冷泉港實(shí)驗(yàn)室（CSHL）助理教授Peter Koo發(fā)現(xiàn)，使用流行的計(jì)算工具來解釋人工智能預(yù)測(cè)的科學(xué)家在分析DNA時(shí)發(fā)現(xiàn)了太多的"噪音"，在這種情況下是一種額外的信息干擾。他找到了一種方法來解決這個(gè)問題?，F(xiàn)在，只需幾行新代碼，科學(xué)家就可以從被稱為深度神經(jīng)網(wǎng)絡(luò)的強(qiáng)大人工智能中獲得更可靠的解釋，這意味著他們可以繼續(xù)追尋更準(zhǔn)確的計(jì)算后的DNA特征。這些特征可能只是健康和醫(yī)學(xué)的下一個(gè)突破的信號(hào)，但是，如果信號(hào)被太多的噪音所淹沒，科學(xué)家就不會(huì)看到這些信號(hào)。

 

　　那么，是什么導(dǎo)致了這些意外亂入的噪音？這是一個(gè)神秘的、不可見的來源，如數(shù)字"暗物質(zhì)"。物理學(xué)家和天文學(xué)家認(rèn)為，宇宙中的大部分都充滿了暗物質(zhì)，一種施加引力效應(yīng)的物質(zhì)，但還沒有人看到。同樣地，Koo和他的團(tuán)隊(duì)發(fā)現(xiàn)，人工智能被訓(xùn)練的數(shù)據(jù)缺乏關(guān)鍵信息，導(dǎo)致了重大盲點(diǎn)。更糟糕的是，在解釋人工智能對(duì)DNA功能的預(yù)測(cè)時(shí)，這些盲點(diǎn)會(huì)被考慮進(jìn)去。

 

　　Koo說："深度神經(jīng)網(wǎng)絡(luò)正在納入這種隨機(jī)行為，因?yàn)樗教帉W(xué)習(xí)功能。但DNA只在其中的一個(gè)小子空間。而且它引入了很多噪音。因此我們表明，這個(gè)問題實(shí)際上確實(shí)在各種突出的人工智能模型中引入了大量的噪音。"

 

　　數(shù)字暗物質(zhì)是科學(xué)家們借用計(jì)算機(jī)視覺人工智能的計(jì)算技術(shù)的結(jié)果。DNA數(shù)據(jù)與圖像不同，被限制在四個(gè)核苷酸字母的組合中：但像素形式的圖像數(shù)據(jù)可以是長(zhǎng)而連續(xù)的。換句話說，我們正在給人工智能提供一個(gè)它不知道如何正確處理的輸入。

 

　　通過應(yīng)用Koo的計(jì)算校正，科學(xué)家可以更準(zhǔn)確地解釋AI的DNA分析。他說："我們最終看到的結(jié)果變得更加清晰和干凈，而且其他區(qū)域的虛假噪音也更少。"

 

　　Koo認(rèn)為噪音干擾影響的不僅僅是基于AI的DNA分析儀。他認(rèn)為這是在涉及類似類型數(shù)據(jù)的計(jì)算過程中普遍存在的一種困擾。值得慶幸的是，新發(fā)明的工具可以幫助科學(xué)家走出黑暗，走向光明。