抗病毒終極方案和人工智能 - 《科學(xué)美國人》評2016年十大創(chuàng)新技術(shù)

　　7、抗病毒終極方案

　　一個(gè)罕見的遺傳突變也許可以催生出能對抗所有病毒的藥物。

　　眾所周知，病毒很擅長躲避人造藥物的攻擊，但它們面對罕見基因突變ISG15時(shí)卻很無力。帶有這個(gè)突變的人能更好地抵御大多數(shù)可以感染人類的病毒——但每1000萬人里只有不到1人攜帶這一突變。西奈山伊坎醫(yī)學(xué)院的杜贊·博古諾維奇（Dusan Bogunovic）認(rèn)為，可以模擬這一突變來研發(fā)藥物。如果他想得沒錯(cuò)，他有可能找到一種可以臨時(shí)對抗所有病毒的藥物，讓人不會因感染病毒而生病。而在服藥期間接觸的病毒，病人還會對它們產(chǎn)生終身免疫力（如果病毒沒有像流感病毒那樣發(fā)生突變）。

　　博古諾維奇和他的團(tuán)隊(duì)為了研究突變抑制病毒的機(jī)理，并找出模擬這一突變的藥物，找到了6個(gè)攜帶這一突變的人做實(shí)驗(yàn)。研究團(tuán)隊(duì)為他們的基因組測序，分離了他們的血液和皮膚細(xì)胞。 研究人員讓這些細(xì)胞接觸多種病毒，包括寨卡病毒、流感病毒和皰疹病毒，24小時(shí)后，這些細(xì)胞里的病毒數(shù)量比正常細(xì)胞要低幾個(gè)數(shù)量級。2016年5月，研究團(tuán)隊(duì)在《自然·通訊》（Nature Communications）發(fā)表論文，解釋了原因：ISG15突變使得細(xì)胞失去了一個(gè)調(diào)節(jié)炎癥的功能。炎癥可以幫助身體抵抗病毒，所以這些人“在被病毒感染的時(shí)候，比你我準(zhǔn)備得更好，” 博古諾維奇表示。所以，他們可以在病毒復(fù)制到足以致病的數(shù)量前，就開始對抗入侵者，激活免疫系統(tǒng)。

　　博古諾維奇希望找到一種藥物，可以通過相同方式把ISG15突變作為目標(biāo)?！爸灰陨哉{(diào)整一下我們的系統(tǒng)，就可以壓住感染的第一波爆發(fā)，”他解釋道。博古諾維奇的團(tuán)隊(duì)正從1600萬種化合物中篩選有前景的抗病毒藥物。當(dāng)他們發(fā)現(xiàn)候選化合物以后，就需要精細(xì)地調(diào)整化合物的化學(xué)性質(zhì)，完成毒理學(xué)和動物試驗(yàn)，并最終進(jìn)行人體臨床試驗(yàn)。這個(gè)研究并不是必定能獲得成功。有些攜帶ISG15突變的人會偶發(fā)癲癇，出現(xiàn)類似紅斑狼瘡的自體免疫疾病癥狀。研究人員開發(fā)的藥物需要避免出現(xiàn)副作用。但是博古諾維奇表示樂觀，他也正在討論成立一個(gè)生物技術(shù)公司使用自己的技術(shù)。他說：“一切皆有可能。這需要一個(gè)過程，但我認(rèn)為這個(gè)過程很激動人心?！?/p>

　　8、新算法讓計(jì)算機(jī)學(xué)會橫向思考

　　人工智能方法可以讓計(jì)算機(jī)在視覺模式識別方面勝過人類。

　　如果有人給看你一個(gè)陌生字母表里的字母，再讓你把它寫到一張紙上，也許你能做到，但計(jì)算機(jī)卻做不到——即使它有最先進(jìn)的深度學(xué)習(xí)算法（比如谷歌用來為照片分類的那些算法）也不行。哪怕只是做一些基本的圖片區(qū)分工作，機(jī)器學(xué)習(xí)系統(tǒng)也需要用大量的數(shù)據(jù)集進(jìn)行訓(xùn)練。如果郵局想讓機(jī)器根據(jù)郵編分類郵件，這還能接受。但對實(shí)時(shí)翻譯這類更精細(xì)復(fù)雜的問題，只需學(xué)習(xí)少量案例的方法效果會好很多。

　　借助貝葉斯規(guī)劃學(xué)習(xí)（Bayesian program learning，簡稱BPL）這個(gè)機(jī)器學(xué)習(xí)框架，計(jì)算機(jī)已經(jīng)離這一飛躍不遠(yuǎn)了。紐約大學(xué)、麻省理工學(xué)院和多倫多大學(xué)的研究者組成的團(tuán)隊(duì)證實(shí)，只需學(xué)習(xí)一個(gè)例子，使用了貝葉斯規(guī)劃學(xué)習(xí)方法的計(jì)算機(jī)就能比人更好地識別和復(fù)寫陌生的手寫字符。（“貝葉斯”指一種概率推理方法，可用來根據(jù)新證據(jù)改進(jìn)某個(gè)不確定的假設(shè)。）

　　貝葉斯規(guī)劃學(xué)習(xí)方法和深度學(xué)習(xí)有本質(zhì)上的差別。深度學(xué)習(xí)粗略地模擬了人腦基本的模式識別能力。而貝葉斯規(guī)劃學(xué)習(xí)的靈感來自人腦的另一種能力：推斷出可以生成某種模式的一系列動作。例如，它能發(fā)現(xiàn)字母A是用三道筆畫寫成的：兩條頂部相交的斜線和一條水平的短線?！坝?jì)算機(jī)只需一個(gè)簡單的程序，就能產(chǎn)生這個(gè)字母的很多版本，每次運(yùn)行程序產(chǎn)生的字母都略有變化，”紐約大學(xué)的摩爾-斯隆數(shù)據(jù)科學(xué)學(xué)者布倫頓·萊克（Brenden Lake）表示。他也參與了這項(xiàng)研究。貝葉斯規(guī)劃學(xué)習(xí)讓軟件可以利用較小的已知部分（比如字母A的那條橫線），解決重構(gòu)陌生字母過程中的不確定性問題。

　　這種機(jī)器學(xué)習(xí)方法既用途廣泛又高效。貝葉斯規(guī)劃學(xué)習(xí)軟件用來分解和重構(gòu)未知字母的過程可以幫助人工智能應(yīng)用推斷復(fù)雜現(xiàn)象（例如河中的水流）的因果模式，并根據(jù)這些模式，在完全不同的系統(tǒng)中解決問題。人類經(jīng)常使用這種抽象的“橫向思考”（lateral thinking）能力，而貝葉斯規(guī)劃學(xué)習(xí)方法可以讓計(jì)算機(jī)也擁有相似的能力。“我們正試著讓計(jì)算機(jī)學(xué)習(xí)概念，并把這些概念應(yīng)用到不同的任務(wù)和領(lǐng)域中去，”萊克說，“這是人類智能的核心部分。”