高级AI模型并不总是比简单的模型好

Elise Racine / Toy Models I / CC-BY 4.0 < / div>许可

Elise Racine 玩具模型i 由CC-BY 4.0

Tanya Petersen

理解遗传扰动，当科学家故意改变基因以了解这对细胞的影响时，是了解我们的基因所做的事情以及如何控制它们的关键。这些知识在细胞工程和开发新治疗方面具有重要的应用。

今天，科学家可以在实验室中测试许多不同的遗传扰动。但是有很多可能的组合，以至于无法测试它们。

AI和机器学习创造了机会使用大型生物数据集中的信息来预测基因更改时会发生什么 - 即使这种变化从未在实验室中进行测试。但是，这些模型的工作状况如何？

评估不同的预测模型

为了评估这一点，EPFL的生物医学实验室的机器学习研究人员（MLBIO）与计算机和传播科学学院和生命科学学院有关，与国际同事合作测试了最佳AI模型。他们使用了十个不同实验的数据，并将其与简单的统计方法进行了比较。

生物医学实验室的机器学习 计算机和传播科学学院 生命科学学院

在最近在《自然生物技术》上发表的一项研究中，该团队发现了一些令人惊讶的东西。简单方法的做法和许多数据集上的高级AI模型一样，甚至比不得更好。

最近在自然生物技术上发表的研究

“简单方法的性能以及先进的AI模型使我们感到奇怪的是：高级模型实际上了解基因更改的作用吗？标准指标适合评估这些模型吗？” MLBIO实验室负责人Maria Brbic教授说。

为什么简单的方法做得很好？

预测比标准指标建议

参考

了解有关Systema的更多信息。

Systema

EPFL