加州理工学院的研究人员开发DNA试管人工神经网络识别手写数字

AiTechYun

编辑:chux

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,可以解决经典的机器学习问题:正确识别手写数字。这项工作是证明将人工智能编入合成生物分子电路的能力的重要一步。

这项工作是在生物工程助理教授Lulu Qian的实验室完成的。一篇描述该研究的论文在7月4日发表在网络,和7月19日出版的Nature杂志上。

Qian表示,“虽然科学家们刚刚开始探索在分子机器中创造人工智能,但其潜力已经不可否认,类似于电子计算机和智能手机如何使人类比一百年前更有能力,人造分子机器可以制造所有由分子组成的物体,可能包括油漆和绷带,在未来的一百年里,对环境的能力更强,反应更灵敏。“

人工神经网络是受人类大脑启发的数学模型。尽管与其生物学对应物相比被大大简化,但人工神经网络的功能类似于神经元网络并且能够处理复杂信息。这项工作的最终目标是利用DNA制作的人工神经网络对智能行为(计算,做出选择等的能力)进行编程。

“人类每个人的大脑中都有超过800亿个神经元,它们做出了非常复杂的决定。较小的动物如蛔虫可以使用几百个神经元做出更简单的决定。在这项工作中,我们设计并创造了像一个小的神经元网络对分子信息进行分类,比以前更加复杂。”

为了说明基于DNA的神经网络的能力,实验室研究生Kevin Cherry选择了一项任务,这是电子人工神经网络的一个经典挑战:识别手写。

人类手写可以有很大的不同,因此当一个人仔细检查一个潦草的数字序列时,大脑会执行复杂的计算任务以识别它们。因为即使是人类也难以识别其他人的潦草书写,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。必须教会这些网络如何识别数字,考虑手写的变化,然后将未知数字与其所谓的记忆进行比较并确定数字的身份。

在论文中描述的作品中,作为论文的第一作者,Cherry表明,由精心设计的DNA序列制成的神经网络可以进行规定的化学反应,以准确识别“分子手写”。与几何形状不同的视觉手写不同,分子手写的每个例子实际上都不是数字的形状。相反,每个分子数由20个独特的DNA链组成,这些DNA链选自100个分子,每个分子代表任何10×10模式的单个像素。将这些DNA链在试管中混合在一起。

Qian指出,“缺乏几何形状在自然分子特征中并不少见,但仍然需要复杂的生物神经网络来识别它们,例如,独特气味分子的混合物包含着气味。”

给定分子手写的特定示例,DNA神经网络可以将其分类为多达九个类别,每个类别代表从1到9的九个可能的手写数字中的一个。

首先,Cherry构建了一个DNA神经网络区分手写的6和7。他测试了36个手写数字,并且试管神经网络正确识别了所有这些数字。他的系统理论上能够将超过12000个手写进行两种可能的分类,其中90%的数据来自于一个手写数字数据库,这些数字被广泛用于机器学习。

这个过程的关键是使用由Qian和Cherry开发的DNA分子编码“winner take all”的竞争策略。在该策略中,在确定未知数字的身份时,使用被称为歼灭者的特定类型的DNA分子来选择获胜者。

“歼灭者与来自一个竞争者的一个分子和来自不同竞争者的一个分子形成复合物,并形成惰性的,非反应性的物种,”Cherry说。“歼灭者迅速吞噬所有竞争对手的分子,直到只剩下一个竞争对手的物种。然后,获胜的竞争对手恢复到高浓度并产生荧光信号,表明网络的决定。”

接下来,Cherry建立在他的第一个DNA神经网络的原理上,开发一个更复杂的,一个可以从1到9分类的单个数字。当给出一个未知数字时,这个smart soup会经历一系列的反应,输出两个荧光信号,例如,绿色和黄色代表5,或绿色和红色代表9。

Qian和Cherry计划开发人工神经网络,可以从添加到试管中的实例中学习,形成“记忆”。这样可以训练同样的smart soup来执行不同的任务。

“常见的医学诊断检测到一些生物分子的存在,例如胆固醇或血糖。”Cherry表示,“使用像我们这样更复杂的生物分子电路,诊断测试未来可能包含数百种生物分子,分析和响应直接在分子环境中进行。”

原文发布于微信公众号 - ATYUN订阅号(atyun_com)

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

来自专栏新智元

DeepMind 让AI 拥有记忆并实现序列学习,AlphaGo 一周年技术盘点

【新智元导读】在 AlphaGo 获胜一周年的今天,DeepMind 发表最新研究成果,让神经网络成功在学习新任务的同时,不忘老的任务,向着自适应学习迈出重要一...

3629
来自专栏大数据挖掘DT机器学习

教你如何用机器学习预测《权利的游戏》中的叛徒

几个月之前,Airbnb发布了一篇博文,在这篇文章中作者向读者介绍了他们的数据科学家建立一个机器学习模型来保护自己的用户免遭来自恶意行为的欺诈危害。如果我们将...

3706
来自专栏CSDN技术头条

数据vs.算法,究竟谁更重要

【编者按】随着服务器愈加的廉价,集群计算框架愈加成熟,大家似乎已经完全把眼光放到海量的数据上,算法的精心调校似乎已成为某些领域或者某些公司才去钻研的事情。那么,...

2009
来自专栏人工智能头条

如何成为一名对话系统工程师

2333
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。

2554
来自专栏CDA数据分析师

【零一】从0开始,教你如何做数据分析#中阶#第九篇

大家好,我是零一。这一篇给大家介绍探索关系。 我的公众微信号是start_data,欢迎大家关注。 探索关系是非常好玩的一件事情。先给大家讲个故事。据说很久很久...

2268
来自专栏人工智能头条

微软自拍应用一键美颜背后的人工智能技术(附论文下载)

3437
来自专栏AI科技大本营的专栏

《深度学习500问》,川大优秀毕业生的诚意之作

今天,营长要给大家推荐一本还未完成的深度学习书籍——《深度学习500问》。为什么要推荐一本未完成的书?

1312
来自专栏AI研习社

为什么现在人工智能掀起热潮?

20世纪50年代,John McCarthy开创了Artificial Intelligence(简称AI)这个词,一下子就和Marvin Minsky一起,成...

1153
来自专栏CDA数据分析师

CDA三级数据科学家精英计划究竟讲些什么内容?

在大数据和机器学习的时代,有一种职业脱颖而出——数据科学家。数据科学家在近年来备受追捧,也有越来越多的人想投身数据科学领域。

1854

扫码关注云+社区

领取腾讯云代金券