şekilde Python diliyle ilişkilidir, ancak Bilişsel Araç Seti başlangıçta biraz farklı bir yol izledi. Başlangıçta bir sinir ağının mimarisini özel bir dilde tanımlamak ve daha sonra Python'da herhangi bir model oluşturmadan eğitmek mümkündü. Biraz daha kolaydı. Şu anda Bilişsel Araç Seti her iki seçeneği de desteklemektedir; oldukça esnektir.

- Muhtemelen Bilişsel Araç Takımının benzerlerinden daha düşük olduğu anlar vardır?

Dmitry Soshnikov: Genel olarak bu tür çerçeveler, isteğe bağlı sinir ağlarının eğitilebileceği düşük seviyeli araçlardır. Benzerleri gibi Bilişsel Araç Takımı da, üzerine keyfi karmaşıklıktaki ağların mimarisini inşa edebileceğiniz belirli bir temel katmanı destekler. Bu nedenle, farklı araçlarla çözülen görev aralığı yaklaşık olarak aynıdır.

Çerçeve seçimi büyük ölçüde bazı kişisel tercihlere ve referans materyallerin mevcudiyetine göre belirlenir. Ve burada Microsoft çerçevesi biraz daha sonra ortaya çıktığı için biraz geride kalıyor, bu nedenle üzerinde çok fazla materyal yok, özellikle çevrimiçi kurslar. Ancak durum elbette yavaş yavaş düzeliyor.

MIPT ile birlikte, özellikle yapay zekanın pratikte kullanımıyla ilgili sorunlara adanmış çevrimiçi bir kurs yayınlamayı planlıyoruz. Bilişsel Araç Seti'ndeki bilgilerin bir kısmı da buraya dahil edilecek.

Yakın gelecek

- Yapay zeka segmentinin gelişiminin hangi yönde ilerlediğini şimdi tahmin etmek mümkün mü?

Dmitry Soshnikov: Nihai tahminlerde bulunmak için muhtemelen çok erken, çünkü 2011-2012'de teknolojinin son derece hızlı gelişimi başladı. O zamandan bu yana tanıma yöntemleri geliştirildi, sinir ağı mimarileri geliştirildi. Problem çözmenin doğruluğu artar.

Bu segmentte hala çözülmemiş birçok sorun var. Görüntü ve ses tanıma sorunları zaten oldukça yüksek düzeyde çözüldü. Daha sonra muhtemelen en ilginç şey metinden bir anlam çıkarmaya çalışmaktır. Burada da oldukça çarpıcı başarılar var. Örneğin, bir sinir ağını filmlerden alınan konuşma parçaları üzerinde eğitebilir ve bir şekilde diyaloğu sürdürebilen bir robot elde edebilirsiniz. Ancak aynı zamanda diyalogda pek bir anlam kalmayacak. Bilginin nasıl anlama dönüştürüleceği, sinir ağlarında bilginin örtülü temsilinin sembolik akıl yürütmeyle nasıl birleştirileceği henüz belli değil. Bilim adamlarının takip edeceği araştırma yönü budur.

Araçlara gelince, bunlar şu anda aktif olarak geliştirilmektedir. Bir anlamda takım üreticileri kendi alanlarındaki bilimsel gelişmeleri takip etmeye çalışıyorlar. Yeni ağ mimarileri ortaya çıkıyor - bunların desteği araçlarda görünüyor, ör. İşlevsellik sürekli genişlemektedir.

Daha önce de söylediğim gibi geliştirici açısından bakıldığında, araçlar da dahil olmak üzere yapay zekanın demokratikleşmesine yönelik gözle görülür bir eğilim var. Bahsettiğim Microsoft Bilişsel Araç Seti'ne ek olarak, tüm makine öğrenimi algoritmalarının uygulanmasını derinlemesine anlamadan bunları gerçek verilere uygulamanıza ve herhangi bir kalıp ve kalıp tanımlayıp tanımlayamayacağınızı görmenize olanak tanıyan, Azure Machine Learning adında ilginç bir araç var. bunları ürünlerinizde daha fazla kullanın. Bu araç aynı zamanda oldukça yoğun bir şekilde geliştiriliyor - orada yeni yöntemler ve algoritmalar tanıtılıyor.

