Краудсорсинговая научная работа о глубоком обучении в медицине.
Преподаватели биоинформатики Энтони Гиттер и Кейси Грин летом 2016 года опубликовали статью о биомедицинских приложениях глубокого обучения - новую область искусственного интеллекта, которая пытается имитировать нейронные сети человеческого мозга.
Они завершили работу, но также представили интересный случай академического краудсорсинга. Сегодня этот документ был создан с помощью более 40 онлайн-помощников, большинство из которых внесли достаточно идей, чтобы стать соавторами.
Авторы сравнили написание научного труда «Возможности и препятствия для глубокого обучения в биологии и медицине» с процессом работы разработчиков программного обеспечения с открытым исходным кодом и использовали GitHub как основную платформу при её создании.
Новые авторы часто приводили примеры того, как глубокое обучение влияет на их часть науки. Например, один ученый сделал раздел о криоэлектронной микроскопии (Метод популярен в структурной биологии, так как позволяет наблюдать за образцами, которые не были окрашены или каким-либо образом зафиксированы, показывая их в их родной среде), который использует методы глубокого обучения. Другие авторы переписали фрагменты, чтобы сделать их более доступным для небиологов.
Глубокое обучение может делать прогнозы о том, кто может быть подвержен риску развития определенных заболеваний и как можно попытаться обойти их на раннем этапе. Потенциальный выигрыш настолько велик, даже при нынешнем уровне развития технологий.
Преподаватели биоинформатики Энтони Гиттер и Кейси Грин летом 2016 года опубликовали статью о биомедицинских приложениях глубокого обучения - новую область искусственного интеллекта, которая пытается имитировать нейронные сети человеческого мозга.
Они завершили работу, но также представили интересный случай академического краудсорсинга. Сегодня этот документ был создан с помощью более 40 онлайн-помощников, большинство из которых внесли достаточно идей, чтобы стать соавторами.
Авторы сравнили написание научного труда «Возможности и препятствия для глубокого обучения в биологии и медицине» с процессом работы разработчиков программного обеспечения с открытым исходным кодом и использовали GitHub как основную платформу при её создании.
Новые авторы часто приводили примеры того, как глубокое обучение влияет на их часть науки. Например, один ученый сделал раздел о криоэлектронной микроскопии (Метод популярен в структурной биологии, так как позволяет наблюдать за образцами, которые не были окрашены или каким-либо образом зафиксированы, показывая их в их родной среде), который использует методы глубокого обучения. Другие авторы переписали фрагменты, чтобы сделать их более доступным для небиологов.
Глубокое обучение может делать прогнозы о том, кто может быть подвержен риску развития определенных заболеваний и как можно попытаться обойти их на раннем этапе. Потенциальный выигрыш настолько велик, даже при нынешнем уровне развития технологий.