錢璐璐團隊打造DNA人工智慧神經網路

加州理工學院生物工程助理教授錢璐璐和她的同事們開發出了一種由DNA製成的人工神經網路，可以正確地識別分子數字簽名。這項工作是人工智慧與合成生物分子電路成功「合體」的重要里程碑。論文發表在7月4日《Nature》雜誌。

「雖然科學家們現在才剛剛開始探索如何為分子機器載入人工智慧，但它的潛力是不可否認的，」錢教授說。「類似電子計算機和智能手機對人類社會的推動力，人造分子機器可以用於所有由分子製造的東西，包括顏料和繃帶。」

人工神經網路是以人腦為靈感的數學模型。儘管人工神經網路與其生物對應相比被簡化得很簡單，但是功能還是類似於神經元網路的。錢璐璐實驗室的工作目標是使用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。

「人腦含有超過800億個神經元，它們在後台運行著高度複雜的決策。像線蟲這樣的小動物用幾百個神經元做相對簡單的決策。我們設計並創建了一個像小型神經元網路一般的生化電路，」錢教授說。

為了說明DNA神經網路的能力，錢教授實驗室的研究生Kevin Cherry挑戰了一個任務——讓人工神經網路電路識別筆跡。

人類的筆跡千變萬化，當我們仔細查看潦草的手寫數字時，大腦需要通過執行複雜的計算來識別它們。有時，我們很難識別他人的潦草筆跡，因此，識別手寫數字也是人工神經網路智能編程的常見測試。需要「教會」網路如何識別數字、解釋筆跡的變化，然後將未知的數字與其儲存的記憶進行比較，最終決定數字的身份。

《Nature》論文中描述的工作證明，一個由DNA序列製成的神經網路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：每個分子數字由20個抽選自100個分子的獨特的DNA鏈組成，而每個分子則被指定為以10×10模式代表的單個像素。「天然分子指紋常常缺少幾何學特徵，例如獨特的氣味分子混合物，複雜的生物神經網路卻可以識別它們，」錢教授說。

接下來，Cherry根據這個初始DNA神經網路原理——贏家通吃（winner-take-all computation）——開發了一個更複雜的模型，該模型可以分類從1到9的一位數，當給定一個未知數字，裝在試管中的DNA人工神經網路就會進行一系列反應計算，然後輸出兩個熒光信號，例如綠色和黃色代表5，綠色和紅色代表9等等。

錢教授和Cherry計劃開發具有學習能力的人工神經網路，通過向試管中添加例子，讓其形成「記憶」，這樣的「智慧湯」可以被訓練執行不同任務。「普通的醫學診斷可檢測到一些生物分子，例如膽固醇或血糖，」Cherry說。「像我們開發的生物分子電路可以在一天之內識別上百個生物分子，更重要的是，它能直接在分子環境進行分析和響應。」

原文標題

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

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！