นักวิจัยทั้งสามคนเป็นส่วนหนึ่งของทีมผู้บริหารระดับสูงของสถาบันและเป็นผู้ตรวจสอบทุนสนับสนุนมูลค่า 1.4 ล้านดอลลาร์ของเวอร์จิเนียเทค สำหรับโปรเจกต์นี้ Karpatne ใช้ความเชี่ยวชาญของเขาในการเรียนรู้ของเครื่องโดยใช้ความรู้ (KGML) เพื่อพัฒนาสถาปัตยกรรมการเรียนรู้ของเครื่องแบบใหม่สำหรับการแยกและตีความลักษณะทางชีววิทยาจากภาพ ซึ่งจะนำการปฏิวัติของคอมพิวเตอร์มาสู่ชีววิทยาแบบภาพ ทุน NSF ที่ได้รับทุนก่อนหน้านี้ ทำหน้าที่เป็นหน่วยการสร้างที่สำคัญสำหรับงานนี้
ปัจจุบัน Karpatne กล่าวว่านักวิจัยใช้ภาพตัวอย่างทางชีววิทยา
หลายล้านภาพที่รวบรวมโดยนักวิทยาศาสตร์ ถูกจับโดยโดรน กล้องดักจับ และนักวิทยาศาสตร์พลเมือง หรือโพสต์โดยนักท่องเที่ยวบนโซเชียลมีเดียเพื่อบันทึกสิ่งมีชีวิตที่มีความหลากหลายทางชีวภาพมากมายบนโลกใบนี้ “แม้ว่าสิ่งเหล่านี้จะเป็นจุดเปลี่ยนในการปลดล็อกข้อมูลลักษณะใหม่จากภาพทางชีววิทยา แต่การเรียนรู้ของเครื่อง ‘กล่องดำ’ ในปัจจุบันยังไม่พร้อมที่จะดึงข้อมูลที่มีความหมายจากภาพประเภทนี้” Karpatne กล่าว
“เราจะใส่ความรู้ทางชีววิทยาที่มีโครงสร้างในเฟรมเวิร์กแมชชีนเลิร์นนิงเพื่อรับคำอธิบายจากภาพที่ทั้งเข้าใจได้ทั่วไปและมีความหมายทางวิทยาศาสตร์ เช่นเดียวกับที่ชุดข้อมูลภาพขนาดใหญ่ได้เปลี่ยนแปลงการมองเห็นของคอมพิวเตอร์โดยพื้นฐาน เป้าหมายของเราคือการใช้สิ่งที่เราได้เรียนรู้ในสาขาที่เกิดขึ้นใหม่ของ KGML เพื่อเปิดพรมแดนแห่งการค้นพบทางชีววิทยาขั้นต่อไป” Karpatne กล่าว นอกจากนี้ เขายังเป็นหัวหน้าคณะทำงานคอนเวอร์เจนซ์เกี่ยวกับแมชชีนเลิร์นนิงที่ใช้ความรู้นำทางภายในสถาบัน เพื่อรวบรวมนักวิทยาศาสตร์คอมพิวเตอร์และนักชีววิทยา และผสมข้ามความคิดข้ามสาขาวิชา
House ซึ่งการวิจัยมุ่งเน้นไปที่จุดตัดระหว่างปฏิสัมพันธ์ระหว่างคอมพิวเตอร์ของมนุษย์กับสถิติ จะควบคุมการศึกษาของสถาบันและความพยายามของชุมชน ในการทำงานร่วมกับ Daniel Rubenstein จากมหาวิทยาลัย Princeton และคณะกรรมการที่ตั้งขึ้นใหม่ เธอจะรับผิดชอบในการประสานงานโครงการการศึกษาและเผยแพร่ประชาสัมพันธ์ในทุกสถาบันที่เข้าร่วม และดูแลความพยายามในการสร้างชุมชนอิมเมจโอมิกส์ที่กว้างขวางและครอบคลุม
“รูปภาพเป็นข้อมูลที่ทุกคนสามารถเกี่ยวข้องได้
เป้าหมายของเราคือการรวมประสบการณ์ของมนุษย์เข้ากับภาพและการเรียนรู้ของเครื่อง/วิธีการทางสถิติในลักษณะที่แนะนำการถ่ายภาพให้เป็นวิทยาศาสตร์ทั่วไป เป็นที่ยอมรับ และเข้าถึงได้ คล้ายกับวิธีที่จีโนมิกส์แทรกซึมเข้าไปในวาระการวิจัย สื่อมวลชน และหลักสูตรการศึกษาตั้งแต่ระดับประถมศึกษาได้สำเร็จ เพื่อจบการศึกษา” เฮาส์กล่าว
Uyeda ผู้ได้รับทุน NSF CAREER ในปี 2020 กำลังทำหน้าที่เป็นผู้นำของคณะทำงานการบรรจบกันของชีววิทยาตามคุณลักษณะในสถาบัน
Uyeda ใช้ต้นไม้วิวัฒนาการแห่งชีวิตเพื่อทำความเข้าใจว่าทำไมลักษณะและวิวัฒนาการจึงเกิดขึ้นในช่วงหลายล้านปี ผู้เชี่ยวชาญสามารถดูโครงสร้างที่มีการดัดแปลงอย่างมากซึ่งเกือบจะขาดหายไปหรือมีรายละเอียดสูง และอนุมานได้ว่าลักษณะดังกล่าวพัฒนาและวิวัฒนาการอย่างไรตามตำแหน่งบนร่างกาย ความสัมพันธ์กับลักษณะอื่นๆ และความรู้ว่าสปีชีส์นั้นอยู่ที่ใดบนต้นไม้แห่งชีวิตแม้ในขณะที่ ภาพนี้เป็นสายพันธุ์ใหม่ที่ไม่เคยเห็นมาก่อน เขากล่าว
“แต่เนื่องจากคอมพิวเตอร์มีความไวมากกว่าสายตามนุษย์มาก แนวทางการเรียนรู้ของเครื่องด้วยความรู้จึงเป็นส่วนเสริมที่น่าตื่นเต้นในชุดเครื่องมือของเรา” Uyeda กล่าว “หากเราสามารถฝึกวิธี KGML เพื่อใช้ความรู้ทางชีววิทยานี้เหมือนที่ผู้เชี่ยวชาญทำได้ มันจะเปิดแนวทางใหม่ในการศึกษารูปแบบและหน้าที่ของสิ่งมีชีวิต”
ทุน NSF ยังเป็นโอกาสสำหรับการวิจัยของนักศึกษาระดับบัณฑิตศึกษา ในบรรดาปริญญาเอก นักเรียนที่จะทำงานในโครงการคือ Mohannad Elhamod และ M. Marufซึ่งได้รับคำแนะนำจาก Karpatne ที่ Sanghani Center และ Bailey Howell และ Nicholas Bone ในสาขาวิทยาศาสตร์ชีวภาพ ซึ่งได้รับคำแนะนำจาก Uyeda
credit : coachwebsitelogin.com assistancedogsamerica.com blogsbymandy.com blogsdeescalada.com montblanc–pens.com getthehellawayfromsalliemae.com phtwitter.com shoporsellgold.com unastanzatuttaperte.com servingversusselling.com
