“既然要學人腦的思維方式，為什么不去研究人腦？”霍金斯在《論智能》中說道。

如今，不少生物學研究者正朝著這個方向努力。

不過，請注意：這不是一次傳統(tǒng)意義上的生物實驗。

近日，據(jù) Motherboard 等多家外媒報道，來自加州理工學院生物工程助理教授 Lu-lu Qian（錢璐璐）和她的學生 Kevin Cherry 共同開發(fā)出了一種由 DNA 制成的人工神經(jīng)網(wǎng)絡(luò)，可以正確識別分子數(shù)字。這項工作是人工智能與合成生物分子電路成功“合體”的重要里程碑。

“盡管科學家剛剛開始探索在分子機器搭載人工智能，但其潛力已無可否認，”錢璐璐說?！邦愃齐娮佑嬎銠C和智能手機為人類帶來了遠超過去百年的影響力，人造分子機器可以讓所有由分子組成的物體，甚至可能包括油漆和繃帶，比未來一百年更有用，有益于環(huán)境保護?！?/p>

據(jù)了解，該論文已于 7 月 19 日發(fā)表在《Nature》紙質(zhì)版雜志上。

以下為論文摘要：

從細菌沿化學梯度運動，到大腦對復雜氣味信息進行區(qū)分，識別分子模式是生物有機體的重要技能。這種類型的信息處理方式已經(jīng)能由基于 DNA 制成的神經(jīng)網(wǎng)絡(luò)完成，不過，這僅限于 4 種 4 位的不同 DNA 分子?！摆A者通吃”（winner takes all）的競爭策略被認為有望提高 DNA 神經(jīng)網(wǎng)絡(luò)的能力。與之前使用的線性閾值和 Hopfield 網(wǎng)絡(luò)相比，“贏者通吃”的計算能力更強，可由單一分子完成，且不受模型數(shù)量和復雜性的影響。所以，無論是大量的單一模型，還是少量的復雜模型都能被識別。

據(jù)介紹，

Lu-lu Qain 和 Kevin Cherry 將這一數(shù)字增加到 9 種 100 位的圖案，研究小組設(shè)計的人工神經(jīng)網(wǎng)絡(luò)能正確識別 10×10 像素網(wǎng)格內(nèi)的 1到9 的數(shù)字。該神經(jīng)網(wǎng)絡(luò)采用“贏家通吃”來優(yōu)化輸出，識別數(shù)字。研究人員通過模擬手寫字體的變化，倒轉(zhuǎn)了 100 位中的 30 位，神經(jīng)網(wǎng)絡(luò)仍能準確“記住”圖案并識別出數(shù)字。這一結(jié)果表明，分子計算電路擁有類似記憶力的能力，能夠?qū)Ω叨葟碗s、雜亂的信息進行分類。

▌以DNA和試管為“硬件”

這里不得不提一下神經(jīng)網(wǎng)絡(luò)之父 Geoffrey Hinton 老爺子的貢獻。在他看來，通過模仿人類大腦，對其大腦中神經(jīng)元如何運作進行了理想化實現(xiàn)，并將 HintonBack Propagation（反向傳播）算法應(yīng)用到神經(jīng)網(wǎng)絡(luò)。目前，機器學習中的大多數(shù)前沿技術(shù)都涉及人工神經(jīng)網(wǎng)絡(luò)。

而錢璐璐實驗室的工作目的就是讓 DNA 構(gòu)建的人工神經(jīng)網(wǎng)絡(luò)來模仿和挑戰(zhàn)大腦神經(jīng)元的能力。

簡單來講，所謂的 DNA 神經(jīng)網(wǎng)絡(luò)就是將 DNA 和試管作為構(gòu)建的物理基礎(chǔ)，就相當于我們通常所見的硅和晶體管。

眾所周知，所有 DNA 都由四種堿性核苷酸組成：腺嘌呤（A）、胞嘧啶（C）、鳥嘌呤（G）和胸腺嘧啶（T）。一條核苷酸鏈與另一條鏈結(jié)合形成 DNA 雙鏈，但只能以特定方式結(jié)合（即 A-T 或 C-G）。這種可預測的組合模式使得這些核苷酸成為理想的計算設(shè)備，經(jīng)過設(shè)計后，它們在各種分子形態(tài)下產(chǎn)生特定的化學反應(yīng)。

這時，通過特定化學反應(yīng)產(chǎn)生的現(xiàn)象，研究人員就可以判斷出該 DNA 神經(jīng)網(wǎng)絡(luò)是否正確進行了識別。這次，錢璐璐實驗室挑戰(zhàn)的是如何教人工神經(jīng)網(wǎng)絡(luò)識別手寫數(shù)字。

