详细内容或原文请订阅后点击阅览
不管好坏，机器学习正在塑造生物学研究
机器学习工具可以加快生物学研究的速度并为新的研究问题打开大门，但好处并非没有风险。
来源:ZME科学机器学习 (ML) 工具是人工智能 (AI) 的一个子集，它使用数学模型来识别输入和输出之间的模式，并经常随后根据新输入做出预测。为了改进预测，模型会获得训练数据，这些数据用于调整模型。
机器学习训练数据集中的问题（包括偏差）可能会显示在模型的预测中。此外，尽管基于机器学习的工具可以极大地扩展科学家分析复杂数据的能力，但计算机计算出预测的实际过程通常是一个无法解释的“黑匣子”。
无法解释的“黑匣子”。虽然机器学习工具在金融、物流和营销等领域产生了重大影响，但它们在科学研究（尤其是生物学）中的潜力尤其令人兴奋。这些工具已经改变了生物学家处理数据、设计实验和理解复杂系统的方式，为突破性发现铺平了道路。但人工智能也带来了自己的挑战。
机器学习为生物学研究打开了新的大门
鉴于我们面临的全球问题范围广泛，包括公共卫生危机和气候变化，提高科学研究的速度和效率至关重要。诺贝尔图灵挑战赛的组织者 Ross King 教授旨在培养人工智能科学家，他认为，要解决这些问题，唯一的希望是“更好的技术，而人工智能可以帮助实现这一点。”
诺贝尔图灵挑战赛在生物学方面，更好的 ML 技术已经产生了明显的影响。
基因编辑技术 PCR（一种复制多份 DNA 的技术） 人类大脑片段的重建 进化遗传学当然，还有蛋白质折叠。