Gente de la Safor

Bienvenidos a Spain News Today.

La imageómica está preparada para permitir una nueva comprensión de la vida

La imageómica está preparada para permitir una nueva comprensión de la vida

Este artículo ha sido revisado según Science. Proceso de edición
Y Políticas.
Editores Se destacaron las siguientes características garantizando al mismo tiempo la credibilidad del contenido:

Revisión de hechos

fuente confiable

Corrección de pruebas

Utilizamos el objetivo CLIP (c) para entrenar ViT-B/16 en más de 450.000 taxones diferentes, todos los cuales son designaciones taxonómicas del Árbol de la Vida (a). Dado que el codificador de texto es un modelo de lenguaje autorregresivo, la representación del orden solo puede basarse en órdenes superiores como clase, filo y reino (b). Esto naturalmente conduce a representaciones jerárquicas de etiquetas, lo que ayuda al codificador de visión a aprender las representaciones de imágenes que son más consistentes con el árbol de la vida. crédito: BioCLIP: Modelo de Vision Foundation del Árbol de la Vida,Universidad del Estado de Ohio. https://imageomics.github.io/bioclip/

× Cerca

Utilizamos el objetivo CLIP (c) para entrenar ViT-B/16 en más de 450.000 taxones diferentes, todos los cuales son designaciones taxonómicas del Árbol de la Vida (a). Dado que el codificador de texto es un modelo de lenguaje autorregresivo, la representación del orden solo puede basarse en órdenes superiores como clase, filo y reino (b). Esto naturalmente conduce a representaciones jerárquicas de etiquetas, lo que ayuda al codificador de visión a aprender las representaciones de imágenes que son más consistentes con el árbol de la vida. crédito: BioCLIP: Modelo de Vision Foundation del Árbol de la Vida,Universidad del Estado de Ohio. https://imageomics.github.io/bioclip/

La imagómica, un nuevo campo de la ciencia, ha logrado avances asombrosos el año pasado y está preparada para hacer importantes descubrimientos sobre la vida en la Tierra, según uno de los fundadores de la disciplina.

Tanya Berger-Wolf, directora de la facultad del Instituto de Análisis de Datos Transformativos de la Universidad Estatal de Ohio, explicó el estado de la ciencia de la imagen en una presentación realizada el 17 de febrero de 2024 en la conferencia. Reunión Anual de la Asociación Americana para el Avance de la Ciencia.

«La imagómica ha alcanzado la madurez y está lista para sus primeros grandes descubrimientos», dijo Berger-Wolf en una entrevista antes de la reunión.

La imageómica es un nuevo campo científico interdisciplinario que se centra en el uso de herramientas de aprendizaje automático para comprender la biología de los organismos, especialmente los rasgos biológicos, a partir de imágenes.

Estas imágenes pueden provenir de cámaras trampa, satélites, drones e incluso fotografías de vacaciones tomadas por turistas de animales como cebras y ballenas, dijo Berger Wolf, director del Instituto Imageomics del Estado de Ohio.

Estas imágenes contienen una gran cantidad de información que los científicos no podían analizar y utilizar adecuadamente antes del desarrollo de la inteligencia artificial y el aprendizaje automático.

Este campo es nuevo, el Imageomics Institute acaba de fundarse en 2021, pero están sucediendo grandes cosas, dijo Berger-Wolf a la AAAS.

Un área clave de estudio que dará frutos tiene que ver con cómo los fenotipos (los rasgos observables de los animales que se pueden ver en imágenes) se relacionan con su genoma, es decir, las secuencias de ADN que producen estos rasgos.

«Estamos a punto de comprender los vínculos directos entre el fenotipo y el genotipo observables», dijo.

«No podríamos hacer esto sin la ciencia de la imagen. Impulsa tanto la inteligencia artificial como la ciencia biológica».

Berger-Wolf citó una nueva investigación sobre mariposas como ejemplo del progreso realizado por la fotografía. Ella y sus colegas estudian especies de mariposas imitadoras cuya apariencia se asemeja a especies diferentes. Una razón para la imitación es parecerse a una especie que los depredadores, como las aves, evitan porque tiene un sabor poco atractivo.

En estos casos, los pájaros (ni los humanos) no pueden distinguir entre especies con solo mirarlas, aunque las mariposas mismas sí conocen la diferencia. Sin embargo, el aprendizaje automático puede analizar imágenes y aprender diferencias muy sutiles de color u otros rasgos que distinguen a las especies de mariposas.

«No podemos distinguirlas porque estas mariposas no desarrollaron estos rasgos para nuestro beneficio. Evolucionaron para enviar señales a sus especies y a los depredadores».

«La señal está ahí, pero no podemos verla. El aprendizaje automático puede permitirnos ver esas diferencias».

Pero más que eso, podemos utilizar el enfoque estereoscópico de alterar las imágenes de las mariposas para ver cuán amplias son las diferencias entre las imitaciones para engañar a los pájaros. Los investigadores planean imprimir imágenes realistas de mariposas con diferencias sutiles para ver a cuáles responden los pájaros reales.

Se trata de hacer algo nuevo con la IA que nunca antes se había hecho.

«No utilizamos la IA sólo para resumir lo que sabemos», afirmó Berger-Wolf. «Estamos utilizando la IA para generar nuevas hipótesis científicas que sean realmente comprobables. Es emocionante».

Los investigadores van más allá al utilizar un enfoque de ciencia de la imagen para vincular estas diferencias sutiles en el aspecto de las mariposas con los genes reales que conducen a esas diferencias.

«En los próximos años aprenderemos muchas cosas que impulsarán la ciencia de la imagen hacia nuevas áreas que sólo podemos imaginar ahora», afirmó.

Uno de los principales objetivos es utilizar este nuevo conocimiento generado por la fotociencia para encontrar formas de proteger las especies amenazadas y los hábitats en los que viven.

«La ciencia de la imagen traerá muchas cosas buenas en los próximos años», afirmó Berger-Wolf.

Presentación AAAS de Berger-Wolf titulada “Imageómica: Las imágenes como fuente de información sobre la vida«Parte de la sesión».Imageómica: mejorar el aprendizaje automático para comprender los rasgos biológicos«.

más información:
Imageómica: las imágenes como fuente de información sobre la vida, aaas.confex.com/aaas/2024/meet…gappp.cgi/Paper/32018