Las máquinas de aprendizaje de inteligencia artificial IA se pueden entrenar para resolver problemas y acertijos por sí mismas en lugar de usar reglas que creamos para ellas. Pero a menudo, los investigadores no saben qué reglas establecen las máquinas por sí mismas. Cold Spring Harbor Laboratory CSHL El profesor asistente Peter Koo desarrolló un nuevo método que evalúa un programa de aprendizaje automático para averiguar qué reglas aprendió por sí solo y si son las correctas.
Los informáticos "entrenan" a una máquina de inteligencia artificial para hacer predicciones presentándola con un conjunto de datos. La máquina extrae una serie de reglas y operaciones, un modelo, basándose en la información que encontró durante su entrenamiento. Koo dice :
"Si aprendes reglas generales sobre las matemáticas en lugar de memorizar las ecuaciones, sabes cómo resolver esas ecuaciones. Entonces, en lugar de solo memorizar esas ecuaciones, esperamos que estos modelos estén aprendiendo a resolverlas y ahora podemos darle cualquierecuación y la resolverá ".
Koo desarrolló un tipo de IA llamado red neuronal profunda DNN para buscar patrones en las cadenas de ARN que aumentan la capacidad de una proteína para unirse a ellos. Koo entrenó su DNN, llamado Residual Bind RB, con miles deLas secuencias de ARN coincidían con las puntuaciones de unión a proteínas, y RB se volvió bueno para predecir las puntuaciones de nuevas secuencias de ARN. Pero Koo no sabía si la máquina se estaba enfocando en una secuencia corta de letras de ARN, un motivo, que los humanos podrían esperar, o algo.otra característica secundaria de las cadenas de ARN que podrían no tener.
Koo y su equipo desarrollaron un nuevo método, llamado Análisis de importancia global, para probar qué reglas generaba RB para hacer sus predicciones. Presentó a la red entrenada un conjunto cuidadosamente diseñado de secuencias de ARN sintético que contienen diferentes combinaciones de motivos y características que ellos científicos pensaron que podría influir en las evaluaciones de RB.
Descubrieron que la red consideraba algo más que la ortografía de un motivo corto. Consideraba cómo la hebra de ARN podría doblarse y unirse a sí misma, qué tan cerca está un motivo de otro y otras características.
Koo espera probar algunos resultados clave en un laboratorio. Pero en lugar de probar todas las predicciones en ese laboratorio, el nuevo método de Koo actúa como un laboratorio virtual. Los investigadores pueden diseñar y probar millones de variables diferentes de forma computacional, mucho más de lo que los humanos podrían probar enun laboratorio del mundo real.
"La biología es súper anecdótica. Puedes encontrar una secuencia, puedes encontrar un patrón pero no sabes '¿Es ese patrón realmente importante?' Tienes que hacer estos experimentos de intervención. En este caso, todos mis experimentos sonhecho con solo preguntar a la red neuronal ".
Fuente de la historia :
Materiales proporcionado por Laboratorio Cold Spring Harbor . Original escrito por Luis Sandoval. Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :