Tegorocznymi laureatami nagrody Nobla w dziedzinie fizyki zostali John J. Hopfield i Geoffrey E. Hinton. Kapituła wyróżniła ich za fundamentalne odkrycia i wynalazki umożliwiające uczenie maszynowe za pomocą sztucznych sieci neuronowych. Komentarz ekspertów centrum informacyjnego Tygodnia Noblowskiego Centrum Współpracy i Dialogu UW.

– Moje pierwsze spotkania z fizyką były związane z Johnem Hopfieldem, który zasłynął z prac na temat ekscytonów w fizyce ciała stałego. Fakt, że w pewnym momencie postanowił porzucić tę dziedzinę, był dużym zaskoczeniem. Jednak teorie, które wymyślił, przetrwały i są nadal szeroko wykorzystywane. Cieszy mnie, że Hopfield zdał sobie sprawę, iż osiągnął wszystko, co zamierzał i postanowił przenieść swoje zainteresowania na neuroinformatykę, neurofizykę i neurobiologię. Koncepcje stosowane w tych dziedzinach są bardzo bliskie temu, czego my używamy w martwej naturze, jak np. propagacja polarytonów, czyli wzbudzeń takich, które są też w naszych neuronach. Jeśli zastanawiamy się, w jaki sposób ludzkie oko przetwarza obrazy i sygnały, okazuje się, że również tam zaprzęgnięte są naturalne sieci neuronowe.

Chciałbym podać przykład mojego studenta, który doskonale pokazuje, jak niesamowite są te połączenia. To student pierwszego roku. Uczenie maszynowe było dla niego początkowo jedynie hobby. Na początku studiów zaczął wykorzystywać te techniki do analizy zdjęć powierzchni kryształów, które się marszczyły. Człowiek mógł zauważyć różnice w zmarszczkach w zależności od sposobu hodowli kryształu, ale żeby to skwantyfikować, potrzebne były te metody. Studentowi udało się wyszkolić sieci neuronowe, które najpierw musiały się „nauczyć” rozpoznawać te wzory, a potem mogły dostarczać precyzyjnych danych ilościowych, nie tylko jakościowych. Moim zdaniem jest w tym dużo fizyki – prof. dr hab. Andrzej Wysmołek – Instytut Fizyki Doświadczalnej, Wydział Fizyki UW.

 

– Moim zdaniem należałoby nagradzać inteligencję wrodzoną, a nie sztuczną. Według mnie to odkrycie nie ma wiele wspólnego z fizyką. To podglądanie działania mózgu w bardzo uproszczony sposób. Pamiętam rok 1982 – wtedy John J. Hopfield zaproponował koncepcję sieci neuronowej. To była kompletna abstrakcja. Wiedzieliśmy już wtedy, że w mózgu funkcjonują miliardy neuronów, a możliwości komputerów tamtych czasów pozwalały na modelowanie może siedmiu, może dziesięciu neuronów. Pamiętam również backpropagation opracowane przez Hintona, które pojawiło się tuż po moich studiach, ale to również wydawało się kompletnie abstrakcyjne. Teraz mówimy o niesłychanie rozbudowanych sieciach neuronowych, o zastosowaniu ich do wielkich baz danych. Wciąż jednak, w moim odczuciu, mamy do czynienia bardziej ze skalą niż z nowym pomysłem fizycznym. Oczywiście, może to być użyteczne w fizyce, choć mam wątpliwości, czy faktycznie okaże się tak kreatywne i przełomowe. To może być użyteczne narzędzie, ale nadal – tylko narzędzie. Nawet Hinton podkreślał czynniki ryzyka związane z potencjalnym wykorzystaniem tego narzędzia w złych celach. Jeżeli ktoś tego użyje w złych celach, to może być niesłychanie silne narzędzie, które będzie bardzo, bardzo groźne. Za to osiągnięcie przyznałbym Nagrodę Turinga. Moim zdaniem Nagroda Nobla jest pewnym takim sacrum, które dostaje się za przełom w fizyce – prof. dr hab. Krzysztof A. Meissner – Instytut Fizyki Teoretycznej, Wydział Fizyki UW.

Fizyka była pierwszą z dyscyplin, którą Alfred Nobel wymienił w swoim testamencie. Zdaniem wielu specjalistów potwierdza to jej ówczesny status – najważniejszej dyscypliny naukowej. Nagroda w tej dziedzinie jest przyznawana od początku trwania konkursu, czyli od 1901 roku. Pierwszym jej laureatem został Wilhelm Conrad Röntgen za odkrycie promieni X, które obecnie stanowią jedno z głównych narzędzi diagnostycznych w medycynie.

