详细内容或原文请订阅后点击阅览
新的人工智能算法可以加速药物开发
人工智能算法可以学习极其准确的信息识别，使它们能够区分照片中的人或屏幕上的医学图像，就像医生一样。但在大多数情况下，这些非凡的能力是基于涉及数千万亿数据点的学习。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）人工智能算法可以学习极其准确的信息识别，使它们能够区分照片中的人或屏幕上的医学图像，就像医生一样。但在大多数情况下，这些非凡的能力是基于涉及数千万亿数据点的学习。
这意味着人工智能无法像药物开发那样在有限的数据下发挥作用。
斯坦福大学化学教授 Vijay Pande 和他的学生认为，一种名为“一次性学习”的新型深度人工智能学习，只需要少量数据点，可能是解决以下问题的解决方案：数据量有限的问题。
起初，团队认为将一次性学习应用于设计的想法很不自然，因为数据太有限。然而，他们过去已经通过仅需要数百个数据结果的机器学习方法取得了成功，并且他们拥有适合测试一次性方法的数据。似乎值得一试。
令他们惊讶的是，这些结果对于药物开发和某些化学领域的工作来说是积极的。
其他研究人员已成功地将一次性学习方法应用于图像识别和基因组学，但将其用于药物开发有其自身的挑战。虽然像素对于算法来说是相当自然的数据类型，但小分子的属性更难以描述。
为了使分子信息更容易理解，科学家们首次用原子之间的连接（数学家称之为图表）来表示每个分子。此步骤将化学物质的内部特性提炼成可以通过算法处理的形式。