1295
需用时 02:35
试管中的人工智能:能够读数字的DNA人工神经网络

(樟脑玩/编译)当我们谈起AI的时候我们在说什么?好莱坞电影里炫酷的金属质感机器人?隐藏在屏幕和晶体管背后神秘莫测的无形系统?还是每天在果壳推文最后给出致命补刀的可(jian)爱(jian)的声音?

图片来源:pixabay

DNA AI究竟是个啥?

今天我们介绍的这种AI,支持它的硬件系统并不是我们通常认知的硅和晶体管,而是由人工合成的DNA分子构成。这个由加州理工学院的科学家们构建出来的“DNA人工神经网络”已经能够识别被转译成分子形式的数字啦!其研究成果发表在了2018年7月的《自然》杂志上。

首先,这个DNA人工神经网络的AI,在复杂庞大的AI系统中,属于“机器学习”这个细分领域,并且更具体地来说,属于机器学习研究中最受关注的人工神经网络的范畴。简单来说,就是模仿人脑的结构,通过大量的训练数据,“教会”计算机完成特定的任务。本次DNA AI被训练完成的任务,就是机器学习领域的经典测试——识别手写数字。

DNA分子能够作为AI的“硬件”设备,主要是因为它的特殊的分子结构。我们知道,DNA是由四种基本核苷酸组成:adenine (A)、cytosine (C)、guanine (G)和thymine (T),这些核苷酸以特定组合连接成串,构成了双螺旋DNA分子。正是因为这些已知的组合模式,使得核苷酸链成了理想的计算设备——当有不同的分子存在的时候,它们会发生相应的化学反应,由此,这种架构得以被预先设计。

简单理解,DNA AI是以合成DNA分子为“硬件”,分子间特定的化学反应为“算法”的一种生物计算机。

供DNA AI识别的分子数字

这套DNA AI最初由加州理工学院的助理教授钱璐璐在2011年设计构造,本次研究由她的研究生凯文·切利(Kevin)主导,在导师的研究基础上,他通过将用来被识别的模式转译成“分子数字”,从而大大提升了这套DNA 人工神经网络的性能。

所谓的“分子数字”,是把手写数字转译成在一个100(10*10)比特正方形网格上的不同的20比特模式,网格上的每一个比特都由一个DNA分子来代表,也就是说,每个“分子数字”都由100个DNA分子库中的任意20个组成。试管中的DNA跟虚拟网格上的状态可是不同的——它们被混成一坨。所以分子在网格上的位置由它在试管中的浓度决定。DNA神经网络本质上是这样的:当这20个DNA分子的浓度落在代表预设数字的区间时(意味着当被转译到10*10的网格上时,它们的排布模式符合这个数字),相应的化学反应就会产生,由此判断该图形是否符合特定的数字模式。

10x10网格中的数字样例。网格中的每一小格都由一种特定浓度的分子来代表。图片来源: Nature

DNA AI的构建

切利首先构建了一个简单的神经网络,来区分被转译成分子数字的数字6和7。在对每个数字的36个不同版本的分子手稿的测试中,这套DNA神经网络都给出了准确的答案。在这套DNA神经网络系统中,切利使用了“赢者通吃”(winner-take-all)的决策算法,借由一个被称为“歼灭者”(annihilator)的合成DNA分子来逐个识别被测数据与比较对象。

切利介绍说:“歼灭者会迅速吸收掉每两种相比较分子反应而形成的惰性物质,从而形成一种络合物,直到最终剩下一种“超级赢家”的分子。这时候,“超级赢家”的浓度最高,并且能够释放荧光信号,来显示系统给出的最终答案。”

这种“赢家通吃”策略不仅仅在这种基础的两两对比的构架中有效,也同样适用于更复杂的、用于区分数字1-9的DNA神经网络系统。在这种更复杂的系统中,系统决策的结果由两种荧光信号共同表示:比如绿色和黄色的信号组合代表数字“5”,而红绿组合则代表“9”。

与分子抽象出的“6”相比较

与分子抽象出的“7”相比较

AI给出该数字是“7”的判定。图片来源:Caltech

DNA AI能干嘛?

在未来的研究中,研究者希望能够给这个DNA神经网络增加记忆功能,并用以辅助提升医学测试。

切利说:“通常,医学诊断能够探测出集中生物分子的存在,比如胆固醇和血糖。如果能够应用我们设计的生物电路板,未来的诊断能够同时检测上百种生物分子,并且直接在分子环境中给出给出分析结果。”(编辑:Ent)

参考文献:

  1. Nature, Scaling up molecular pattern recognition with DNA-based winner-take-all neural networks
The End

发布于2018-07-23, 本文版权属于果壳网(guokr.com),禁止转载。如有需要,请联系果壳

我的评论

Lori Dajose

科学作家

pic