Peking Üniversitesi AI Açık Sınıf 6. Ders Wang Jun: DNA, yaşamı dijitalleştirme sürecidir, AI yaşam bilimini değiştirir
Xinzhiyuan Orijinal
Kişisel sunum
Hayatın kendisi bir yapay zeka öğrenme programıdır. Öğrenmenin özü DNA'dır. DNA programı, tüm programlar ve çevre arasındaki etkileşimin sonuçlarını içerir ve her nesil, yinelemek için en iyi programı seçer. Bu nedenle vücudumuzdaki DNA yaşamın başlangıcına kadar izlenebilir. DNA programı geçmiş tarihi ve geleceği içerir, çünkü çevre gelecekte hala değişiyor, bu program zaten bir öğrenme sistemidir. Örneğin, bir bilgisayarda uğur böceği için bir program yazdım. Bu program silikon tabanlıdır. Gerçekte hayat karbona dayalıdır ve karbon bazlı DNA programı da devam etmektedir.Daha sonra ikisi arasındaki sınırı nasıl kıracağımızı konuşacağız. Program bilgisayarda yinelenirse, ona en iyisini seçmesini söylerse, hayat aynıdır.Kontrol noktası, onun hayatta kalıp kalamayacağını ve genişleyip genleri geçip geçemeyeceğini görmektir. Tek seçim kriteri. Bu nedenle, DNA'nın kendisi yaşamı dijitalleştirme sürecidir.
Tanrı bu öğrenme programını tıpkı bir bilgisayar programı gibi kodlamıştır. Vücudumuzun bir programı var.Eğer anlamak istiyorsanız, karbon bazlı program açık ara en verimli depolama ortamıdır.Dünyadaki tüm bilgiler bir kilogram DNA'da saklanabilir. Milyonlarca yıl saklanabilir, ancak bilgisayar depolama ortamı ona ulaşamaz. Bir CD onlarca yıldır çalışmayabilir. DNA'nın kodlanması dördüncül bir kodlamadır. Yaşam programını anlamak istiyorsanız, ilk yapmanız gereken programı okumaktır. Yüksek lisans öğrencisiyken yüzde bir planım vardı, bu da Çin'in İnsan Genomu Projesi'nin yüzde birini üstleneceği anlamına geliyordu. Dünya çapında 3.000'den fazla bilim insanı, bir kişinin genetik profilinin 3 milyar baz çifti dizisini okumak için 9 milyar ABD doları harcadı. Ama şimdi, bir makine bir kişinin genetik haritasını günde yalnızca bin dolara okuyabiliyor. İnsanlar, çeşitli türlerin gen haritası dizilerini okuyarak, bu türün ne tür bir hayatta kalma stratejisi benimsediğini anlayabilir. Bireyin genetik sıralaması yorumlanarak, bireyin uyum yeteneği yorumlanabilir. Bir zamanlar böyle bir yorum yaptık. 50 Tibet genini 50 Han insanıyla karşılaştırdık ve vücudunuzdaki hemoglobin içeriğini azaltabilecek bir gen keşfettik.Tibetlilerin% 90'ından fazlası bu gen mutasyonuna sahip. Ancak Han insanlarında çok az genetik mutasyon vardır. Bu tür gen dizileri, özellikle yüksek dağların varlığına uyarlanmıştır. Yani her bireyin yaşam süreci ile yaşadığı ortam arasındaki uyum ilişkisi farklıdır.
DNA dizisinin okunması çeşitli hizmetler sağlayabilir. İlk hizmet doğum kusurlarını taramaktır.Dünyada doğum kusurlarının neredeyse% 5 ila% 6'sı vardır.Bunların önemli bir kısmı genetik olarak ilişkilidir, bu da yaşam programındaki bir hataya eşdeğerdir, bu yüzden birçok bağımsız problem görülecektir. Aşamalı donma, Down sendromu, talasemi vb. İkincisi ateş ve ishal gibi enfeksiyon kaynağının tespiti, virüs mü yoksa mikrobik enfeksiyon mu olduğunu bilmiyorum. Böylece kandaki veya dışkıdaki DNA ve RNA sıralama için öne sürülür; üçüncüsü kişiselleştirilmiş tıptır. Her ilacın gelişimi, belirli bir geni veya belirli bir metabolik yolu hedef alır ve tümörlerin oluşumu da genler ve metabolik yollarla ilgilidir. Bunlar, DNA'nın en yaygın üç uygulamasıdır. DNA teknolojisi artık basitçe kopyalayabilmek ve klonlayabilmek için geliştirilmiştir. Gen teknolojisini düzenlemek gibi. Gen düzenleme teknolojisi 3 milyar harf DNA'dır.Hangi harfi değiştirmek istersem onu değiştirmek istiyorum. Ayrıca gen sentezi var. Yani bilgisayarda bir kod parçası yazdım ve bir test tüpünde sentezledim. Bakteri sentezi çok kolaydır, maya ise ökaryotiktir ki bu daha zordur.