Genel olarak teknoloji daha erişilebilir hale geliyor. Karmaşık şeyler basitleştirilmiştir, böylece mümkün olduğunca geniş bir proje yelpazesinde kullanılabilirler.
Bahsetmek istediğim bir diğer nokta ise bunların hala bulutta yapay zeka algoritmalarını uygulayan daha verimli donanım çözümlerinin kullanıldığı ilk deneyler olduğudur. Bu konuyu Dotnext'te konuşmayacağız ancak Microsoft Ignite konferansında konu detaylı olarak tartışıldı. Microsoft, bulutta yalnızca klasik bilgi işlem kaynaklarını değil aynı zamanda programlanabilir mantık entegre devrelerini de sunmayı planlıyor: FPGA veya FPGA. Basitleştirmek gerekirse bunlar, belirli mantıksal işlemleri gerçekleştirmek için flaşlanabilen ve bu işlemleri çok hızlı bir şekilde gerçekleştirecek çiplerdir. Böyle bir şema ile sinir ağını çok daha hızlı hesaplayabiliriz. Deneyler sırasında işlemciye dilden dile çeviri yapması "istildi" ve bunun sonucunda "Savaş ve Barış" romanı dilden dile 2 saniyede çevrildi. Microsoft'un bulutta sahip olduğu bu tür işlemcilerin tümünü alırsanız, Vikipedi bir kişinin gözünü kırpması kadar sürede bir dilden diğerine çevrilebilir.

Dmitry, DotNext 2017 Piter'deki raporunda sinir ağlarının ve yapay zeka teknolojilerinin gerçek projelerde (.NET dahil) kullanımı hakkında daha pratik bilgiler verecek (“.NET platformunda mevcut yapay zeka: sohbet robotlarından ve bilişsel hizmetlerden derinlere kadar) nöral ağlar").

Etiketler: Etiket ekleyin

Turing testi esasen “makineler düşünebilir mi?” sorusuna yanıt veren bir testtir. Yani bu, ancak aynı şekilde düşünebilen bir kişinin veya mükemmel bir yapay zekanın geçebileceği bir dizi testtir. Oyunda bizden yapmamız istenen de tam olarak bu: Homo sapiens olduğunuzu kanıtlamak. Bana göre bu bir prensip meselesi!

Talos Prensibi ve Portal bulmacalarını sevenler kesinlikle takdir edeceklerdir. Turing Testi. Bu oyunların gerçekten pek çok ortak noktası var. Hatta tam olarak Portal'dan kaynaklanan ayrı bir alt tür oluşturduklarını bile söyleyebilirsiniz.

Geçiş, sırayla çözülmesi gereken bir dizi mantıksal testtir. Oyun mekaniğinin temeli Turing Testi Kapıları açmak, mekanizmaları başlatmak vb. için özel hücrelere yerleştirilmesi gereken enerji küreleri oluşturur. Bu konuda yardımcı olabilecek tek araç, bu küreleri emebilen ve onları doğru yere vurabilen manyetik bir silahtır.

Toplamda 70'den fazla test var ancak birçoğu saniyeler içinde tamamlanıyor. Bu nedenle pasajın tamamı fazla zaman almaz. Genel olarak oyunda çok az zor engel vardır; bunların çoğu neredeyse anında tamamlanabilir. Bazı insanlar bulmacaları çok basit bulabilir ama ben zorluk dengesini beğendim. Aksine bu tür oyunlarda uzun süre “aptal” olmayı sevmiyorum.

Genel fikir, geliştiricilere ilham veren oyunlara da benziyor. Zeka ve insan ile makine arasındaki fark hakkında felsefi ve etik düşünceler.

Olay örgüsüne gelince: Ana karakter kendini Jüpiter'in uydusu Europa'nın karlı yüzeyindeki bir uzay istasyonunda buluyor. Üs personeli ortadan kayboldu ve her şey, kahramanla buluşan yapay zeka tarafından kontrol ediliyor. Bu Turing Testini geçmek ve insanlara ne olduğunu öğrenmek zorunda kalacak. Hikaye oldukça ilginç ama o kadar küçük parçalar halinde sunuluyor ki (her seviyenin başında birkaç bilgisayar satırı), neredeyse oyunun tamamı boyunca bunu fark etmiyorsunuz ve sadece sonuna doğru dikkat ediyorsunuz.

Bir robot bir senfoni yazabilir mi ya da bir tuval parçasını sanat şaheserine dönüştürebilir mi? Bu soru açık kalıyor. Ancak kesin olarak bildiğimiz şey şu: Modern tıbbi nanorobotlar, kan dolaşımına nüfuz ederek tümörün "oksijenini kesebilir" ve sağlıklı hücrelere zarar vermeden etkilenen hücrelere ilaç verebilir. Sinir ağları pek çok hastalığın teşhisinde doktorları geride bırakmak üzere ve CRISPR teknolojileri kullanılarak yapılan muayeneler de yakında evden çıkmadan yapılabilecek. Tıbbın geleceği çoktan geldi; gelin yeni yöntemlerden neler bekleyebileceğimizi ve bunun sağlığımızı nasıl etkileyeceğini öğrenelim.

