美國加州理工學院的科研人員利用合成的DNA分子研制出了一個人工神經網絡，能夠處理經典的機器學習問題。

加州理工學院的研究人員開發了一種由DNA制成的人工神經網絡，可以解決經典的機器學習問題：正確識別手寫數字。這項工作在展示將人工智能引入合成生物分子電路的潛力方面邁出了重要一步。這項工作是在生物工程助理教授Lulu Qian的實驗室完成的。描述該研究的論文于7月4日發表在網絡上，并發表在7月19日出版的《自然》雜志上。

Qian表示：“雖然科學家們剛剛開始在分子機器中創建人工智能的探索，但其潛力已經不可否認。電子計算機和智能手機使得人類的能力比一百年前更強。與此類似的是，在未來的一百年內，人工分子機器可以構造出所有由分子組成的物體，其中甚至可能包括油漆和繃帶。它們更加強大，且對環境的適應性更好。”

人工神經網絡是受到人類大腦啟發的數學模型。盡管與其生物學對應物相比被大大簡化，人工神經網絡的功能與神經元網絡是類似的，并且也能夠處理復雜信息。在Qian的實驗室開展的這項工作的最終目標是利用DNA制作的人工神經網絡對智能行為（計算、做出選擇等行為的能力）進行編程。

“每個人的大腦中都有超過800億個神經元，因此人類可以做出非常復雜的決策。較小的動物，如蛔蟲，可以使用幾百個神經元做出較簡單的決策。在這項工作中，我們設計并創造了很多生物化學電路，使其可以像一個小型神經元網絡一樣對分子信息進行分類，且能夠處理的分子信息比以前復雜得多”，Qian說。

為了說明基于DNA的神經網絡的能力，Qian實驗室的研究生Kevin Cherry選擇了電子人工神經網絡的一個經典挑戰作為自己的任務：識別字跡。人類筆跡的差別可能是很大的，所以當一個人仔細檢查一個潦草的數字序列時，大腦會執行復雜的計算任務來識別它們。由于即使是人類也很難識別他人的潦草筆跡，所以識別手寫數字是對將智能引入人工神經網絡工作的一種常見測試。這些網絡必須“學會”如何識別數字，解釋筆跡的變化，然后把一個未知的數字與它們所謂的記憶進行比較，并確定是什么數字。

在發表在《Nature》的論文中，Cherry演示了由精心設計的DNA序列制成的神經網絡可以進行規定的化學反應，以準確識別“分子字跡”。不同幾何形狀的視覺筆跡是不一樣的。與此不同的是，分子字跡的每個例子并不具有某個數字的形狀。相反，每個分子數字由20個獨特的DNA鏈組成，這些DNA鏈選自100個分子，每個分子用于表征任意10×10模式下的單個像素。這些DNA鏈在一個試管中被混合在一起。“自然分子簽名缺少幾何特征的情況并不少見，但仍然需要復雜的生物神經網絡來識別它們：例如，獨特氣味分子的混合物會包含某種氣味，”Qian說。

在處理特定分子字跡的時候，DNA神經網絡可以將其分類為多達九個類別，每個類別代表從1到9的九個可能的手寫數字中的一個。

首先，Cherry構建了一個DNA神經網絡來區分手寫的6和7。他測試了36個手寫數字，而試管神經網絡正確識別了所有這些數字。理論上，他的系統能夠將超過1.2萬個手寫的6和7分為兩個類別——90％的數字來源于機器學習廣泛使用的手寫數字數據庫。

這個過程的關鍵是使用由Qian和Cherry開發的DNA分子對“贏家通吃”競爭策略進行編碼。在該策略中，為確定未知數字的身份，需要使用被稱為殲滅者的特定類型的DNA分子來選擇獲勝者。

Cherry說：“殲滅者與來自一個競爭者的一個分子和來自另一個競爭者的一個分子形成一個化合物，并通過反應形成不活潑的惰性物種。殲滅者迅速吞噬所有競爭對手的分子，直到只剩下一個競爭對手的物種。然后，獲勝的競爭者被恢復到高濃度并產生熒光信號，以此來表明網絡的決定。”

接下來，在他的第一個DNA神經網絡原理的基礎上，Cherry開發了一個更復雜的模型，可以對從1到9的單個數字進行分類。當給出一個未知數字時，這款“智能湯（smart soup）”會進行一系列的反應并輸出兩個熒光信號，例如，綠色和黃色代表一個5，或綠色和紅色代表一個9。

Qian和Cherry計劃開發能夠學習的人工神經網絡，并從用于試管模型的實例進行學習。Qian表示，通過這種方式，可以訓練同樣的智能湯來執行不同的任務。Cherry說：“普通的醫學診斷會檢測到一些生物分子的存在，例如膽固醇或血糖。如果使用像我們這樣的更復雜的生物分子電路，將來有可能可以對數百種生物分子進行診斷測試，并直接在分子環境中做出分析和反應。