（文章來(lái)源：教育新聞網(wǎng)）

想象一下你是一個(gè)化石獵人。您在亞利桑那州的高溫中花費(fèi)了數(shù)月的時(shí)間來(lái)挖掘骨骼，卻發(fā)現(xiàn)自己發(fā)現(xiàn)的是先前發(fā)現(xiàn)的恐龍。

這就是最近尋找抗生素的方法。相對(duì)較少的抗生素獵人一直在尋找相同類型的抗生素。隨著許多病原體的耐藥性迅速提高，迫切需要新的抗生素。傷口或刮傷會(huì)威脅生命，只是時(shí)間問(wèn)題。然而，近來(lái)很少有新抗生素進(jìn)入市場(chǎng)，甚至這些只是舊抗生素的微小變體。

盡管前景黯淡，但最近的人工智能(AI)革命帶來(lái)了新的希望。在2月20日發(fā)表在《細(xì)胞》雜志上的一項(xiàng)研究中，麻省理工學(xué)院和哈佛大學(xué)的科學(xué)家使用了一種稱為深度學(xué)習(xí)的AI來(lái)發(fā)現(xiàn)新的抗生素。

從土壤或植物提取物中發(fā)現(xiàn)抗生素的傳統(tǒng)方法并未發(fā)現(xiàn)新的候選藥物，解決這一問(wèn)題也存在許多社會(huì)和經(jīng)濟(jì)障礙。最近，一些科學(xué)家試圖通過(guò)在細(xì)菌的DNA中尋找新的產(chǎn)生抗生素的基因來(lái)解決這一問(wèn)題。其他人在異國(guó)的地方(如我們的鼻子)尋找抗生素。進(jìn)入深度學(xué)習(xí)。這些算法為當(dāng)今的許多面部識(shí)別系統(tǒng)和自動(dòng)駕駛汽車提供了動(dòng)力。

它們通過(guò)學(xué)習(xí)數(shù)據(jù)模式來(lái)模仿大腦中的神經(jīng)元如何運(yùn)作。單個(gè)人工神經(jīng)元-像微型傳感器-可能會(huì)檢測(cè)直線或圓圈之類的簡(jiǎn)單模式。通過(guò)使用成千上萬(wàn)的人工神經(jīng)元，深度學(xué)習(xí)AI可以執(zhí)行極其復(fù)雜的任務(wù)，例如識(shí)別視頻中的貓或檢測(cè)活檢圖像中的腫瘤。

鑒于其強(qiáng)大的功能和成功的經(jīng)驗(yàn)，得知正在尋找新藥的研究人員正在擁抱深度學(xué)習(xí)AI并不奇怪。然而，建立一種用于發(fā)現(xiàn)新藥的AI方法并非易事。在很大程度上，這是因?yàn)樵贏I領(lǐng)域沒(méi)有免費(fèi)的午餐。在沒(méi)有免費(fèi)的午餐定理指出，沒(méi)有普遍優(yōu)于算法。這意味著，如果一個(gè)算法在一項(xiàng)任務(wù)中表現(xiàn)出色，例如面部識(shí)別，那么它將在另一項(xiàng)任務(wù)(例如藥物發(fā)現(xiàn))中表現(xiàn)出色。因此，研究人員不能簡(jiǎn)單地使用現(xiàn)成的深度學(xué)習(xí)AI。
? ? ?