Fakat genleri değiştirme ve yaşamı sentezleme becerisinde ustalaştığınızda, birdenbire hayatın gerçekten anlaşılmadığını keşfedersiniz. Geni okuyabilirsin ama anlamıyorsun. Az önce bahsettiğim sözde 10.000 tek gen hastalığı, hepsi çok basit bire bir ilişkili hastalıklardır. Diyabet gibi birçok hastalık çok karmaşıktır. 30 yıl önce Çin'de diyabet insidansı% 0.67 idi. Otuz yıl sonra, Çin'de diyabet insidansı% 11'dir ve insanların% 20'si pre-diyabetiktir. Diğer bir deyişle, Çin'deki Çinli yetişkinlerin 1 / 3'ü ya şeker hastası ya da şeker hastası. 30 yıl sonra neden bu kadar çok şeker hastalığı var? Beş yıl önce Doğa üzerine bağırsak mikropları üzerine bir çalışma yayınladım.Diyabetik kişilerdeki mikropların normal insanlardan çok farklı olduğunu buldum.Yani genlerin küçük etkilerine ek olarak daha çok bağırsak. Mikropların etkisi. Bu yüzden bazı insanlar, normal insanların dışkısını şeker hastalarının vücuduna koymak gibi çeşitli deneyler yapmaya başladılar ve bağırsak mikropları, şeker hastalarının daha iyi olup olmayacağı konusunda tamamen sıfırlandı. O zamanlar iyiydi, ama yemeğe ve diğer yönlere dikkat etmezsem, tekrar geri döndüm.
Hayatın kendisi bir yolculuksa, genler başlangıçtır, son değil. Y ekseni diyabet gibi hastalık riski ise, diyabetle doğma riski% 20 olabilir, ancak gelecekteki yaşam yolculuğunda çeşitli kararlar olacaktır. Bugün on kilometre koştum ve yarın sabah iki etli çörek yedim. Yarından sonraki gün başka bir Maotai kedisi içtim. Tüm bu kararlar diyabet riskini artıracak veya azaltacak. Her karar hastalık risk değerini sürekli değiştirecek. . Bir hayatı yönetmek zordur. Geni test edeceğim ve bin dolara mal olacak. Bununla birlikte, hayatın karmaşıklığı bunlardan çok daha büyük ve içinde birçok iniş ve çıkış var. Öyleyse, hayatın kendisini gerçekten nasıl anlayabiliriz? Uğur böceklerine geri dönelim, uğur böceklerinin yırtıcı davranışlarını nasıl anlayabilirim? Çözüm, silikon tabanlı dünyada bir yapay zeka ağı kurmak ve dijital benlik aracılığıyla karbon temelli dünyadaki benliği simüle etmektir. Bilgisayardaki Wang Jun, gerçekte Wang Jun'u sürekli öğreniyor. Tüm girdiler bilgisayara girilir ve tüm son eğitim sonuçları bilgisayara verilir. O zaman, silikon temelli dünyadaki ben, karbon temelli dünyada gitgide daha çok benim gibi olabilir. Bu Carbon Cloud'un yapması gereken bir şey. BGI'nin yaptığı şey, genleri daha ucuza okumaktır.Carbon Cloud'un yapmak istediği, yaşamı anlamaktır. Bu nedenle, öncelikle gen dizisi, gen metilasyonu, RNA, protein, metabolitler ve dışkıdaki çeşitli moleküler biyolojik bilgiler gibi girdi ve çıktıları sayısallaştırmak için silikon tabanlı bir öğrenme sistemi oluşturmamız gerekiyor. , Çeşitli müdahaleler, bu veriler bilinmelidir.
Bana atılan adım sayısını, uyku süresini, tansiyonu ve 24 saatlik non-invaziv kan şekerini söyleyebilecek her türlü giyilebilir cihaz var. Carbon Cloud şu anda akıllı bir tuvalet yapıyor. Şimdi, tüm bu yaşam bilgisi boşa gitti. Örüntü tanımaya göre, kalça tanıma yazılımı bu kişinin siz olup olmadığını anlayabilir. Oturduktan sonra, idrarın, bağırsak dışkısının, yumuşaklığın ve sertliğin, bağırsak mikroplarının ve metabolitlerin rengini ve kokusunu dijitalleştirin. Öyleyse gelecekte etrafınızdaki akıllı şeyler veri toplayabilir mi?
