Czytamy naturę #13 ( ͡° ͜ʖ…

Czytamy naturę #13 ( ͡° ͜ʖ ͡°)

Odcinek: https://www.youtube.com/watch?v=zSH9UUCWKqw

Znalezisko: https://www.wykop.pl/link/4816025/czytamy-nature-13-ai-i-big-data-w-klimatologii-pamiec-mala-czy-duza-nauka/

1) AI i Big Data w klimatologii 01:15
Dysponujemy dziś już nie tyle gigabajtami czy terabajtami, a petabajtami danych klimatycznych. Nasz glob okrąża ponad 600 satelitów monitorujących na żywo niemal każdy wyobrażalny parametr fizyczny i biologiczny. Co zrobić z tym nawałem danych? I jak wykorzystać współczesne techniki „głębokiego” uczenia maszynowego tak, abyśmy wraz z suchym wynikiem zaoferowanym nam przez sieć neuronową uzyskali też nieco wiedzy, zrozumienia i wglądu w funkcjonowanie świata przyrody? #klimat #sztucznainteligencja #deeplearning

2) Pamięć ulotna 11:04
Typowy pojedynczy neuron myszki pozostaje aktywny przez 20-30 milisekund. Jak to się więc dzieje, że zwierzęta te potrafią przechowywać pewne fakty w pamięci krótkoterminowej, aby po kilku sekundach prawidłowo wybrać – przykładowo – jedno z dwóch poidełek? Omawiane przeze mnie dzisiaj badanie kory ruchowej myszek mówi nam oczywiście również coś o nas samych. #neurobiologia #kognitywistyka

3) Mała i duża nauka 19:18
Zespoły badawcze robią się coraz większe i ze świecą szukać w „Nature” czy „Science” artykułu napisanego przez jedną tylko osobę. Jak to jednak wpływa na naukę? W opowiadanym przeze mnie dziś badaniu autorzy zbadali, jak nakładają się na siebie dwie skale: rozmiar grupy badawczej publikującej dany artykuł kontra stopień, w jakim artykuł ten „wzburzył” społeczność naukowców. W skrócie: mniejsze grupki silniej zaburzają naukę. Ale to nie koniec: autorzy opracowali piękną metodę wizualizowania wpływu danego artykułu na naukę: mamy więc świetny pretekst estetyczny, żeby przeczytać ich artykuł. #dataisbeautiful

Źródła:
1) Markus Reichstein, Gustau Camps-Valls, Bjorn Stevens, Martin Jung, Joachim Denzler, Nuno Carvalhais & Prabhat (2019). Deep learning and process understanding for data-driven Earth system science. Nature 566, 195–204. [ https://doi.org/10.1038/s41586-019-0912-1 ]
2) Inagaki, H. K., Fontolan, L., Romani, S., & Svoboda, K. (2019). Discrete attractor dynamics underlies persistent activity in the frontal cortex. Nature, 566, 212–217 [ https://doi.org/10.1038/s41586-019-0919-7 ]
3) Wu, L., Wang, D., & Evans, J. A. (2019). Large teams develop and small teams disrupt science and technology. Nature, 13.02.2019 [ https://doi.org/10.1038/s41586-019-0941-9 ]

#nauka #liganauki #ligamozgow #gruparatowaniapoziomu #conowegownejczer