前沿 | 生物神经网络与机器学习的碰撞,Nature论文提出DNA试管网络识别手写数字

选自Sciencedaily

参与:张倩、王淑婷

近日,来自加州理工学院的研究人员开发出一种由 DNA 制成的新型人工神经网络。该网络解决了一个经典的机器学习问题:正确识别手写数字。该项研究中,研究者用了 36 个手写数字 6 和 7 作为测试例子,结果表明这种新型神经网络能够正确识别出所有的数字。该研究是在生物工程助理教授 Lulu Qian 的实验室中完成的。相关论文于 7 月 4 日上传网络,并将出现在 7 月 19 日的纸质版《Nature》杂志上。

科学家们已经从 DNA 中开发出一种人工神经网络,能够识别嘈杂和高度复杂的分子信息。

包含由 DNA 构成的人工神经网络的一个微滴概念图(droplet Conception),该网络被设计成可以识别复杂和嘈杂的分子信息,即「分子笔迹」。

加州理工学院的研究人员开发了一种由 DNA 制成的人工神经网络,可以解决一个经典的机器学习问题:正确识别手写数字。这项研究迈出了重要一步,证明我们具备了将人工智能编程到合成生物分子回路中的能力。

「尽管研究者刚刚开始尝试在分子机器中创造人工智能,但其潜力是不可否认的,」Qian 表示。「电子计算机和智能手机使得现代人类的能力高于 100 多年前,与此类似,在未来的近百年里,人工分子机器可能制造出由分子组成的一切事物,甚至可能包括油漆和绷带,使得人类更有能力,适应环境的能力也更强。」

人工神经网络是在人类大脑的启发下创造的数学模型。尽管比真实的大脑简单得多,但该网络可以像神经元网络一样工作,也能处理复杂信息。Qian 的实验室进行该研究的最终目标是用由 DNA 组成的神经网络编程智能行为(计算、做出选择等方面的能力)。

Qian 表示,「每个人大脑中有 800 亿个神经元,用来做出高度复杂的决策。蛔虫等小动物可以仅利用几百个神经元做出简单决策。在本研究中,我们设计、创造了可以像一个小的神经网络一样工作的生化回路,用来对可能比以前的信息复杂得多的分子信息进行分类。」

为了证明基于 DNA 的神经网络的能力,Qian 实验室的研究生 Kevin Cherry 选择了一项任务:识别手写内容,该任务是电子人工神经网络面临的一个经典挑战。

人的笔迹可以有很大的不同,所以当一个人仔细检查潦草的数字序列时,大脑会执行复杂的计算任务来识别它们。因为甚至对人类来说,识别他人潦草的笔迹也很难,所以识别手写数字是将智能编程到人工神经网络中的常见测试。这些网络必须被「教导」如何识别数字,考虑手写的变化,然后将未知数字与它们所谓的记忆进行比较,并确定数字的身份。

在《Nature》上发表的一篇论文(第一作者是 Cherry)证明,由精心设计的 DNA 序列构成的神经网络可以进行规定的化学反应,准确识别「分子笔迹」。「与几何形状不同的视觉笔迹不同,分子笔迹的每个例子实际上并不具有数字的形状。相反,每个分子数字由从 100 个分子中选出的 20 个独特的 DNA 链组成,每个 DNA 链被指定代表任何 10×10 图案中的单个像素。这些 DNA 链在试管中混合在一起。

Qian 说:「缺乏几何形状在自然分子特征中并不少见,但仍需要复杂的生物神经网络来识别它们:例如,一种独特气味分子的混合物包含一种气味。」

给定分子笔迹的特定例子,DNA 神经网络可以将其分类为九个类别之多,每个类别代表从 1 到 9 的九个可能手写数字中的一个。

首先,Cherry 构建了一个 DNA 神经网络来区分手写的 6 和 7。他测试了 36 个手写数字,而试管神经网络正确地识别了所有数字。理论上来说,他的系统可以将 12000 多个手写的 6 和 7——其中 90 % 取自广泛用于机器学习的手写数字数据库——进行两种可能的分类。

这一过程的关键是用 Qian 和 Cherry 开发的 DNA 分子编码一种「胜者通吃」的竞争策略。在这种策略中,一种特殊类型的 DNA 分子被称为「歼灭者」,用于在确定未知数字的身份时选择获胜者。

