爱吧机器人网 » 技术 > 神经网络 > 正文

生物神经网络与机器学习的碰撞,Nature论文提出DNA试管网络识别手写数字

近日,来自加州理工学院的研究人员开发出一种由 DNA 制成的新型人工神经网络。该网络解决了一个经典的机器学习问题:正确识别手写数字。该项研究中,研究者用了 36 个手写数字 6 和 7 作为测试例子,结果表明这种新型神经网络能够正确识别出所有的数字。该研究是在生物工程助理教授 Lulu Qian 的实验室中完成的。相关论文于 7 月 4 日上传网络,并将出现在 7 月 19 日的纸质版《Nature》杂志上。

科学家们已经从 DNA 中开发出一种人工神经网络,能够识别嘈杂和高度复杂的分子信息。

\
包含由 DNA 构成的人工神经网络的一个微滴概念图(droplet Conception),该网络被设计成可以识别复杂和嘈杂的分子信息,即「分子笔迹」。

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,可以解决一个经典的机器学习问题:正确识别手写数字。这项研究迈出了重要一步,证明我们具备了将人工智能编程到合成生物分子回路中的能力。

「尽管研究者刚刚开始尝试在分子机器中创造人工智能,但其潜力是不可否认的,」Qian 表示。「电子计算机和智能手机使得现代人类的能力高于 100 多年前,与此类似,在未来的近百年里,人工分子机器可能制造出由分子组成的一切事物,甚至可能包括油漆和绷带,使得人类更有能力,适应环境的能力也更强。」

人工神经网络是在人类大脑的启发下创造的数学模型。尽管比真实的大脑简单得多,但该网络可以像神经元网络一样工作,也能处理复杂信息。Qian 的实验室进行该研究的最终目标是用由 DNA 组成的神经网络编程智能行为(计算、做出选择等方面的能力)。

Qian 表示,「每个人大脑中有 800 亿个神经元,用来做出高度复杂的决策。蛔虫等小动物可以仅利用几百个神经元做出简单决策。在本研究中,我们设计、创造了可以像一个小的神经网络一样工作的生化回路,用来对可能比以前的信息复杂得多的分子信息进行分类。」

为了证明基于 DNA 的神经网络的能力,Qian 实验室的研究生 Kevin Cherry 选择了一项任务:识别手写内容,该任务是电子人工神经网络面临的一个经典挑战。

人的笔迹可以有很大的不同,所以当一个人仔细检查潦草的数字序列时,大脑会执行复杂的计算任务来识别它们。因为甚至对人类来说,识别他人潦草的笔迹也很难,所以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。这些网络必须被「教导」如何识别数字,考虑手写的变化,然后将未知数字与它们所谓的记忆进行比较,并确定数字的身份。

在《Nature》上发表的一篇论文(第一作者是 Cherry)证明,由精心设计的 DNA 序列构成的神经网络可以进行规定的化学反应,准确识别「分子笔迹」。「与几何形状不同的视觉笔迹不同,分子笔迹的每个例子实际上并不具有数字的形状。相反,每个分子数字由从 100 个分子中选出的 20 个独特的 DNA 链组成,每个 DNA 链被指定代表任何 10×10 图案中的单个像素。这些 DNA 链在试管中混合在一起。

Qian 说:「缺乏几何形状在自然分子特征中并不少见,但仍需要复杂的生物神经网络来识别它们:例如,一种独特气味分子的混合物包含一种气味。」

给定分子笔迹的特定例子,DNA 神经网络可以将其分类为九个类别之多,每个类别代表从 1 到 9 的九个可能手写数字中的一个。

首先,Cherry 构建了一个 DNA 神经网络来区分手写的 6 和 7。他测试了 36 个手写数字,而试管神经网络正确地识别了所有数字。理论上来说,他的系统可以将 12000 多个手写的 6 和 7——其中 90 % 取自广泛用于机器学习的手写数字数据库——进行两种可能的分类。

这一过程的关键是用 Qian 和 Cherry 开发的 DNA 分子编码一种「胜者通吃」的竞争策略。在这种策略中,一种特殊类型的 DNA 分子被称为「歼灭者」,用于在确定未知数字的身份时选择获胜者。

Cherry 说:「歼灭者与一个竞争对手的一个分子和另一个竞争对手的一个分子形成复合物,并反应形成惰性、不发生反应的新品种。歼灭者迅速吞噬所有竞争分子,直到只剩下一个竞争者。随后获胜的竞争者被恢复到高浓度,并产生代表网络决策的荧光信号。」

接下来,Cherry 基于其第一个 DNA 神经网络的原理开发了一个更复杂的、可以将 1 到 9 进行分类的神经网络。当给定一个未知的数字时,这种「smart soup」将经历一系列反应并输出两种荧光信号,例如绿色和黄色代表 5,绿色和红色代表 9。