Ya bu kadar çok veri varsa? Carbon Cloud, kuruluşundan sonra büyük ölçekli satın alımlar gerçekleştirdi. Genler, transkriptomlar ve bağırsak mikropları gibi birçok verinin sekanslama yoluyla elde edilebileceğini gördük. Kütle spektrometresi, metabolom verilerini çözebilir. Bir proteomik şirketi satın alan ilk biz olduk. Bu şirketin her bir proteininin kendisine bağlı özel bir DNA dizisi vardır. Protein yıkandığında, DNA dizisini doğrudan okuyun ve sonra hangi proteinin içinde olduğunu öğrenin. Bu şirket bir seferde 5.000 protein okuyabilir ve gelecekte 20.000 protein yapabilir. Her insan geninin proteini için bir kerelik tarama yapmak mümkündür ve maliyet 10.000 ABD dolarının altına düşürülür. Bu çalışma büyük önem taşıyor. Vücudumuz proteinden oluştuğu için hormonlarınız, kronik iltihaplanma faktörleriniz ve tümör belirteçleriniz proteinden yapılmıştır. Ve protein bir kerede taranabilirse, sonuç çok iyidir. Örneğin, bu yıl bir makalede, önümüzdeki beş yıldaki koroner kalp hastalığı riski dokuz proteine göre değerlendirilebilir.Bu risk çok yüksek. Diyabet oluşumu bir gecede değil, uzun soluklu bir gelişim sürecidir.Vücutta kesik değil çok sayıda sinyal vardır. Test için hastaneye gittiğimiz şey bir kesintiydi. Carbon Cloud'un yapması gereken, hayatınızın trendini tanımlamak ve şu anda durumunuzu bilmek. Bu dokuz proteini görünce, herhangi bir müdahale olmaksızın hala mevcut yaşam tarzınıza göre yaşarsanız, önümüzdeki beş yıl içinde kesinlikle koroner kalp hastalığına yakalanacağınızı anlayabilirsiniz. Böyle bir tahmine dayalı model, az önce bahsettiğim öğrenme modelidir. Başka bir örnek vermek gerekirse, bağışıklık sistemi, eksojen ve endojen olmak üzere ikiye ayrılmış bir antikordur. Antikor testi, vücuttaki antikorları tespit etmek için tek seferlik bir tarama için bir çipe yerleştirildi. Sonrasında pek çok soruya cevap verebilirim.Hastalık nedir, tedavi planı doğru mu, yediğim yemek sağlığımı etkiliyor mu, alerji nasıl geliyor, neye bulaştı, bağışıklık sistemim beni etkiliyor mu? Bunların hepsi dijital sinyallerle çözülebilir. Gerçek veri, aşı sonrası ateşi olan kişilerin vücutlarındaki antikorların durumunun, normal bağışıklık sisteminin durumundan tamamen farklı olmasıdır. Bunların genlerle hiçbir ilgisi yoktur, ancak farklı yaşam ortamlarıyla çok ilgisi vardır.
Bu resmin gösterdiği şey, vücudunuzdaki antikor durumundan nereye gittiğinizi bilebilirsiniz, çünkü yalnızca o mikroorganizma ile enfekte olan yerde vücut bu tür antikorları oluşturacak ve hatta herkesi açıkça hareket ettirebilir. Yolu çizin. Bu dijital yöntem, az önce bahsettiğim girdidir. Başka bir örnek vermek gerekirse, VKİ'yi sıklıkla ölçüyoruz ama kaslar yağla aynı değil Karın üzerindeki et kalçanın etiyle aynı değil.Vücudun şekli ve kalp hastalığı riski çok farklı. Bir aynanın karşısında durursanız, tüm bunlar bilinebilir. Yüz tanıma da vardır: Birçok tek gen hastalığı dahil olmak üzere, yüz tanıma yoluyla doğrudan teşhis edilebilen ondan fazla hastalık vardır. Down sendromu gibi. Görüntü analizi ile tespit edilebilen çeşitli noktalar da vardır. IBM Waston tarafından kullanılan görüntü analizinin arkasındaki yazılım bizim. Başka bir örnek de beynin BT'si, ister kanama noktası ister görüntü iyi değil Çok deneyimli BT doktorları hatalara yatkındır.Bunu yapmak için yapay zeka kullanabilir misiniz? Resim çekmek, diyeti kaydetmek, tüm dijital diyet ve beslenme gibi birçok veri çok anlamlı olacak ve ölçülebilir başka bir veri türü ölçülebilir. Vücudunuzda ağrı, yorgunluk, heyecan, ruh hali gibi kaydedilmesi çok zor olan birçok veri vardır. Kısa süre önce tüm bunları yapılandırabilen yabancı bir şirket satın aldık ve 500.000 kişi bu yapılandırılmış verileri diyet, zihniyet vb. Tamamen kaydetmek için kullanıyor. Bu nedenle, ancak tüm veriler kaydedildikten sonra, az önce bahsettiğim öğrenme sisteminin temeline sahip olacak mıyız yoksa boşuna bir yapay zeka modeli oluşturacağız. Diyabet eğitimi almak istiyorum ama diyet bilgilerini kaydetmedim bile. Nasıl diyabet modeli yapabilirim?