 

***

Centrum Współpracy i Dialogu UW (CWiD UW) jest ogólnouniwersytecką jednostką powołaną na Uniwersytecie Warszawskim w celu promowania dokonań i sukcesów naukowych kadry akademickiej oraz udostępniania wiedzy i uniwersyteckich zasobów badawczych szerokiemu gronu odbiorców, partnerów oraz instytucji zewnętrznych. Jako platforma komunikacji i współpracy CWiD UW umożliwia przybliżanie społeczeństwu odkryć i możliwości nauki XXI wieku, a także rzetelnej wiedzy naukowej w obszarach aktualnych wyzwań społecznych i gospodarczych. Centrum służy wzmacnianiu głosu naukowców, wydziałów i innych jednostek UW w debacie publicznej i kształtowaniu jej jakości w oparciu o wiedzę opartą na faktach i najnowsze zdobycze nauki.

Naukowcy z Uniwersytetu Jagiellońskiego opracowali pierwszą na świecie metodę szybkiego rozpoznawania bakterii oraz grzybów na zdjęciach pochodzących z mikroskopów świetlnych. Nowa technologia wykorzystuje głębokie sieci neuronowe i sztuczną inteligencję. Docelowo ma ona wspomagać pracę diagnostów laboratoryjnych i lekarzy, ale będzie mogła być też stosowana w przemyśle, monitorowaniu bezpieczeństwa żywności czy pracach badawczych. Krakowska uczelnia chce możliwie szybko wprowadzić nowe rozwiązanie do użytku klinicznego.

„Dla użytkownika tego rozwiązania wszystko wydaje się być bardzo proste. Do systemu informatycznego należy przesłać zrobione pod mikroskopem zdjęcia mikroorganizmów. W odpowiedzi system generuje raport z wykazem konkretnych gatunków bakterii czy grzybów, które są obecne w badanym materiale. Cała operacja zajmuje nie więcej niż minutę” – tłumaczy dr hab. Bartosz Zieliński, prof. UJ, z Instytutu Informatyki i Matematyki Komputerowej UJ.

 

To, co wydaje się być proste od strony operatora systemu, jest dużo bardziej złożone od strony technologii niezbędnej do uruchomienia takiego rozwiązania. A stoją za nim m.in. głębokie sieci neuronowe oraz blisko dziesięcioletnie rezultaty interdyscyplinarnych prac badawczych prowadzonych pod kierunkiem prof. dr hab. Moniki Brzychczy-Włoch, kierownika Zakładu Molekularnej Mikrobiologii Medycznej UJ oraz dr hab. Bartosza Zielińskiego, prof. UJ, z Instytutu Informatyki i Matematyki Komputerowej UJ.

 

„Wszystko zaczęło się od pomysłu rzuconego przed kilkoma laty, by spróbować połączyć siły zespołu informatyków i mikrobiologów. Zadaliśmy sobie pytanie, czy da się nauczyć sztuczną inteligencję rozpoznawać konkretne gatunki bakterii w obrazach widzianych pod mikroskopem .Na szczęście informatycy podjęli to wyzwanie i dziś mamy technologię, która jest gotowa do testowania w warunkach klinicznych” – mówi prof. dr hab. Monika Brzychczy-Włoch.

 

Nowe rozwiązanie działa dzięki specjalnie zoptymalizowanym głębokim sieciom neuronowym. Nowoczesne technologie pracują w oparciu o obrazy mikroskopowe, przedstawiające gatunki zarówno bakterii, jak i grzybów drożdżopodobnych. System analizuje te obrazy w celu detekcji mikroorganizmów w materiale biologicznym, a także ich precyzyjnej identyfikacji. Jak podkreśla dr hab. Bartosz Zieliński, prof. UJ, jednym z wyzwań na etapie doskonalenia rozwiązania było przystosowanie sieci neuronowych do efektywnej analizy w oparciu o ograniczone ilości danych wejściowych. Co do zasady, sieci neuronowe pracują na ogromnych ilościach danych, tu natomiast zespoły badaczy dysponowały stosunkowo niewielką jak na sieci neuronowe liczbą obrazów klinicznych oraz materiałów z hodowli mikroorganizmów. To wymagało prowadzenia szeregu prac, które adaptowały specyfikę sieci neuronowych na potrzeby tak konkretnego wyzwania.