Qian 和 Cherry 计划开发可以学习的人工神经网络,从添加至试管的例子中形成「记忆」。Qian 表明,通过这种方式,该「smart soup」可以被训练来执行不同的任务。

「普通医学诊断只能发现很少的生物分子,比如胆固醇和血糖,」Cherry 说道,「使用我们这种更复杂的生物分子回路,有朝一日诊断测试可能囊括数百种生物分子,分析和反应直接在分子环境中进行。」

上一篇:通过反向求导模式打造的人造感觉神经
下一篇:谷歌AI版“你画我猜”刷屏朋友圈 背后是这样的原理
精选推荐
MIT最新“人机”互连系统 让双腿机器人复制人体技能
MIT最新“人机”互连系统 让双腿机器人复制人体技能

[2019-11-01]  MIT的小爱马仕想借用你的大脑 ,图片来自: João Ramos爱吧机器人网消息,麻省理工学院(MIT)的研究人员展示了一种新型遥操作系 ...

7种常见的机器人焊接类型
7种常见的机器人焊接类型

[2017-12-17]  机器人焊接是工业领域最常见的机器人应用之一,近几十年来主要由汽车行业驱动。机器人焊接在完成大批量,重复性的焊接任务时效率最高。...

机器人iCub作为嵌入式AI的标准机器人研究平台的重要性
机器人iCub作为嵌入式AI的标准机器人研究平台的重要性

[2017-12-24]  机器人的研究在过去10年中得益于一个具有嵌入式人工智能(AI)的标准化开源平台——人形机器人iCub。iCub最初在意大利被创建,如今在欧洲、美国、韩国、新加坡和日本的实验室......

谷歌在中国成立一个新的人工智能(AI)研究中心
谷歌在中国成立一个新的人工智能(AI)研究中心

[2017-12-13]  谷歌正在中国建立一个新的人工智能(AI)研究中心,希望进一步扩展到中国,以充分利用中国高度重视的人工智能技术。人工智能是目前地球上最具竞争力的领域之一,亚马逊,微软......

亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)
亚马逊CEO杰夫·贝佐斯操控巨型有人驾驶机器人(巨型机甲)

[2017-03-21]  近日,亚马逊CEO杰夫·贝佐斯实现了每一个6岁儿童都会有的梦想,他控制了一个巨大的机甲机器人。据国外媒体Verge报道,前天(3月19日),贝 ...

人工智能民主化能否实现取决于科技巨头
人工智能民主化能否实现取决于科技巨头

[2017-12-29]  我们经常听到像谷歌和微软这样的公司说他们希望人工智能民主化。这是一个很好的词,民主化。 但这些公司如何界定“民主化”还不清楚,像AI本身一样,它似乎有点炒作的味道...

2017年:AI渗入云端
2017年:AI渗入云端

[2017-12-29]  云中的人工智能不仅仅是科技巨头的权力游戏,它也可能是人工智能领域的下一个飞跃。加利福尼亚州的Rigetti Computing公司刚刚使用其原型量子芯片之一在其云平台上运行机器学......

麻省理工最新机器人“装配工”未来可建造太空基地
麻省理工最新机器人“装配工”未来可建造太空基地

[2019-10-17]  两个机器人原型把一系列小单元组装成大结构体麻省理工学院科研人员最近提出一种新型机器人技术,即一种小型机器人系统,能够自主地用统一规 ...

本周栏目热点

飞桨火力全开,重磅上线3D模型:PointNet++、PointRCNN!

[2020-03-26]  11 年前的「阿凡达」让少年的我们第一次戴上 3D 眼镜,声势浩大的瀑布奔流而下,星罗棋布飘浮在空中的群山,无一不体现着对生命的敬意, ...

从基础概念到数学公式,这是一份520页的机器学习笔记(图文并茂)

[2018-06-19]  近日,来自SAP(全球第一大商业软件公司)的梁劲(Jim Liang)公开了自己所写的一份 520 页的学习教程(英文版),详细、明了地介绍了机器学习中的相关概念、数学知识和各......

50行代码玩转生成对抗网络GAN模型!(附源码)

[2018-07-30]  本文为大家介绍了生成对抗网络(Generate Adversarial Network,GAN),以最直白的语言来讲解它,最后实现一个简单的 GAN 程序来帮助大家加深理解。...

神经网络和模糊逻辑的工作流

[2016-11-20]   行业观察 神经网络 和模糊逻辑的工作流 null 来源:神州数码erp 发布时间: 2009-10-14 9:06:01 关键词: 工作流,协同,B2B,OA  以下 ...

深度神经网络揭示了大脑喜欢看什么

[2019-11-06]  爱吧机器人网编者按:近日,《自然-神经科学》发表了一篇论文,研究人员创建了一种深度人工神经网络,能够准确预测生物大脑对视觉刺激所产 ...