Bu verilerle nasıl başa çıkılacağı, müdahale etme ihtiyacı duyulması, onu eğitmek için kendini fırlatması, en basit olanı deneyime dayanır. Geçen yıl 1-7 Ekim tarihleri arasında tüm Carbon Cloud ortakları yedi gün boyunca yemek yemedi ve bir ortak iki fincan kahve içti. Verilerden görebiliyoruz. Çünkü 24 saat kan şekeri monitörü var. Değişiklikleri yedi günde tespit ediyoruz Bu çok uç bir durum, yedi gündür hiç yemek yemediyseniz, vücudunuz nasıl değişir? Kendi genetik dizilimimi defalarca yaptım ve dünyadaki en doğru genom verilerine sahip olabilirim. Birçok genetik kusurum var En bariz genetik kusur gut taşıyan genler Ürik asit seviyem çok yüksek. Çeşitli denemelerden sonra, üç ay dulavratotu çayı içtikten sonra ürik asidin geri döndüğünü keşfettim. Bu süreçte vücudum nasıl değişti? Daha az yersem ne olur, daha fazla yersem ne olur, Deng Zhu zirvesine ne olur, bir maratona ne olur ya da tatildeyken ne olur, işte çok baskı altındayken ne olur, bunlar Her şeye müdahale denir. Bu, karbon tabanlı programıma bir tür müdahale. Bu tür bir müdahale sayısallaştırıldıktan sonra modelimi eğitebilirim ve modelim gittikçe daha çok benim gibi olacak. Bir öğrenme sistemi kurmak için A noktasından B noktasına bir noktayım ama bu öğrenme sistemi ne öğrenmem gerekiyor? kendimden, çünkü o kişi benim.
Ama öğrenmenin, başkalarından öğrenmenin ikinci bir yolu olduğunu bilmelisiniz. Akıllı bir diyabet modeli, akıllı bir kan şekeri yönetimi modeli yapmak istiyorsam, odadaki herkesin aynı şeyi yapmaya başlamasını ve ardından kan şekeri değişikliklerini izlemesini istiyorum. Herkesin giriş terminali farklıdır, çıkış terminalinin aynı olup olmadığını gözlemleyin. Daha önce, insan genomunun tamamlanmasının onuncu yıldönümünü kutlamakla ilgili Science üzerine bir başyazı yazmıştım, herkes için ve herkes için sekans diye bir şey yazmıştım. Kendi verilerinizi sadece kendiniz için değil, tüm insanlık için yapın, neden? Bu, Cell tarafından geçen yıl yayınlanan bir makale. 800 İsrailli farklı şeyler deniyor. Muz da yiyorlar Bazı insanlar yüksek kan şekeri ve bazılarında düşük kan şekeri var Bu neden oluyor? Genleriniz farklı olduğu için bağırsak mikroplarınız farklıdır.Aynı şeyi yeseniz bile, genetik arka plan ve bakterilerin etkisi altında kan şekeri seviyesi farklıdır.Bu şey bir yapay zeka modeli ile simüle edilebilir. Kan şekeri kontrolü için kesin bir beslenme modeli yapmak için yalnızca 800 kişiye ihtiyaç duyuldu. Yeni bir veri noktasına geldiğimde, girdimi modele koydum Kan şekeri yönetimi ve kontrolünün doğruluğu% 95'e kadar çıkabiliyor ki bu inanılmaz. Bu yapılabilirse, gelecekteki kan şekeri yönetimi çok akıllı hale gelecek ve bu başarılabilir. Bu yüzden internetten biraz daha yüksek olan sözde yaşam interneti var. Bu, dijital yaşamın ağıdır, tüm dijital yaşam ağa bağlıdır.
