想必現(xiàn)在有很多小伙伴對于人工智能系統(tǒng)是怎么運行的方面的知識都比較想要了解，那么今天小好小編就為大家收集了一些關于人工智能系統(tǒng)是怎么運行的方面的知識分享給大家，希望大家會喜歡哦。

1、

1、答案是：不知道，但科學家們一直在努力，從未停止過。

2、

3、最近，美國加州大學圣迭戈分校生物工程與醫(yī)學教授Trey Ideker就與他的研究團隊一起，開發(fā)了一種"可見"的神經(jīng)網(wǎng)絡，并用它構(gòu)建了稱之為DCell的啤酒酵母細胞模型（通常被用作基礎研究的一種模型）。

4、轉(zhuǎn)載或者路引用本派勞文量內(nèi)容請注明來源于芝士回式答

5、

6、方家或此通件光即證每，拉深克稱號圓。

7、具體而言，就是將神經(jīng)網(wǎng)絡映射到簡單的酵母細胞內(nèi)，使得研究人員能夠觀察AI系統(tǒng)的運作方式。在這個過程當中，研究人員得到了關于細胞生物學的諸多分析結(jié)論，而由此產(chǎn)生的技術還可能有助于研發(fā)新的癌癥藥物和個性化治療方案。

8、

9、首先，介紹一下當今機器學習系統(tǒng)中使用的神經(jīng)網(wǎng)絡的相關基礎知識：

10、計算機科學家通過設置多個圖層來建立神經(jīng)網(wǎng)絡框架，其中每個圖層包含數(shù)千個負責執(zhí)行微小計算任務的"神經(jīng)元"。

11、在此基礎上，培訓人員輸入數(shù)據(jù)集（例如數(shù)百萬張貓、狗的照片，數(shù)百萬次圍棋落子，數(shù)百萬種駕駛操作與結(jié)果等），由系統(tǒng)連接圖層中的神經(jīng)元，對其進行結(jié)構(gòu)化序列計算。該系統(tǒng)將通過神經(jīng)網(wǎng)絡進行數(shù)據(jù)處理，然后檢查其執(zhí)行任務的實際效果（例如將貓與狗者區(qū)分的準確度）。

12、民等因各內(nèi)軍路聯(lián)律際素便按。

13、最后，通過重新排列神經(jīng)元之間的連接模式并再次運行數(shù)據(jù)集，檢查新模式是否產(chǎn)生更好的結(jié)果。當神經(jīng)網(wǎng)絡能夠非常準確地完成任務時，培訓人員就會認定訓練成功完成。

14、"雖然它們被稱為神經(jīng)網(wǎng)絡，但這些系統(tǒng)所受到的人類神經(jīng)系統(tǒng)啟發(fā)還非常初級。"Ideker解釋道。

15、他指出："著眼于AlphaGo，可以發(fā)現(xiàn)這套系統(tǒng)的內(nèi)部工作方式完全是一團亂麻，事實上根本不像人腦。它擁有一種全新的思維方式，但只是恰好能夠作出不錯的預測結(jié)論。"

16、立足于此，Ideker開始在細胞生物學人工智能研究當中作出新的嘗試。他希望能夠利用神經(jīng)網(wǎng)絡向研究人員們展示這些結(jié)論的得出方式，而不僅是簡單粗暴地給出答案。

17、Ideker在接受采訪時表示："我們對于這樣一套并非由計算機科學家進行優(yōu)化，而是通過進化完成優(yōu)化的特定結(jié)構(gòu)抱有濃厚興趣。"

18、▲ DCell可以像實驗室實驗一樣精確地預測酵母細胞的生長和繁殖

19、這一項目之所以具備可行性，是因為釀酒酵母是一種單細胞生物，從上世紀五十年代以來就一直被作為一類基礎生物系統(tǒng)接受研究。Ideker指出："我們擁有大量細胞生物學知識可供參考，因此這項研究非常方便。"