 

„Pierwsze nasze badania były stosunkowo łatwe i postępowały szybko. Szczególnie gdy rozwiązanie miało identyfikować mikroorganizmy na podstawie fotografii z hodowli ściśle określonych bakterii czy grzybów. Schody pojawiają się jednak w sytuacji, gdy katalog mikroorganizmów, które system może rozpoznać, ulega ciągłemu poszerzaniu, a na zdjęciach z mikroskopu widać duże zagęszczenia wielu typów bakterii. W takich sytuacjach identyfikacja gatunków jest trudna, a dla ludzkiego oka niemożliwa. Dopracowanie algorytmów na tym poziomie i uzyskanie satysfakcjonującego poziomu predykcji, czyli przekraczającego 90 procent, uważam za nasze spore osiągnięcie” – dodaje dr hab. Bartosz Zieliński, prof. UJ.

 

Co ważne, na podstawie analizy obrazu morfologii mikroorganizmów stworzona technologia umożliwia identyfikację do poziomu konkretnego gatunku. Warunek ten jest spełniony, nawet gdy materiał zawiera w sobie kilka typów bakterii. Obecnie system jest w stanie zidentyfikować kilkadziesiąt gatunków bakterii oraz grzybów drożdżopodobnych. Jak zaznaczają twórcy rozwiązania, nie ma ono żadnych ograniczeń jeśli chodzi o dalszy rozwój i zdolności diagnostyczne. Docelowo system rozpozna każdy gatunek, o ile wcześniej się z nim zaznajomi i go nauczy. Dlatego właśnie badacze z UJ budując systemową bibliotekę mikroorganizmów, zaczęli od tych patogenów, które spotykane są najczęściej. Na kolejnych etapach będą „uczyć” system rozpoznawania gatunków, które rzadziej występują w materiałach biologicznych.

 

W opinii badaczy system może skutecznie identyfikować nie tylko bakterie czy grzyby, ale także pierwotniaki, w tym na przykład jednokomórkowe zarodźce malarii. Opracowana technologia może stanowić ciekawą alternatywę dla stosunkowo kosztownych w użyciu narzędzi metod diagnostycznych, takich jak Real-time PCR, MALDI TOF, czy innych metod, które – co warto podkreślić – również nie dają informacji zwrotnej natychmiast. Poza zastosowaniami klinicznymi może się ona sprawdzać również w innych obszarach – w zasadzie wszędzie tam, gdzie konieczne jest prowadzenie mikroskopowych badań pod kątem wykrywania oraz identyfikacji mikroorganizmów.

 

„Opracowany przez nas system może docelowo pełnić funkcję samodzielnego i autonomicznego narzędzia do identyfikowania mikroorganizmów w badanych materiałach biologicznych, jak również może być wsparciem czy uzupełnieniem dla dotychczas stosowanych metod laboratoryjnych. Wszystko zależy od przyjętego w laboratorium modelu. Ważne jest natomiast to, że wynik badania dostarczany jest praktycznie natychmiast od momentu wgrania zdjęcia do systemu. To kluczowa kwestia w sytuacjach, gdy pacjent już ma rozwinięte zakażenie i potrzebna jest szybka diagnoza, na przykład po to, by natychmiast wdrożyć odpowiednie leczenie” – wyjaśnia prof. dr hab. Monika Brzychczy-Włoch.

 

UJ zamierza wprowadzić nową technologię do użytku klinicznego możliwie szybko. Aby to się stało, konieczne jest jednak przeprowadzenie dalszych badań z udziałem klinicznych materiałów biologicznych, a także przejście szeregu procedur wymaganych do dopuszczenia technologii do zastosowania laboratoryjnego. „Do przejścia kolejnych etapów potrzebny nam jest partner branżowy oraz dodatkowe finansowanie badań. Oczywiście nie wykluczamy finansowania prac badawczych z udziałem środków publicznych czy unijnych, ważne jest jednak, by doskonalenie zdolności technologicznej tej metody przeprowadzać z podmiotem branżowym posiadającym odpowiednie doświadczenie. To zdecydowanie przyśpieszy komercjalizację” – ocenia dr hab. inż. Gabriela Konopka-Cupiał, Dyrektor Centrum Transferu Technologii UJ, CITTRU.

 

Opracowane rozwiązanie zostało objęte ochroną prawną na terenie UE. Jak podkreślają twórcy na etapie badania zdolności patentowej wykazano, iż jest to pierwsza tego rodzaju technologia opracowana na świecie.