airoot의 인공지능 이야기

합성생물학에서의 인간 DNA

합성생물학은 1978년 바슬라프 시발스키에 의해 처음 제안된 이름으로 유전자 합성을 통한 변형된 또는 새로운 생물체를 유용한 목적으로 재설계하는 과학분야이다. 1. 유전자 합성유전자 가위에 대한 기술의 발전으로 유전자 조작이 가능해 졌다. 합성생물학에서는 단순히 자르고 붙이는 수순을 넘어서 합성의 수준에서 사용하는 기술이 되었다. 2. 인간유전체 프로젝트(Human Genome Project)이 프로젝트는 2003년에 마무리되었으며 인간에 대한 유전자 분석이 완료되었다. 인간 뿐만 아니라 많은 생물들의 유전자 분석이 이루어졌다. 이렇게 발견된 각 생물들의 유전정보는 유전정보 공유시스템에 저장되어 공유되고 있다. 3. 유전자 시스템노버트 위너에 의해 제안된 개념이다. 많은 유전자 분석을 통해 생물의 유전자..

"모든 생물의 조상, 진핵세포 '루카'"에서 우리는 최초의 진핵세포를 알아 보았다. 이 진핵세포가 생명의 시작은 아니다. 진행 세포에는 핵, 리보솜, 미토콘드리아 등 이미 복잡한 구조를 가지고 있다. 최초의 세포는 이보다는 훨씬 간단한 구조에서 시작되었을 것으로 생각된다. 세포는 크게 지질, 단백질, 탄수화물, 핵산으로 구성되어 있다. 간략하게 보면 지질은 세포막을 형성하고 핵산은 DNA, RNA를 구성한다. 단백질은 구조를 만들고 탄수화물은 에너지를 제공한다.(구체적으로는 더 많은 일들을 한다.) 그럼 이러한 구성요소들이 어떻게 생겨나는지 파악하는 것인 화학진화의 주요 목표가 된다. 그럼 세상에 생명이 처음 태어난 순간은 과연 어떤 모습이었을까? 생명이란 것이 처음부터 세포와 유전자로 구성된 건 아니었..

고릴라 코코(Koko)는 수화(手話, American Sign Language)를 사용했던 유명한 암컷 고릴라로, 동물과 인간 간의 소통 연구에서 중요한 역할을 했다.1. 코코의 생애출생: 1971년 7월 4일, 미국 샌프란시스코 동물원사망: 2018년 6월 19일 (47세)종: 서부로랜드고릴라이름 유래: 본명은 Hanabi-ko(花火子, 일본어로 ‘불꽃 아이’라는 뜻)인데, 미국 독립기념일(7월 4일)에 태어나서 이렇게 지어졌다.2. 코코와 수화수화 학습: 스탠퍼드 대학교 연구원이자 동물심리학자인 프랜신 패터슨(Francine Patterson) 박사가 코코에게 미국식 수화(ASL)를 가르쳤다.어휘력: 코코는 약 1,000개 이상의 수화 단어를 익혔고, 2,000개 이상의 영어 단어를 이해했다고 한다...

물리학의 관점에서 반야심경을 해석해 보고자 한다.부처는 물리학을 알지 못했기 때문에 부처가 설한 반야심경은 물리학의 관점은 아니었을 것이다. 그러나 우리는 물리학을 발전시키고 있고 뇌과학과 인공지능을 발전시키는 입장에서 현대의 관점으로 반야심경을 설명해보고자 한다. 반양심경에서 말하는 궁극의 지혜는 오온이 공하다는 것이다. "五蘊皆空 度一切苦厄 - 조견오온개공 도일체고액 사리자" 관자재보살이 깊은 반야바라밀다를 행할 때, 오온이 공한 것을 비추어 보고 온갖 고통을 건너느니라. "色卽是空 空卽是色 受想行識 亦復如是 - 색즉시공 공즉시색 수상행식 역부여시"색이 곧 공이고 공이 곧 색이니, 감각ㆍ생각ㆍ행동ㆍ의식도 그러하니라. 불교에서 공은 비어있다는 뜻보다는 고정되어 있지 않고 변한다는 것이다.따라서 어떠한 ..