通常情況下，這對計算機來說很難。例如，人類在寫數(shù)字 4 時都會略有不同。一般人都很容易看出不同的 4 寫出來的時候會有哪些相似點，機器則沒有這種生物識別性。不過，要是向人工神經(jīng)網(wǎng)絡(luò)提供大量 4 的書寫示例呢？算法會“學習”并對每個示例進行抽象，然后形成對 4 這個數(shù)字寫法的大致概念。下一次，算法在遇到類似 4 的事物時，它會將其自己形成對 4 的概念進行比較，如何匹配度足夠高，就會得出 4 的結(jié)論。

據(jù)了解，早在 2011 年，錢璐璐就用 DNA 創(chuàng)造了第一個人工神經(jīng)網(wǎng)絡(luò)，但它只能識別出少數(shù)模式。而此次，錢璐璐的一位研究生 Kevin Cherry 通過將其應(yīng)用于手寫“分子數(shù)字”的識別，大大提高了這項技術(shù)。

用合成 DNA 構(gòu)建人工神經(jīng)網(wǎng)絡(luò)，能夠識別分子編碼的“數(shù)字”。這是經(jīng)典機器學習測試的又一次創(chuàng)新實驗?！叭四X中大多有超過 800 億個神經(jīng)元，能夠讓人類做出非常復雜的決定。像蛔蟲這樣的小動物有幾百個神經(jīng)元，只能做出簡單的決定。在這項工作中，我們設(shè)計了一套生物化學模式，其作用類似于一個小的神經(jīng)元網(wǎng)絡(luò)，對分子信息進行分類，實質(zhì)上比之前更復雜?！卞X璐璐說。

未來，錢璐璐實驗室希望通過這種形成的記憶將有助于 DNA 神經(jīng)網(wǎng)絡(luò)執(zhí)行不同任務(wù)，并改變醫(yī)學測試。

▌實驗過程

首先，每個“分子數(shù)字”是由 20 個 DNA 鏈構(gòu)成，這些 DNA 鏈選自 100 個分子，每個分子代表 10×10 像素網(wǎng)格中任一位置。

然后，在試管中將這些 DNA 鏈混合在一起。試管中的 DNA 鏈由于全部混合在一起，因此分子在網(wǎng)格上呈現(xiàn)的位置完全靠濃度決定。當分子濃度達到一定階段時，DNA 鏈就會產(chǎn)生特定的反應(yīng)，并在 10×10 網(wǎng)格上形成相應(yīng)的數(shù)字，這一過程即為 DNA 神經(jīng)網(wǎng)絡(luò)識別過程。

按照手寫數(shù)字從 1 到 9 的樣本，DNA 神經(jīng)網(wǎng)絡(luò)也分類為 9 個類別。

以數(shù)字 6 和 7 的識別過程為例。

他們測試了 36 個不同版本的手寫數(shù)字，DNA 神經(jīng)網(wǎng)絡(luò)正確識別出來這些數(shù)字。

這一過程中，他們利用了 DNA 分子編碼“贏者通吃”的競爭策略——DNA 神經(jīng)網(wǎng)絡(luò)通過合成所謂的“殲滅者”來區(qū)分數(shù)字。

“殲滅者與來自一個競爭者的一個分子和來自不同競爭者的一個分子形成復合物，并反應(yīng)形成惰性物質(zhì)，無法產(chǎn)生化學反應(yīng)。殲滅者迅速吞噬所有競爭者的分子，直到剩下一個競爭者。然后，獲勝的競爭者恢復到高濃度并產(chǎn)生熒光信號，表明神經(jīng)網(wǎng)絡(luò)的決策?！盋herry 表示。

重要的是，獲勝者采取的方法將用于區(qū)分 DNA 試管中 1 到 9 的單個數(shù)字。例如，反應(yīng)后，試管將顯示兩個熒光信號，綠色和黃色熒光代表 5，綠色或紅色代表 9。

▌錢璐璐本人

早在去年，錢璐璐實驗室就曾利用DNA打造了一個“小機器人”：對 DNA 進行“編程”，控制 DNA“走”到特定區(qū)域，“撿起”特定的分子，并把它們搬運到另一個地方。

據(jù)了解，錢璐璐本科研究生期間，先后在東南大學、上海交通大學就讀，隨后考入加州理工學院，從此開始了她長達 10 年的學習與研究生涯。