Kann Google Deep Mind die Welt retten?
DeepMind ist ein Unternehmen, das zu Google gehört und sich mit künstlicher Intelligenz beschäftigt. In den Jahren 2023 und 2024 hat es einige wichtige Fortschritte gemacht. Hier sind die wichtigsten Entwicklungen:
GNoME entdeckt 2.2 Millionen neue Materialien?
Das Modell "Graph Networks for Materials Exploration" (GNoME) hat in der Materialwissenschaft einen Durchbruch erzielt, indem es über 2,2 Millionen neue Materialien entdeckt hat, von denen 380.000 als stabil eingestuft wurden und somit vielversprechende Kandidaten für zukünftige Technologien darstellen.
Diese Materialien könnten zukünftige transformative Technologien unterstützen, von der Stromversorgung von Supercomputern und der nächsten Generation von Batterien bis hin zur Steigerung der Effizienz von Elektrofahrzeugen.
DeepMind hat seine Datenbank neu entdeckter Kristalle der Forschungsgemeinschaft zur Verfügung gestellt, um die Testung und mögliche Herstellung der besten Kandidatenmaterialien zu erleichtern
Die Entdeckung von GNoME umfasst ebenfalls 52.000 neue schichtartige Verbindungen, ähnlich wie Graphen, die das Potenzial haben, die Elektronik durch die Entwicklung von schnelleren und effizienteren Geräten zu revolutionieren. Darüber hinaus wurden 528 potenzielle Lithium-Ionen-Leiter identifiziert, was 25-mal mehr ist als in einer früheren Studie und die zur Verbesserung der Leistung wiederaufladbarer Batterien verwendet werden könnten.
Diese Entdeckung wurde als äquivalent zu fast 800 Jahren an Wissen beschrieben und zeigt das Potenzial der Nutzung von KI zur Entdeckung und Entwicklung neuer Materialien im grossen Massstab.
GraphCast sagt das Wetter noch genauer voraus
DeepMind, eine Tochtergesellschaft von Alphabet, hat bedeutende Fortschritte in der Wettervorhersage durch die Entwicklung eines KI-Modells namens GraphCast erzielt. Dieses Modell kann das Wetter schneller und genauer vorhersagen als das führende Wettersimulationssystem, ohne auf physikalische Gleichungen angewiesen zu sein.
GraphCast wurde auf historischen Wetterdaten trainiert und kann mittelfristige Wettervorhersagen mit bisher unerreichter Genauigkeit ermöglichen. Es kann Wetterbedingungen bis zu 10 Tage im Voraus vorhersagen und bietet auch frühere Warnungen vor extremen Wetterereignissen.
GraphCast basiert auf maschinellem Lernen und Graph Neural Networks (GNNs), die besonders geeignet sind, räumlich strukturierte Daten zu verarbeiten. Das Modell prognostiziert fünf Erd-Oberflächenvariablen und sechs atmosphärische Variablen auf 37 Höhenniveaus, was mehr als eine Million Gitterpunkte über die gesamte Erdoberfläche abdeckt. Trotz der rechenintensiven Trainingsphase arbeitet das fertige Modell äusserst effizient und kann auf einer einzigen Google TPU v4-Maschine laufen.
GraphCast hat in Tests besser abgeschnitten als das hochauflösende Vorhersagesystem des Europäischen Zentrums für mittelfristige Wettervorhersage (ECMWF) in mehr als 99% der Wettervariablen in 90% der 1.300 Testregionen.
Trotz seiner beeindruckenden Leistung ist GraphCast nicht fehlerfrei. Die Ergebnisse werden in einer "Black Box" generiert, was bedeutet, dass das KI-Modell nicht erklären kann, wie es zu seinen Vorhersagen kommt.
Dies kann zu Fehlern oder "Halluzinationen" führen. Daher sehen Wissenschaftler GraphCast nicht als Ersatz für bestehende Vorhersagemethoden, sondern als eine Ergänzung, die schnellere Vorhersagen generieren und dabei helfen kann, Klimamuster im Laufe der Zeit zu erkennen und ein klareres Bild der grösseren Zusammenhänge zu erhalten.