다중 화자 인식(Multi-Speaker Recognition)에 적합한 AI 알고리즘은 다음과 같다.1. 화자 분할 (Speaker Diarization)여러 명이 동시에 말할 때, 발화 구간을 분리하는 알고리즘주요 알고리즘:x-vector + PLDA (Probabilistic Linear Discriminant Analysis)i-vector + PLDADNN 기반 Speaker Embedding (ECAPA-TDNN)Spectral Clustering 기반 DiarizationEnd-to-End Neural Diarization (EEND)2. 화자 식별 (Speaker Identification)특정 화자가 누구인지 인식하는 알고리즘주요 알고리즘:Deep Speaker Embeddings (x-..

Swin Transformer(Shifted Window Transformer)는 비전 트랜스포머(ViT)의 단점을 개선하여, 이미지 분류, 객체 검출, 분할(Segmentation) 등 다양한 비전 작업에 최적화된 모델이다. Microsoft Research에서 2021년에 발표했으며, 기존 CNN보다도 강력한 성능을 보인다.1. Swin Transformer의 핵심 개념1) Shifted Window 기반의 지역적(Self-Attention) 연산기존 ViT(Vision Transformer)는 Self-Attention을 적용하지만, 이는 연산량이 매우 많음.Swin Transformer는 이미지를 작은 창(Window) 단위로 나누고, 각 창에서 Self-Attention을 수행하여 연산량을 감소..

다중 객체 인식(Multiple Object Detection)에 적합한 대표적인 알고리즘은 다음과 같다.1. YOLO (You Only Look Once) 시리즈실시간 객체 인식에 적합속도가 빠르고 정확도도 높음최신 버전(YOLOv8 등)은 트랜스포머 기반 기법과 결합됨2. Faster R-CNN높은 정확도를 제공하는 대표적인 객체 탐지 알고리즘Region Proposal Network(RPN)를 활용하여 후보 영역을 생성한 후, CNN을 통해 객체를 분류실시간성은 다소 부족하지만, 정밀한 탐지가 필요할 때 유리함3. SSD (Single Shot MultiBox Detector)YOLO와 유사한 단일 패스(single-pass) 방식다양한 크기의 객체를 인식하는 데 강점이 있음YOLO보다는 느리지만 ..

인공해마 실험은 인간의 뇌, 특히 기억과 학습에 중요한 역할을 하는 해마(hippocampus)를 모방한 인공 시스템을 개발하고 이를 실험적으로 검증하는 연구이다. 주요 내용목적:손상된 해마를 복원하거나 대체하여 기억 형성과 회복을 지원.알츠하이머병이나 뇌손상 등으로 인한 기억 상실 치료.인간-기계 인터페이스 개선.방식:뇌 신호 해독: 해마가 기억을 처리할 때 생성되는 전기적 신호를 분석.인공 뉴런 개발: 해마의 신경 세포(뉴런)를 모방한 인공 장치를 설계.이식 및 테스트: 동물 모델(주로 쥐나 원숭이)을 이용하여 해마를 대체하는 장치의 효과를 평가.대표적인 사례:2019년: 미국 USC의 시어도어 버거(Theodore W. Berger) 교수 연구팀이 해마의 신경 신호를 모방한 칩을 개발해 쥐와 원숭이..

보호되어 있는 글입니다.

미모사 실험은 식물의 학습과 기억 능력을 연구하는 과정에서 큰 주목을 받았다. 이 실험은 주로 식물 신경생리학자인 모니카 갈리아노(Monica Gagliano)와 동료 연구자들에 의해 수행되었고, 결과는 식물도 학습 및 기억과 같은 인지적 능력이 있을 수 있음을 보여주었다.실험 개요연구자들은 미모사 푸디카를 대상으로 실험을 진행했다. 미모사는 자극을 받으면 즉각적으로 잎을 닫는 반응을 보이는 특성이 있는데, 이 특성 덕분에 식물이 환경 자극에 대해 학습하는지를 관찰하기에 적합한 모델로 여겨졌다.실험 과정자극 설계: 연구팀은 미모사에게 무해한 물리적 자극을 반복적으로 가하는 방식을 선택했다. 물이 떨어지는 것처럼 특정 위치에서 미모사에 가벼운 충격을 주는 방법을 사용했다.반응 관찰: 실험 초기, 미모사는 ..