科学家们在试管中用DNA设计了一个AI 能正确识别手写数字

科学家们在实验室中创造了一种完全由DNA合成、模仿大脑工作方式的人工神经网络。

这种“试管人工智能”可以通过正确识别手写数字来解决经典的机器学习问题。科学家称，这项工作是证明可以在人造有机电路中编程人工智能的重要一步。

有一天，可能会出现完全由有机材料制成的类人机器人，而不是流行文化中常见的外壳闪亮、由金属制造而成的机器人。

研究人员希望，该装置将很快开始形成自己的“记忆”，从试管中的例子来看。

他们的最终目标是用由DNA构成的人工神经网络编程产生智能行为，比如计算能力、决策能力等等。

加州理工学院(Caltech)的专家们选择了一项对电子人工神经网络构成经典挑战的任务——识别笔迹。

这是机器视觉研究人员完成的首批任务之一，也是阐明基于DNA的神经网络能力的理想方法。

人类的笔迹可能会有很大的差异，所以当一个人仔细检查一串数字时，大脑就会执行复杂的计算任务，以识别它们。

因为即使是人类也很难辨认彼此潦草的笔迹，所以识别手写的数字是一种常见的人工智能神经网络编程测试。

这些网络必须被“教授”如何识别数字，解释笔迹的变化，然后将一个未知数与他们所谓的记忆进行比较，并确定数字的意义。

研究小组证明，由精心设计的DNA序列组成的这个神经网络可以进行化学反应，表明它已经正确地识别出了“分子笔迹”。

当给出一个未知的数字时，这种所谓的“智能汤”会经历一系列反应，输出两个荧光信号，例如，绿色和黄色代表5，绿色和红色代表9。

为什么研究人员要使用DNA来创造一个试管AI?

从DNA中创造生物分子电路的关键是DNA分子之间严格的结合规则。单链DNA分子是由称为核苷酸的小分子组成的，简称为A、T、C和g，排列成串或序列。

单链DNA分子中的核苷酸可以与另一条单链的核苷酸结合形成双链DNA，但核苷酸只能以非常特定的方式结合。

A核苷酸总是与T结合，C核苷酸与G结合。

利用这些可预测的结合规则，研究人员能够设计短链DNA，在试管中进行可预测的化学反应，从而计算任务，如分子模式的识别。

2011年，他们发明了第一个由DNA分子组成的人工神经网络，可以识别四种简单的模式。

2018年7月，他们推出了“试管人工智能”，通过正确识别手写数字，可以解决经典的机器学习问题。

首席研究员、生物工程助理教授Lulu Qian说:“虽然科学家们刚刚开始探索在分子机器中创造人工智能，但它的潜力是不可否认的。”

“就像100年前电子计算机和智能手机让人类变得更有能力一样，在未来的一百年里，人工分子机器可以让所有由分子构成的东西——可能包括油漆和绷带——更得力，对环境的反应也更灵敏。”

不同于不同几何形状的视觉笔迹，分子笔迹的每个例子实际上都不具有数字的形状。

相反，每个分子数是由从100个分子中选出的20个独特的DNA链组成的，每个DNA链都被指定为代表任意10×10个图案中的单个像素。

这些DNA链在试管中混合在一起。

给定一个特定的分子书写的例子，DNA神经网络可以将它分成九类，每一类都代表从1到9个可能的手写数字中的一个。

首先，研究小组建立了一个DNA神经网络来区分手写的6和7。然后他们测试了36个手写数字，试管神经网络正确地识别了所有这些数字。

从理论上讲，该系统能够将超过1.2万份手写的6和7(其中90%来自广泛用于机器学习的手写数字数据库)归类为这两种可能性。

这个过程的关键是用DNA分子编码出“赢家通吃”的竞争策略。

在这种策略中，一种称为“歼灭者”的特殊类型的DNA分子被用来在确定一个未知数字的身份时选择一个获胜者。

歼灭者与来自一个竞争者的一个分子和来自另一个竞争者的一个分子形成复合物，并反应形成惰性、无反应的物种。

歼灭者迅速吞噬了所有的竞争分子，直到只有一个竞争对手幸存下来。

获胜的竞争对手随后被恢复到高浓度，并产生一个荧光信号以表明该神经网络的决定。

接下来，建立在他们第一个DNA神经网络的原理之上，这个团队开发出一个更复杂的、可以从1到9对单个数字进行分类的神经网络。

研究小组现在计划开发可以学习的人工神经网络，利用在试管中添加的例子来形成“记忆”。

他们说，通过这种方式，同样的智能汤可以被训练来执行不同的任务。完整的研究结果发表在《自然》杂志上。

来源：基因谷