加州理工錢璐璐團隊最新突破,AI 編入合成生物分子電路將可行

加州理工錢璐璐團隊最新突破,AI 編入合成生物分子電路將可行

微小精確、邏輯緊密、儲存容量大……從計算機初始發明以來,科學家們就在不斷用複雜的發光二極體和微電路,挑戰著人們對於智能的認知。但除了冰冷的機械部件,生物體內活躍著的分子,也能滿足人們在計算機時代對智能的瘋狂幻想。人工智慧的觸角,開始延伸到這片新大陸上。

來自加州理工學院的錢璐璐教授就是這些「冒險家」之一。曾經用核苷酸製造出 DNA 機器人的她,如今把目光轉向了大熱的機器學習領域。在 7 月 4 日的 《Nature》 上,她與其研究生 Kevin Cherry 向我們展示了一個小小的試管中誕生的人工智慧。

圖丨錢璐璐

圖丨Kevin Cherry

他們開發了一種名叫「Winner-Take-All」的由 DNA 製成的人工神經網路,並選用了機器學習界的經典問題——識別手寫數字,作為其首戰場。他們期望試管里的充滿智慧的混合物,能幫助人類識別上萬個潦草的數字。這項工作也是證明將 AI 編入合成生物分子電路的重要一步。

人工神經網路是一種受人類大腦啟發的數學模型。儘管與生物的神經網路相比被大大簡化,但人工神經網路仍然能夠處理某些複雜信息。錢璐璐團隊的工作目標就是使用DNA製造的人工神經網路來規劃智能行為,包括計算、選擇等其他能力。

「人腦有超過800億個神經元,它們可以進行非常複雜的決策。人類每個人的大腦中都有超過800億個神經元,他們做出了非常複雜的決定。像蛔蟲這樣的生物可以使用幾百個神經元,則可以做出更簡單的決定。在這項工作中,我們設計並創造了一個小型神經網路,可以對分子信息進行更為複雜的分類」,錢璐璐說。

圖丨「Winner Take All」實現DNA計算

具體而言,傳統的神經網路會對圖片的每個像素進行數字編碼,一個編碼對應像素的位置,另一個編碼對應像素的「有」或「無」,這些編碼被儲存在計算機中等待運算。而在 DNA 神經網路中,它可以通過精準的化學反應計算識別「分子筆跡」。與視覺筆跡的幾何圖形不同,分子筆跡並不具有數字的形狀,虛擬的數字變成了實在的分子——每個試管含中有 100 種不同的 DNA 分子,這 100 個分子代表著一幅 10*10 大小的圖片,每個分子對應著像素的不同位置;而其中根據不同的圖片會有 20 個特殊的 DNA「脫穎而出」,代表著該位置像素的「有」。通過這種方法,DNA 模擬了計算機對於像素的編碼。

圖丨此次發表的論文

而錢璐璐之前製造的 DNA 機器人,則在模擬計算機的運算過程中派上了用場。其中的主角「入侵鏈」,是一個具有特定核苷酸序列的單鏈 DNA 分子;它會與另一雙鏈 DNA 結合,迫使其斷裂原有的氫鍵,釋放出雙螺旋的另一條鏈,該鏈叫做釋放鏈。

其中,入侵鏈可以看作一個輸入信號,而釋放鏈則是輸出信號;輸入鏈在釋放後,可以轉化為入侵鏈,與不同的分子反應,最終分子之間形成了一個相互作用的網路,可以模擬複雜的「輸入-輸出」的運算功能。

「Winner-Take-All」神經網路,被認為能夠對 MNIST 資料庫中 98% 的手寫數字進行正確分類識別。而在此之前,錢璐璐就做過類似的嘗試。只是在過去的實驗中,僅通過四種不同的 DNA 分子組成的識別模型,在圖像的數量與複雜性上都大大受限;相比之下,新模型具有更強大的計算力,即可以大規模「掃蕩」簡單圖形,又可以小範圍識別複雜圖像。

圖丨有人工智慧神經網路的分子機器概念圖,可用來識別複雜、含雜訊的分子信息

如果在 20 世紀,我們因為一個手掌大小的灰色金屬儀器而震驚,那麼在 21 世紀,我們是不是會看到一碗含有智能分子的「智慧湯」:通過在湯中加入特定的原材料,我們可以訓練其執行不同的任務;在一個接一個的化學反應中,「智慧湯」不斷學習進化,得出結論,並以分子化合物的形式儲存,形成「記憶」。這就像你對著湯拋出一個問題,它想啊想,最終給你答案一樣,無疑充滿了科幻色彩。

這個幻想其實還很遠,但科學家們期望的,也不僅是將這種智能分子機器作為一個計算機的替代品,即便它或許能做出更複雜的計算與決策,我們更想看到的是其生物屬性里蘊涵著巨大的潛能。

「常見的檢測或許能夠探查到一些生物分子的存在,例如膽固醇,或血糖,」Cherry 說,「但利用更複雜的 DNA 神經網路,我們可以在人體中一次性的監測數百種生物分子,分析其含量並作出干預。比如,如果檢測到血糖升高,可以立即釋放適量的胰島素使之恢復,而不需任何人工干預。」

圖丨錢璐璐團隊此前開發的可以「行走」的DNA機器人

錢璐璐說:「雖然科學家們剛剛開始探索在分子機器中創造人工智慧,但其潛力已經不可否認。類似於計算機和智能手機使人類比一百年前更強大,人造分子機器可以製造所有由分子組成的物體(從而幫助人類更強大)。」

這項研究,則更多充當了概念證明的角色,開闢了使用「分子機器」探索人工智慧的可能性。未來,這類神經網路將會高度專業化的用於生物環境下,為人類在疾病的防治探索新天地。

Scaling up molecular pattern recognition with DNA-based winner-take-all neural networks?

www.nature.com圖標Test tube artificial neural network recognizes molecular handwriting?

www.sciencedaily.com圖標參考3?

www.caltech.edu


推薦閱讀:

宅天下裝飾詳解-如何識別電線包裝標識!
硬體工程師必讀-如何設計地
模擬電路的設計的藝術:LM331—電壓頻率轉換電路
DesignCon文章解讀之玻纖效應限制了我們對高速的想像?

TAG:電路設計 | 自然科學 |