生命科学

不该打开的黑匣子

作者:澳门葡亰娱乐场手机版    发布时间:2020-03-12 23:08     浏览次数 :114

[返回]

图片 1

图片 2

昨天的信念:第一,男人比女人优秀太多,女人会被抛弃。不安全感。

在我的童年生活中,有一段最难忘怀的经历。

似乎每次你转过身,有人都在谈论人工智能和机器学习的重要性,加州大学圣地亚哥分校医学院和摩尔癌症中心教授Trey Ideker博士说。但所有这些系统都是所谓的黑匣子。它们可以非常具有预测性,但我们实际上并不了解它们的工作方式。

现代人工智能系统中举重若轻的深度神经网络的神秘工作原理依然未被世人知晓。


那年,我九岁。在一个漫长的暑假里,妈妈带我到姥姥家做客。姥姥家住乡下。乡下真好玩:油菜花开,一片金黄,蜂儿蝶儿闹攘攘,连吹阵风儿,都是香的;上山采草莓,熟透的莓子,尽你吃个够,回来还装一大篮;钻河沟摸小狗鱼,摸住了,就用芨芨草穿成一长串,去给姥姥宠爱的白嘴老猫吃;至于看长胡子山羊抵仗,骑光脊梁毛驴赛跑,那已经是经常的保留节目;要是你爱好音乐,就去掐青稞秆儿做一枝麦笛,呜里哇啦吹奏《五哥放羊》、《走西口》一类的小曲子,那可比听管弦乐团的长笛独奏,更加活泼有趣;如果想冒险,最好去捅马蜂窝,定会让蜂子蜇得你满头满脸都肿起无数红疙瘩……

Ideker举了一个例子:机器学习系统可以分析数百万人的在线行为,将个人标记为潜在的恐怖分子或自杀风险。但我们不知道机器如何得出这个结论,他说。

它们就像是黑盒子:在一端输入一个问题后(比如,图片里的是一只猫吗?这场围棋中下一步最好策略是?无人驾驶汽车在这个黄灯亮起的路口是否应该加速?),就能在另一端得到答案。我们或许不能知道AI系统这个黑盒子的具体工作原理,但我们知道它能有效工作。

事件:

哦,乡村,乡村!真是个充满了快乐的奇妙世界!

为了使机器学习在医疗保健中变得有用和值得信赖,Ideker说,从业者需要打开黑匣子并了解系统如何做出决定。

在一项新的研究中,研究人员将神经网络嵌入一个简单的酵母细胞中,并由此观察到AI系统是怎么运行的。同时这能揭示细胞生物学的进程。这项研究的成果可用于新型癌症药物和个体化医疗的发展。

记得我上初中的时候,妈妈下岗了,没有收入来源,工作很不顺利。这是家里特别恐怖,压抑的一段时光。妈妈不能接受现实,失眠,抑郁,每天在家里长吁短叹,和爸爸吵架,因为一点小事情就非常的情绪化。家里每一个人都绷紧了弦,我很害怕,还给妈妈写了信去安慰她,可妈妈好像依然沉浸在受害者的角色里,不能自拔。因为经济问题,妈妈总会和爸爸吵架,觉得他看不起自己。这个信念也牢牢地印在我的脑海里。

我姥姥没文化,不识字,却是观音菩萨的忠实信徒。菩萨保佑!她第一次见面就高兴地对我说,好好念书,长大考个状元郎!她怕未来的状元郎睡不惯用牛粪烧过的土炕,就在一间小阁楼上搭了副板床,让我和妈妈住。后来,妈妈回城去了,那阁楼就成了我一个人的自由天地。也就在这时候,我发现了姥姥的一个秘密。

机器学习系统建立在人工神经元层上,称为神经网络。这些层通过神经元之间看似随机的连接而连接在一起。系统通过微调这些连接来学习。

首先,让我们了解一下如今机器学习中一些关于神经网络的基础知识。


图片 3

在最近发表在Nature Methods上的一项研究中,Ideker的研究团队最近开发了他们所谓的可见神经网络,并用它来构建DCell,这是一种功能正常的啤酒酵母细胞模型,通常用作基础研究的模型。为此,他们在一个地方积累了细胞生物学的所有知识,并创建了这些细胞成分的层次结构。然后他们将标准机器学习算法映射到该知识库。

我们感兴趣的是由进化过程而不是计算机学家们优化的神经网络。—Trey Ideker, UC San Diego

我忘记了,我不是我妈妈,我男友也是我父亲。而当时的场景回忆起来,完全是妈妈受挫的自尊导致她对父亲充满了敌意和不安全感。历史是多么惊人的相似啊!难道我又在重复妈妈当年的信念和行为吗?

但最令Ideker兴奋的是DCell不是黑盒子;这种联系并不是一个谜,也不能通过偶然事件来形成。相反,学习仅由现实世界的细胞行为和约2,500个已知细胞成分编码的约束引导。该团队输入有关基因和基因突变的信息,DCell预测细胞行为,如生长。他们对数百万基因型的DCell进行了培训,发现虚拟细胞可以模拟细胞生长,几乎与实验室培养的真细胞一样准确。

计算机学家们通过设置不同的层来搭建神经网络的框架,每一层都包含了上千个执行简单指令的“神经元”。训练模型时,给神经网络投喂一个数据集(可以是百万张关于喵星人和汪星人的照片,百万种围棋走法,百万种驾驶行为与相应结果的配对数据),系统调配每层的神经元进行系统化的有序计算。数据经过神经网络后得到了结果,随后系统会评估神经网络的工作性能。最后重新调整神经元间的连接模式,再次输入数据,检测新的神经网络性能是否有所提升。当神经网络的性能达到一定准确率后,才能认为训练成功。


上一篇:没有了
下一篇:没有了