20、

21、因此，他的團隊通過把神經(jīng)網(wǎng)絡中的各個圖層映射至酵母細胞的組成部分中，從最微觀的組成元素（構(gòu)成DNA的核苷酸）開始，逐步向上延伸至更大的結(jié)構(gòu)--例如核糖體（從DNA處獲取指令以制造蛋白質(zhì)），最后到達線粒體及細胞核等細胞器（負責執(zhí)行細胞活動）。總體而言，這套DCell神經(jīng)網(wǎng)絡將運用到酵母細胞中的總計2526個子系統(tǒng)。

22、▲ DCell作為在線應用程序可供研究人員使用

23、DCell允許研究人員們變更細胞的DNA（即遺傳代碼），并觀察這些變化如何向上蔓延以改變其生物學特征，進而影響到后續(xù)細胞生長與繁殖。其訓練數(shù)據(jù)集由來自數(shù)百萬個真實酵母細胞的基因突變實例組成，且與對應的突變結(jié)果信息相匹配。

24、

25、研究人員發(fā)現(xiàn)，DCell能夠通過模擬酵母來準確預測細胞的生長。由于這是一套"可見"的神經(jīng)網(wǎng)絡，因此研究人員們能夠看到細胞機制在進行DNA混淆時發(fā)生的改變。

26、這種可視性，意味著DCell能夠潛在應用于細胞的計算機制研究，且無需耗費大量時間與實驗室實驗資源投入。如果研究人員能夠弄清其實際建模過程--而非簡單的酵母細胞，則可進一步模擬更復雜的人類細胞。"如果能夠構(gòu)建單一人體細胞的整體工作模型并對其進行模擬，這將徹底改變精準醫(yī)學與藥物研發(fā)的發(fā)展方向。"Ideker表示。

27、癌癥是目前最受關注的疾病研究方向，因為每一位癌癥患者的腫瘤細胞都包含獨特的突變組合。而Ideker和他的團隊正在使用患者的基因組與突變條件建立模型，觀察細胞的實際生長速度，以及癌癥的侵略性特性。

28、更重要的是，致力于尋找癌癥新藥的制藥企業(yè)將能夠利用細胞生長情況作為成功或失敗的評判標準。他們將觀察到眾多可以開啟及關閉的不同基因分子，并據(jù)此思考某種潛在藥物是否能夠停止腫瘤細胞的增殖?？紤]到以往需要數(shù)十億美元進行抗癌藥物研發(fā)投入，如今這種更為便捷的研究方式明顯更具吸引力。

29、

30、當然，要從酵母細胞升級為人類細胞絕非易事。研究人員需要收集與人類患者相關的足夠信息，從而構(gòu)建起神經(jīng)網(wǎng)絡所必需的訓練數(shù)據(jù)集--至少需要數(shù)百萬條記錄，其中包含患者的遺傳圖譜與健康結(jié)果。Ideker預測稱，這些數(shù)據(jù)的積累速度會相當快。在他看來，對患者基因組進行測序?qū)⑹艿礁叨汝P注。

31、而更棘手的部分在于積累人類癌細胞活動機制的知識，只有這樣才能將神經(jīng)網(wǎng)絡映射至細胞中的各個部分。Ideker本人正是癌細胞繪圖計劃的成員之一，他們希望能夠盡快解決這一挑戰(zhàn)。目前，對癌細胞的生物活動進行歸納是一項非常困難的任務，因為這些突變不僅能夠開啟及關閉細胞功能，同時也會對細胞功能造成不同程度的影響，并以極為復雜的方式引發(fā)協(xié)調(diào)性變化。

32、不過，Ideker對于利用遷移學習技術將機器學習方案從模擬酵母細胞轉(zhuǎn)化為模擬人類細胞的神經(jīng)網(wǎng)絡仍抱有樂觀態(tài)度。他總結(jié)稱："只要建立起一套能夠識別貓的系統(tǒng)，那么無需對其進行完全重新訓練，也可以教會它如何識別松鼠。"

33、答案來自一直抱有希望和信心的Dora老師

本文到此結(jié)束，希望對大家有所幫助。

---

版權(quán)說明： 本文由用戶上傳，如有侵權(quán)請聯(lián)系刪除！

---

標簽：