機器學習的轉型方法可以加速尋找新的疾病治療方法

研究人員開發(fā)了一種新的機器學習方法，可以“學習如何學習”，并且在藥物設計方面的表現(xiàn)優(yōu)于當前的機器學習方法，這反過來又可以加速尋找新的疾病治療方法。

這種稱為轉換機器學習 (TML) 的方法是由來自英國、瑞典、和荷蘭的團隊開發(fā)的。它從多個問題中學習，并在學習的同時提高性能。

TML 可以通過改進用于識別新藥的機器學習系統(tǒng)來加速新藥的識別和生產。結果報告在美國國家科學院院刊上。

大多數類型的機器學習 (ML) 使用標記示例，并且這些示例幾乎總是使用內在特征在計算機中表示，例如對象的顏色或形狀。然后計算機形成將特征與標簽相關聯(lián)的一般規(guī)則。

“這有點像教孩子識別不同的動物：這是一只兔子，這是一頭驢等等，”領導這項研究的劍橋化學工程和生物技術系的羅斯金教授說。“如果你教機器學習算法兔子長什么樣，它就能分辨出一只動物是不是兔子。這是大多數機器學習的工作方式——一次處理一個問題。”

然而，這不是人類學習的工作方式：我們不是一次只處理一個問題，而是因為我們在過去學到了東西，所以更擅長學習。

“為了開發(fā) TML，我們將這種方法應用于機器學習，并開發(fā)了一個系統(tǒng)，可以從之前遇到的問題中學習信息，以便更好地學習新問題，”金說，他也是艾倫圖靈研究所的研究員。“典型的 ML 系統(tǒng)在學習識別一種新型動物時必須從頭開始——比如小貓——TML 可以利用與現(xiàn)有動物的相似性：小貓像兔子一樣可愛，但不像兔子那樣長耳朵，驢。這使得 TML 成為一種更強大的機器學習方法。”

研究人員證明了他們的想法對來自科學和工程領域的數千個問題的有效性。他們說它在藥物發(fā)現(xiàn)領域顯示出特別的希望，這種方法通過檢查其他 ML 模型對特定分子的看法來加速這一過程。例如，典型的機器學習方法將搜索特定形狀的藥物分子。相反，TML 使用藥物與其他藥物發(fā)現(xiàn)問題的聯(lián)系。

　　免責聲明：本文由用戶上傳，與本網站立場無關。財經信息僅供讀者參考，并不構成投資建議。投資者據此操作，風險自擔。 如有侵權請聯(lián)系刪除！