GraphCast ist bereits von Wetterbehörden in Gebrauch, einschliesslich des ECMWF, das eine Live-Experimentierung der Modellvorhersagen auf seiner Website durchführt. Dies unterstreicht das Potenzial von GraphCast, die globale Wettervorhersage zu revolutionieren und die Entscheidungsfindung in verschiedenen Sektoren, von erneuerbaren Energien bis hin zur Eventlogistik, zu unterstützen.
AlphaMissense: Ein Durchbruch in der Genetik
AlphaMissense ist ein maschinelles Lernmodell, das darauf spezialisiert ist, Missense-Varianten zu analysieren. Missense-Varianten sind genetische Mutationen, bei denen ein einzelner Buchstabe des genetischen Codes verändert ist. Diese Mutationen können harmlos sein, aber einige sind mit Erkrankungen wie Sichelzellenanämie, Mukoviszidose oder Typ-2-Diabetes verbunden.
Das Tool hat das Potenzial, die medizinische Diagnostik und Therapie erheblich zu verbessern, indem es die Wahrscheinlichkeit, dass eine bestimmte genetische Variante eine Krankheit verursacht, mit einer Genauigkeit von 90 Prozent vorhersagen kann. Mit AlphaMissense konnten 89% aller Varianten als krankheitserregend oder gutartig klassifiziert werden, was einen erheblichen Fortschritt gegenüber den bisherigen Möglichkeiten darstellt.
Die Entwicklung von AlphaMissense basiert auf der vorherigen Arbeit von DeepMind mit AlphaFold, einem KI-Tool, das 2020 einen Durchbruch in der Vorhersage der 3D-Struktur von Proteinen erzielte. AlphaMissense nutzt die "Intuition" von AlphaFold über Proteinstrukturen, um herauszufinden, an welchen Stellen in einem Protein eine Mutation krankheitsverursachend sein könnte.
Die Fähigkeit von AlphaMissense, Missense-Mutationen mit hoher Genauigkeit zu analysieren, bietet mehrere Vorteile:
- Beschleunigung der Diagnose seltener Krankheiten: Indem es die Zeit reduziert, die benötigt wird, um genetische Varianten zu analysieren, kann AlphaMissense dazu beitragen, die Diagnoserate seltener Krankheiten zu erhöhen.
- Unterstützung bei der Entwicklung neuer Therapien: Die präzisen Vorhersagen von AlphaMissense könnten indirekt zur Entwicklung neuer Therapien beitragen, indem sie Forschern helfen, krankheitsverursachende Gene zu identifizieren.
- Verbesserung der genetischen Beratung: Durch die Bereitstellung genauerer Informationen über das Krankheitsrisiko, das mit bestimmten genetischen Varianten verbunden ist, kann AlphaMissense die genetische Beratung für Patienten und ihre Familien verbessern.
Durch die Kombination von fortschrittlichen KI-Technologien mit genetischen Daten hat DeepMind ein Tool geschaffen, das das Potenzial hat, die medizinische Genomik zu revolutionieren und die Behandlung von Patienten mit genetischen Erkrankungen zu verbessern.
Du willst mehr über KI wissen? Gerne helfe ich weiter.
Disclaimer: dieser Artikel wurde mit Perplexity und Google Gemini recherchiert, mit Deepl Write verbessert und stellenweise mit ChatGPT zusammen gefasst. Das Bild stammt von LeonardoAi.
Quellen:
[...] https://www.techopedia.com/de/google-deepminds-errungenschaften-und-durchbrueche-in-der-ki-forschung
[...] https://www.aipeanuts.com/p/deepmindki-erreicht-mathematikdurchbruch
[...] https://blog.google/technology/ai/google-gemini-next-generation-model-february-2024/
[...] https://www.brainwave-hub.de/blog-special/ki-durchbruch-bei-erbkrankheiten
[...] https://spectrum.ieee.org/ai-doctor
[...] https://www.techopedia.com/de/wie-deepmind-ki-die-dna-krankheiten-entschluesselt
