Новая область обещает открыть новую эру использования машинного обучения и компьютерного зрения для решения небольших и крупномасштабных вопросов биологии организмов по всему миру. Область имиджомики призвана помочь исследовать фундаментальные вопросы биологических процессов на Земле путем объединения изображений живых организмов с компьютерным анализом и открытиями.
Вэй-Лунь Чао, исследователь из Института имиджомики Университета штата Огайо и выдающийся доцент кафедры инклюзивного превосходства в области компьютерных наук и инженерии в штате Огайо, в прошлом месяце выступил с подробной презентацией о последних достижениях в области исследований в этой области. ежегодное собрание Американской ассоциации содействия развитию науки.
Презентация Чао на AAAS под названием «Имигомика с точки зрения машинного обучения и компьютерного зрения: от микро к глобальному» была частью сессии «Имигомика: использование машинного обучения для понимания биологических признаков».
Чао и двое других докладчиков описали, как имиджомика может изменить понимание обществом биологического и экологического мира, превратив исследовательские вопросы в вычислимые проблемы. Презентация Чао была сосредоточена на потенциальном применении имиджомики для решения проблем микро- и макроуровня.
«Сегодня мы добились быстрого прогресса в области машинного обучения и компьютерного зрения », — сказал Чао. «Если мы будем использовать их должным образом, они действительно смогут помочь ученым решить важные, но трудоемкие проблемы».
Хотя на решение некоторых исследовательских проблем вручную могут потребоваться годы или десятилетия, исследователи имиджомики предполагают, что с помощью методов машинного и компьютерного зрения, таких как распознавание образов и мультимодальное выравнивание, скорость и эффективность научных открытий следующего поколения могут быть увеличены. экспоненциально.
«Если мы сможем включить биологические знания, которые люди собирали на протяжении десятилетий и столетий, в методы машинного обучения, мы сможем улучшить их возможности с точки зрения интерпретируемости и научных открытий», — сказал Чао.
Один из способов, которым Чао и его коллеги работают над достижением этой цели, — создание базовых моделей в имиджемике, которые будут использовать данные из всех видов источников для выполнения различных задач. Другой способ — разработать модели машинного обучения, способные идентифицировать и даже обнаруживать признаки, чтобы компьютерам было легче распознавать и классифицировать объекты на изображениях, что и сделала команда Чао.
«Традиционные методы классификации изображений с обнаружением признаков требуют огромного количества человеческих комментариев, а наш метод этого не требует», — сказал Чао. «На разработку нашего алгоритма нас вдохновило то, как биологи и экологи ищут черты, позволяющие различать различные виды биологических организмов».
Обычные классификаторы изображений на основе машинного обучения достигли высокого уровня точности, анализируя изображение в целом, а затем присваивая ему определенную категорию объектов. Однако команда Чао использует более активный подход: их метод учит алгоритм активно искать в любом изображении такие характеристики, как цвета и узоры, которые характерны для класса объекта (например, вида животного) во время его анализа.
Таким образом, имиджомика может предложить биологам гораздо более подробную информацию о том, что показано, а что нет на изображении, открывая путь к более быстрому и точному визуальному анализу. Самое интересное, по словам Чао, было показано, что он способен решать задачи по распознаванию очень сложных мелкозернистых видов, таких как мимикрия бабочки, чей внешний вид характеризуется мелкими деталями и разнообразием рисунков крыльев и окраски.
По его словам, простота, с которой можно использовать алгоритм, потенциально может позволить интегрировать имиджомику во множество других разнообразных целей, от климата до исследований в области материаловедения, сказал он.
Чао сказал, что одна из самых сложных частей содействия исследованиям в области имиджомики — это интеграция различных частей научной культуры для сбора достаточного количества данных и формирования на их основе новых научных гипотез.
По его словам, это одна из причин, почему сотрудничество между учеными разных типов и дисциплин является такой неотъемлемой частью этой области. Исследования в области имиджомики будут продолжать развиваться, но на данный момент Чао с энтузиазмом оценивает ее потенциал, позволяющий увидеть и понять мир природы совершенно новыми, междисциплинарными способами.
«Чего мы действительно хотим, так это того, чтобы ИИ имел тесную интеграцию с научными знаниями, и я бы сказал, что имиджомика — отличная отправная точка для этого», — сказал он.
