AI：人類啊，我們身體里，可是流著同樣的脫氧核糖核酸

說起AI，你想到的是什麼？是好萊塢電影里炫酷的金屬質感機器人，還是隱藏在屏幕和晶體管背後神秘莫測的無形系統？

你想到的AI是什麼樣子的 | Pixabay

這些AI的硬體系統，通常都是硅和晶體管。不過，我們今天要說的AI，卻是由DNA分子構成的；而且，這個AI已經能夠識別手寫數字啦！

DNA AI究竟是個啥？

這個DNA人工神經網路的AI，在複雜龐大的AI系統中，屬於「機器學習」這個細分領域；並且，更具體地來說，屬於機器學習研究中最受關注的人工神經網路的範疇。簡單來說，就是模仿人腦的結構，通過大量的訓練數據，「教會」計算機完成特定的任務。本次DNA AI被訓練完成的任務，就是機器學習領域的經典測試——識別手寫數字。

DNA AI被訓練識別手寫數字 | Pixabay

DNA分子能夠作為AI的「硬體」設備，主要是因為它有特殊的分子結構。DNA是由四種基本核苷酸組成：adenine (A)、cytosine (C)、guanine (G)和thymine (T)，這些核苷酸以特定組合連接成串，構成了雙螺旋DNA分子。正是因為這些已知的組合模式，使得核苷酸鏈成了理想的計算設備——當有不同的分子存在的時候，它們會發生相應的化學反應。由此，這種架構得以被預先設計。

簡單理解，DNA AI是一種生物計算機，它的「硬體」是合成DNA分子，而它的「演算法」是分子間特定的化學反應。

供DNA AI識別的分子數字

這套DNA AI的研究成果發表在2018年7月的《自然》雜誌上。它最初由加州理工學院的助理教授錢璐璐在2011年設計構造，本次研究由她的研究生凱文·切利（Kevin Cherry）主導。在導師的研究基礎上，他將用來被識別的模式轉譯成「分子數字」，從而大大提升了這套DNA人工神經網路的性能。

所謂的「分子數字」，是把手寫數字轉譯成在一個100（10*10）比特正方形網格上的不同的20比特模式。網格上的每一個比特都由一個DNA分子來代表，也就是說，每個「分子數字」都由100個DNA分子庫中的任意20個組成。試管中的DNA跟虛擬網格上的狀態可是不同的——它們被混成一坨，所以分子在網格上的位置由它在試管中的濃度決定。

10x10網格中的數字樣例。網格中的每一小格都由一種特定濃度的分子來代表 | Nature

DNA神經網路本質上是這樣的：當這20個DNA分子的濃度落在代表預設數字的區間時（意味著當被轉譯到10*10的網格上時，它們的排布模式符合這個數字），相應的化學反應就會產生，由此可以判斷該圖形是否符合特定的數字模式。

DNA AI的構建

切利首先構建了一個簡單的神經網路，來區分被轉譯成分子數字的數字6和7。在對每個數字的36個不同版本的分子手稿的測試中，這套DNA神經網路都給出了準確的答案。

在這套DNA神經網路系統中，切利使用了「贏者通吃」（winner-take-all）的決策演算法，藉由一個被稱為「殲滅者」（annihilator）的合成DNA分子來逐個識別被測數據與比較對象。

切利介紹說：「殲滅者會迅速吸收掉每兩種相比較分子反應而形成的惰性物質，從而形成一種絡合物，直到最終剩下一種『超級贏家』的分子。這時候，『超級贏家』的濃度最高，並且能夠釋放熒光信號，來顯示系統給出的最終答案。」

與分子抽象出的「6」相比較

與分子抽象出的「7」相比較

AI給出該數字是「7」的判定 | Caltech

這種「贏家通吃」策略不僅僅在這種基礎的兩兩對比的構架中有效，也同樣適用於更複雜的、用於區分數字1-9的DNA神經網路系統。在這種更複雜的系統中，系統決策的結果由兩種熒光信號共同表示：比如綠色和黃色的信號組合代表數字「5」，而紅綠組合則代表「9」。

DNA AI能幹嘛？

在未來的研究中，研究者希望能夠給這個DNA神經網路增加記憶功能，並用以輔助提升醫學測試。

切利說：「通常，醫學診斷能夠探測出集中生物分子的存在，比如膽固醇和血糖。如果能夠應用我們設計的生物電路板，未來的診斷能夠同時檢測上百種生物分子，並且直接在分子環境中給出給出分析結果。」

作者：Lori Dajose

編譯：樟腦玩

編輯：Ent

編譯來源：caltech.edu, Test Tube Artificial Neural Network Recognizes "Molecular Handwriting"

參考文獻：Nature, Scaling up molecular pattern recognition with DNA-based winner-take-all neural networks

一個AI

說起AI，你們想到的難道不是我嗎？

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！