XiaoMi-AI文件搜索系统
World File Search SystemMYCIN
第 3.2 章。人工智能
进入专家系统的黄金时代。实际上，1965 年麻省理工学院的 DENDRAL（专门从事分子化学的专家系统）和 1972 年斯坦福大学的 MYCIN（专门用于诊断血液疾病和处方药的系统）开辟了前进的道路。这些系统基于“推理机”，该推理机被编程为人类推理的逻辑镜像。通过输入数据，“引擎”提供了具有高水平知识的答案。 20 世纪 80 年代末 90 年代初，这股热潮再次消退。事实上，编写这样的知识需要付出很多努力，当编写 200 到 300 条规则时，就会出现“黑箱”效应：不清楚机器究竟如何推理。因此，开发和维护变得极其困难，而且，还可以通过许多其他不太复杂且成本较低的方法来解决。值得回顾的是，在 20 世纪 90 年代，“人工智能”一词几乎成为“禁忌”，而其更为温和的变体，如“高级计算”，进入了大学语言。
人工智能基本原理
图片来源：图 16.2 转载自 Y. Aloimonos 和 A. Rosenfeld 所著的《计算机视觉》，Science 253 (5025)，1991 年 9 月 13 日，经出版商和作者许可。• 图 16.3a 和 16.6 转载自 John Canny 所著的《边缘检测的计算方法》，IEEE PAMI，版权所有 1986 IEEE，经出版商和作者许可。• 图 16.5 和 16.21 由 Donald F. Geddis 生成。• 图 16.19 转载自 Jim Razzi 所著的《Fun with Unicorns》，经 Scholastic Inc. 许可。• 图 16.20 由 Rebecca Evans and Associates 数字化。 • 图 18.1 和 18.2 经作者许可，摘自 William van Melle 所著的《MYCIN 系统的结构》，载于 Bruce G. Buchanan 和 Edward H. Shortliffe 编辑的《基于规则的专家系统：斯坦福启发式编程项目的 MYCIN 实验》。
3-1 人工智能的历史和应用
[Buchanan 68] B. Buchanan、EA Feigenbaum 和 J. Lederberg，启发式 DENDRAL：一种用于生成有机化学解释假设的程序，1968 年 [Shortliffle 76] EH Shortliffe，基于计算机的医疗咨询：MYCIN，1976 年 [Buchanan 84] B. Buchanan 和 E. Shortliffe，基于规则的专家系统，1984 年
并行基因簇编辑照明环氧基酮蛋白酶体抑制剂生物合成的机制
DNA测序技术和生物毒素格式的进步揭示了微生物在医学和农业中产生具有不同用途的结构复杂的特殊代谢物的巨大潜力。然而，这些分子通常会重新检查结构修饰以优化它们以供应用，这可能是使用合成化学很难的。生物工程提供了一种互补的结构修饰方法，但通常会因遗传性棘手性而受到影响，并且需要对生物合成基因功能的理解。异源宿主中专门的代谢产物生物合成基因簇（BGC）可以解决这些问题。然而，当前的BGC克隆和操作方法是不具体的，缺乏实现的，并且可能非常昂贵。在这里，我们报告了一个基于酵母的平台，该平台利用了与转换相关的重组（TAR）进行高效率捕获和对BGC的并行操作。作为概念证明，我们克隆，杂酚表达和遗传分析了与结构相关的非核糖体肽epone-epone-epone- mycin和tmc-86a的BGC，阐明了这些重要蛋白质的生物合成中的模棱两可。我们的结果表明，epone- mycin BGC还指导TMC-86A的产生，并揭示了启动这两种代谢产物组装的对比机制。此外，我们的
生成ai
1。专家系统是基于规则的，因此可以解释但在扩展方面有限。2。使用逻辑和推理的专家系统将在1960 - 70年代将斯坦福大学的Edward Feigenbaum和Joshua Lederberg归功于。3。在财务专家系统中，用于风险分析，投资组合管理，投资建议。4。他们可以分析市场趋势，经济指标，财务数据，以实现知情决策。5。在法律领域中，专家系统可用于法律研究，案例分析，文件审查等任务。6。这可以帮助律师和法律专业人员做出明智的决定。7。专家系统的一个例子是在1970年代开发用于诊断细菌感染并推荐抗生素治疗的mycin。8。Eliza，第一个AI Chatbot，是由MIT的德国计算机科学家Joseph Weizenbaum（1923-2008）于1966年使用Symbolic AI开发的。
通过靶向药物再利用鉴定出 SARS-CoV-2 3a 通道阻断剂
摘要：COVID-19 大流行的病原体是 SARS-CoV-2。作为冠状病毒科的一员，这种包膜病原体有几种膜蛋白，其中两种，E 和 3a，被认为具有离子通道功能。为了增加我们的治疗选择，同时提供新的研究工具，我们试图通过靶向药物再利用来抑制 3a 通道。为此，我们使用三种基于细菌的检测方法，筛选了 2839 种获准供人类使用的药物库，并确定了以下潜在的通道阻滞剂：卷曲霉素、喷他脒、壮观霉素、春雷霉素、普乐沙福、氟马替尼、利特罗尼布、达拉帕地、氟尿苷和氟达拉滨。现在，我们已准备好在详细的电生理研究中检查这些化合物的活性及其在采取适当生物安全措施的情况下对整个病毒的影响。