Teşhis Edin: Yapay Zeka

Tedavinin başarısı büyük ölçüde hızlı ve hatasız teşhise bağlıdır: Bunun için doktorun çok fazla pratik deneyim biriktirmesi ve kendi alanındaki güncel bilimsel çalışmalardan haberdar olması gerekir. Ancak her ay basılan bu kadar çok yeni çalışma ve vaka raporu varken, hepsini inceleyecek zamanı nereden bulacaksınız? Burası, saniyeler içinde büyük miktarda bilgiyi işleyebilen bilgisayarların insanların yardımına geldiği yerdir.

Günümüzde tıbbi verileri analiz etmeye yönelik algoritmalar Microsoft, IBM ve Google gibi büyük şirketler tarafından oluşturulmaktadır. Çoğu zaman bu gelişmeler, beyin taramaları veya ciltteki şüpheli büyümelerin görüntüleri gibi büyük veri kümelerindeki kalıpları bulabilen, kendi kendine öğrenen yapay zekanın çeşitli biçimlerine dayanıyor. Bu tür algoritmalar, her görüntüye kalifiye bir doktor tarafından konulan bir teşhisin atandığı binlerce örnekten oluşan kütüphaneler kullanılarak eğitilir.

Sinir ağları birçok hastalığı insanlar kadar etkili bir şekilde tanımlamayı çoktan öğrendi ve hatta bazı durumlarda uzmanları geride bırakmayı bile başardılar.

Evrişimli sinir ağları (CNN), birden fazla görüntüyü analiz etmenize olanak tanır. Bunlar, her yapay nöronun önceki katmanın çıktısının yalnızca küçük bir kısmını aldığı derin (çok katmanlı) yapılardır. Ağ yavaş yavaş yerel özellikleri genelleştirerek resmin tamamını yeniden oluşturur. CNN, tüm verileri birleştirerek orijinal görüntüdeki, doktorların teşhis koymasını sağlayan karakteristik unsurlar da dahil olmak üzere çeşitli ayrıntıları tanıyabiliyor.

CRISPR teknolojileri yalnızca hastalıkların nedenlerini ortadan kaldırmakla kalmaz, aynı zamanda hastalıkları da tanımlayabilir, örneğin bulaşıcı ajanların DNA veya RNA izlerini arayabilir.

CRISPR ile ilişkili protein Cas9'dan en çok terapiyle bağlantılı olarak bahsedilirken, diğer proteinler: Cas12a ve Cas13a genellikle "tanısal" proteinlerdir.

2017 yılında MIT araştırmacıları SHERLOCK (Özel Yüksek Hassasiyetli Enzimatik Raportör Kilit Açma) adı verilen bir teşhis teknolojisini tanıttı. Spesifik RNA dizilerini tanıyabilen ve yakındaki benzer RNA ipliklerini keserek şüpheli nesneyi tamamen yok edebilen Cas13a enzimini kullanıyor. Sherlock Holmes kitabı gibi, tıbbi SHERLOCK da en küçük kanıttan olayların tam bir resmini yeniden yaratma yeteneğine sahiptir: teknoloji, nükleik asitlerin atomolar (litre başına 10-18 mol) konsantrasyonlarıyla çalışır. Yöntem, dang humması virüsü ve Zika virüsünün parçalarını içeren lentivirüsler üzerinde test edildi: SHERLOCK, iki atomolden fazla olmayan bir konsantrasyonda patojen parçacıklarını tespit edebildi ve bunları birbirlerinden ayırt edebildi.

Test sırasında, SHERLOCK kullanılarak teşhis için kullanılan reaktiflerin kurutulabileceği ve daha sonra yeniden oluşturulabileceği, yöntemin hassasiyetinin ise fazla azalmadığı ortaya çıktı. Taşınabilir testler için fiberglas kağıt kullanılması tavsiye edilir. Geliştirmenin yazarları, bir test sisteminin yaklaşık 61 sente mal olacağına inanıyor.

Diğer araştırmacılar da evde CRISPR testi için kitler oluşturmaya çalışıyor. Son dönemde bu alandaki gelişmeler tıbbi CRISPR devriminin öncülerinden Jennifer Doudna tarafından başlatıldı. Ekibi, Cas12a proteinini kullanarak DETECTR (DNA endonükleaz hedefli CRISPR trans raportörü) adı verilen bir yöntem geliştirdi. Spesifik DNA dizilerini bulur ve numuneye eklenen en yakın floresan etiketli nükleik asit raportör moleküllerini keserek bir sinyal üretir. Bu şekilde, grip virüsünün farklı türleri de dahil olmak üzere birçok hastalığın patojenlerinin izleri tespit edilebiliyor.