Cherry 说:「歼灭者与一个竞争对手的一个分子和另一个竞争对手的一个分子形成复合物,并反应形成惰性、不发生反应的新品种。歼灭者迅速吞噬所有竞争分子,直到只剩下一个竞争者。随后获胜的竞争者被恢复到高浓度,并产生代表网络决策的荧光信号。」

接下来,Cherry 基于其第一个 DNA 神经网络的原理开发了一个更复杂的、可以将 1 到 9 进行分类的神经网络。当给定一个未知的数字时,这种「smart soup」将经历一系列反应并输出两种荧光信号,例如绿色和黄色代表 5,绿色和红色代表 9。

Qian 和 Cherry 计划开发可以学习的人工神经网络,从添加至试管的例子中形成「记忆」。Qian 表明,通过这种方式,该「smart soup」可以被训练来执行不同的任务。

「普通医学诊断只能发现很少的生物分子,比如胆固醇和血糖,」Cherry 说道,「使用我们这种更复杂的生物分子回路,有朝一日诊断测试可能囊括数百种生物分子,分析和反应直接在分子环境中进行。」

原文链接:https://www.sciencedaily.com/releases/2018/07/180704135320.htm

本文为机器之心编译,转载请联系本公众号获得授权。

原文发布于微信公众号 - 机器之心(almosthuman2014)

原文发表时间:2018-07-05

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

AI应从神经科学中借鉴想法和思路

2736
来自专栏新智元

【春节最强AI游记】最全一手讲者报告实录+BATJ等企业展位,360度带你重温AAAI

新智元专栏 作者:张祥文 编辑:小奇 【新智元导读】厦大学子以一篇图文并茂的游记,带你重温今年的AAAI:详细介绍数场重磅讲者报告、亚马逊及阿里巴巴等提...

3598
来自专栏PPV课数据科学社区

一名合格的机器学习工程师需要具备的5项基本技能,你都get了吗?

你是否对机器学习充满兴趣呢?其实到目前为止,每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上,你会发现现在没有哪一个领域比机器学习能引起更多的曝...

4139
来自专栏灯塔大数据

一名合格的机器学习工程师需要具备的5项基本技能,你都get了吗?

你是否对机器学习充满兴趣呢?其实到目前为止,每天有越来越多的工程师开始将好奇的目光转向机器学习领域。实际上,你会发现现在没有哪一个领域比机器学习能引起更多的曝...

4178
来自专栏智慧建筑

人工智能

在智慧建筑项目中会接触到一些AI相关的功能。人脸识别是其中最常用的算法,基本是每个项目标配。今天就从人脸识别入手谈谈AI在实际项目中的使用情况。

2394
来自专栏大数据文摘

业界 | Cell最新:荧光标记out了,谷歌靠算法不用“侵入”也能识别细胞特征

1808
来自专栏AI科技大本营的专栏

DeepMind 研发出类脑 AI 神经元,具备超强空间导航能力

Google 旗下人工智能公司 DeepMind 的研究人员最近在《自然》杂志上发表论文,宣布同伦敦大学学院的神经生理学家合作,研发出了能够模拟哺乳动物大脑中网...

1101
来自专栏目标检测和深度学习

VALSE 视觉资源汇总(视频+PPT+文章解读,持续更新)

VALSE(Vision and Learning Seminar, VALSE)发起于2011年,是国内计算机视觉、图像处理、模式识别与机器学习等研究领域的青...

1995
来自专栏人工智能快报

根据达尔文进化论,只有最强人工智能算法才能生存

国际财经媒体Quartz报道,据谷歌和美国“开放人工智能实验室”(OpenAI)的一项研究,类达尔文进化论的神经进化理论可以帮助人工智能算法进化优化。 现代人工...

3749
来自专栏数据派THU

【独家】微软郑宇:大数据驱动智能城市讲座精华(附PPT)

[导读]本文整理自微软亚洲研究院“城市计算”领域负责人郑宇博士近期在清华大数据讲座上的分享内容。郑宇主持研发的Urban Air首次利用大数据来监测和预报细粒度...

3328

扫码关注云+社区

领取腾讯云代金券