印度与全球人工智能伙伴关系——前进之路
“尽管自 1956 年提出 AI 这一术语以来，AI 领域一直是广泛研究的领域，但直到最近才开始大规模部署用于不同领域和任务的智能应用。20 世纪 50 年代末和 60 年代初的研究方向是开发通用技术，这些技术可以应用于多个领域。结果并不令人鼓舞，并导致了该领域的第一个寒冬，这种寒冬始于 60 年代末，一直持续到 70 年代末。人们意识到领域知识起着重要作用，因此研究的重点是知识的表示和使用。开发的系统被称为基于知识的系统。MYCIN 是一种使用规则来表示专家知识的 KBS，已成功应用于医学领域。其他领域也开发了许多这样的系统。由于这些系统基于人类专家的知识，因此被称为专家系统。几家公司抓住了这一机会。然而，到了 80 年代末，人们发现这些规则往往很脆弱，在实际应用中不起作用，需要合并大量规则来处理各种情况。当几家公司在
真菌细胞壁：抗真菌治疗尚未得到充分利用的靶点
几丁质是 β-1,4-连接的 N-乙酰葡萄糖胺 (GlcNAc) 的线性均聚物，对细胞活力至关重要。几丁质由膜定位的几丁质合酶家族（Chs1 至 3 和白色念珠菌中的 Chs8）合成，其中 Chs1 是必需的 [1]。多抗霉素和日光霉素是 Chs 酶的强效抑制剂，由于结构相似，它们会与 Chs 底物 UDP-GlcNAc 竞争 Chs 结合，但对整个细胞的作用有限。日光霉素 Z 对引起呼吸道感染的球孢子菌有效。该药在感染后 2 天将真菌肺部负担降低了 6-log 40，但由于缺乏资金，临床试验被终止 [1,2]。参与几丁质合成的酶具有专门的功能，但在特定条件下可能在功能上冗余。此外，Chs 家族成员之间蛋白质结构的细微差异使高效几丁质合酶抑制剂的开发变得复杂。例如，Chs1 特异性抑制剂 RO-09-3143 可阻断 Chs1 形成隔膜并抑制细胞生长，但 Chs1 抑制仅在 chs2 Δ 缺失突变体中致死，表明功能冗余 [3]。其他几丁质合酶抑制剂（如 3-取代氨基-4-羟基香豆素衍生物）也被发现具有抗真菌活性 [4]，但尚未用于临床。
病理学中的人工智能：简单实用的指南
虽然人工智能 (AI) 在病理学中的作用在过去几年中迅速提升，但其使用例子可以追溯到很多年前。20 世纪 70 年代，研究人员利用经典的计算原理设计了一个人工智能计算平台，称为专家系统。人工智能在医学领域的一些早期例子是建立在专家系统之上的，这些专家系统依赖于手工制作的基于规则的算法。这些算法转化为有前途的系统，如 MYCIN，它可以根据临床数据识别细菌并指导治疗，1 以及病理学专家解释报告系统 (PEIRS)，这是一种自动化化学病理报告解释系统。2 专家系统的手工规则在设计过程中需要领域知识（即个人或团体在某一领域的专业知识），并且在需要解释感官信息（如图像）的任务中面临重大挑战。在 20 世纪 90 年代，细胞病理学和血液病理学处于解决图像处理问题的前沿。这些后来的系统是基于特征工程原理设计的，利用领域知识构建算法，从原始数据中提取信息特征。3 PAPNET 系统、AutoPap 300 QC 系统以及后来的 Thin-Prep 成像系统是细胞形态图像分析系统，在此期间获得了美国食品药品管理局 (FDA) 的临床使用批准。4 – 6 PAPNET 率先使用人工神经网络（一种机器学习 (ML) 形式）来补充算法设计。ML 是计算领域的一项重大进步，它是一套技术，用于
全民人工智能 - 浦那
人工智能 (AI) 的新纪元可以追溯到 1956 年，当时 John McCarthy 博士在美国汉诺威达特茅斯学院的一个夏季研讨会上首次提出了 AI 一词。由于研讨会非常成功，后来美国、日本、德国和英国的几所顶尖大学和计算机行业都投入巨资来理解、开发 AI 的方法和应用。著名的发明有麻省理工学院的 Joseph Weizenbaum 发明的 Eliza，斯坦福大学的 Edward Shortliffe 发明的 MYCIN 等专家系统，密歇根大学的 John Holland 博士发明的遗传算法。然而，对当今全球 AI 发展最值得注意的贡献是日本于 1980 年代启动的“第五代计算机项目”。该项目的成果不仅仅是发明和创新，最重要的是，为全世界提供了数以千计的聪明的 AI 工程师、程序员、技术人员、管理人员和推动者。自那时起，人工智能在几乎所有与制药、银行和金融、农业、食品加工、时尚、犯罪预防、智能家居、交通管制、野生动物保护、军事、灾害管理、医疗保健、机器人、制造业、体育、教育、人力资源、污染控制、政治等相关的基础和应用研究中都发挥了重要作用。为了成为这一方向的推动者和贡献者，浦那麻省理工世界和平大学 (MITWPU) 以在线模式组织了为期五天的教师发展计划 (FDP)，题为“人工智能为所有人”。FDP 旨在阐明人工智能的概念、公式、应用等。来自世界各地的人工智能领域的精英和活跃研究人员均受邀参加。