Bu tür test sistemlerinin yaratıcılarına göre CRISPR analizi birkaç saatten fazla sürmeyecek ve sonuçlar internet üzerinden alınabilecek. Ancak bu tür setlerin ne zaman halka açık satışa çıkacağı henüz bilinmiyor.

Bu bir yanılsama: sanal gerçeklik

Sanal gerçeklikten daha çok bilgisayar oyunları ve "hacimsel sinema" bağlamında bahsediliyor, ancak teknolojinin tıpta da potansiyeli var, çok bariz alanlarda değil. Örneğin VR etkili bir şekilde ağrı kesici olarak kullanılıyor.

Illinois'deki Loyola Üniversitesi Hastanesi'ndeki yanık ünitesi bu yaklaşımı benimsiyor.başladı On yıl önce kullanıldı: Hastanedeki hastalar ağrılı prosedürler sırasında bir simülatör oynuyorKar Dünyası.

Aksiyon, birçok kar yığını ve donmuş nehirlerin bulunduğu yarı fantastik kuzey manzaralarının arka planında gerçekleşiyor; kahramanın görevi kutup ayıları, penguenler ve kardan adamlarla kartopu oynamak. Tüm seviyeleri tamamlamak için hasta istemsiz olarak bulmacaya odaklanır ve dikkati fiziksel duyulardan uzaklaşır. MRI beyin taramaları, SnowWorld'ün aslında ağrı algısını azalttığını, dolayısıyla hastaların vücuda zararlı olabilecek daha az güçlü ağrı kesiciye ihtiyaç duyduğunu gösterdi.

VR, tıbbın birçok alanında ağrı kesicilerin yerini alıyor veya onları tamamlıyor. Teknoloji, doğum sırasında ve diş prosedürleri sırasında ağrıyı hafifletmek için kullanılır. Sanal gerçekliğin ağrı giderici özellikleri özellikle Amerika Birleşik Devletleri'ndeki “opioid krizi” göz önüne alındığında anlamlıdır; bu, son yıllarda reçeteli ağrı kesicilerin (örneğin, OxyContin ve Vicodin) popülaritesindeki artışla ilişkilidir.

VR yalnızca fiziksel acı için işe yaramıyor; aynı zamanda psikolojik travmanın da üstesinden gelebiliyor. İlk deneyler 1990'ların sonlarında, psikolog Barbara Rothbaum'un bir helikopter kokpitinin sanal modellerini ve Asya ormanındaki bir açıklığı kullanarak Vietnam gazilerinde travma sonrası stres bozukluğu semptomlarını hafifletmeyi başarmasıyla gerçekleşti. Bu teknik, hastanın bilincinin kaçınmaya çalıştığı travmatik anılara aşamalı bir "yaklaşım" olan maruz bırakma terapisini tamamladı. Benzer bir şema, anksiyete bozukluklarının ve fobilerin sanal gerçeklik kullanılarak tedavisinde de işe yarıyor. Teknoloji, aerofobi ve topluluk önünde konuşma korkusuyla başa çıkmaya yardımcı olur: simüle edilmiş bir ortam, korkutucu bir durumun tekrar tekrar "prova edilmesini" mümkün kılar.

VR terapisinin dezavantajları, nispeten yüksek ekipman maliyeti ve sanal gerçekliğe karşı olası fizyolojik hoşgörüsüzlüktür.

Yeni tedavi yöntemleri denemelerine katılan bazı katılımcılar, hareket hastalığı veya deniz tutmasıyla aynı semptomlara neden olan VR "mide bulantısı" (sanal gerçeklik hastalığı) yaşadı. Yaygın hipotezlere göre, her iki bozukluk da vestibüler aparattaki reseptörlerin işleyişindeki bozukluklardan veya vestibüler aparattan gelen sinyaller ile görme organları arasındaki bir çatışmadan kaynaklanmaktadır.

Geliştiriciler zaten VR "mide bulantısını" azaltabilecek çeşitli yöntemler oluşturdular. Örneğin ekranın üzerine kullanıcının gözünün sürekli sabitleneceği sabit bir nesne yerleştirebilirsiniz. Nasum Virtualis teknolojisinin yazarları, başlangıç ​​noktası olarak ekranın ortasında bulunan burnun sanal görüntüsünü kullanmayı öneriyorlar. Oyuncunun gözleri bunu kendi burnu gibi algılar, böylece mide bulantısı ve baş dönmesi hissi azalır.