Birkaç örnek vereyim, az önce dünyada doğum kusurlarının% 5, monojenik hastalıkların% 1 olduğunu belirttim. Örneğin, donma sendromu 10.000 kişiden birinde donma sendromu olacak, ancak 100.000 kişiden birinde donma sendromu geni var, ancak o donma sendromu değil. Neden? Belki de vücudunda donmasını önlemek için başka bir dizi koruma mekanizması vardır. Bu kişiyi bulursanız, donma için bir çare bulmanız mümkün olabilir. Tek genli bir hastalık dedim. Ekstrem durumlarda kimsenin dijital yaşam programı mükemmel değildir. Tüm insanların kusurları vardır ama her yaşam programı özeldir. Yapmanız gereken, onu dijitalleştirmek, en özel yerinizi bulmak ve ardından kusurlu yerinizi bulmak, başkalarının kusurlarına yardımcı olmak için özel yerinizi kullanmaktır. Bu, Digital Life Network'ün başarabileceği en iyisidir. Şey, ve bu şimdi yapılabilir. Ağa ne kadar çok kişi katılırsa, bu model o kadar doğru olur ve özel ve kusurlu yerlerinizi bulma olasılığınız o kadar artar. İnternetin marjinal etkisi İnternet'inkinden çok daha güçlüdür çünkü insan sağlığı ve yaşamın sorunlarını çözer. Bunlar kesinlikle çözülebilir, ancak çözümleri yaşam süreçlerinin anlaşılmasında yatıyor. Giderek daha fazla insan için veri üretimi ve bir araya getirilmesi ve modellerin sürekli iyileştirilmesi, dijital yaşam anlayışı.
Az önce bahsettiğim şeylerin çoğu modeller ve tahminler.Örneğin, gelecekte birçok genç için şeker hastalığım olabilir.Şimdi kendimi daha iyi biliyorum ve çeşitli hastalıkların riskleri net.Ne yapmalıyım? Tüm bunları öğrendikten sonra, değişkenlerden biri kendi ellerinizde. Bizim seçimimiz biziz. Bu dünyada olduğumu bilseydim, tüm koşulları test edemezdim. Örneğin, dünyanın her yerinde kahvaltı yapmam gerektiğini söyleyemem ama bunu dijital olarak yapabiliyorum, bu yüzden aslında dijitalleştirilmiş ben en iyi seçimi yapmama yardımcı olacak en önemli şey. Üç yıl içinde yüksek diyabet riskim olduğunu biliyorsam, böyle bir olasılık var mı? Dijital ben bana trendimi düşürecek en iyi çözümleri sunsun. Hayatımın riskinin böyle gittiğini bilirsem, trendimin düşmesine izin verebilir miyim, hasta olmadığımda buna hassas sağlık, hastalandığımda buna hassas ilaç denir.
Örneğin, cilt sağlığı ve güzelliği sorunları. Güzellik ve cilt bakımı ürünlerini esas olarak pazarlama nedeniyle satın alıyoruz. Herhangi bir güzellik ve cilt bakımı ürünü üreticisi, onu herkes için kullanmak ister ve kişiselleştirilmiş satışlar istemez. Yani dünyada sayısız markayı, her türlü markayı, her türlü şeyi göreceksiniz, ama hangisinin sizin için en iyisi olduğunu biliyor musunuz? Yalnızca veri girişi. Örneğin genleriniz, bağırsak mikropları, cilt mikropları, ciltteki lipidler, idrardaki hormonlar nasıl ve tüm bu verilere dayalı bir yapay zeka modeli oluşturuyor. . Ürün tarafındaki tüm malzemeleri de biliyorsunuz Piyasada bulunan güzellik ve cilt bakım ürünlerinin tüm formülleri sadece birkaç bin adetten sonra eşleştirmeye başlayabilir, çeşitli kibritler yapabilirsiniz. Bu yıl Mayıs ayından bu yana, bu maçlardan binlerce yaptık Bu bir öğrenme sistemi. Dijital cildiniz giderek daha çok cildinize benziyor. Her sabah yüzünüze sadece bir cilt bakım ürünü uygulayabilirsiniz, ancak dijital cildinize bin tane uygulayabilirsiniz. Geçen yılki vakamızda olduğu gibi bu kişi de Everest Dağı'na tırmandı ve yüz cildi tamamen güneş yanığı oldu.Bunu yapmak için çeşitli veriler topladık ve bir hafta sonra cildi tamamen iyileşti. Deri mikroorganizmaları, tüm bu küçük moleküller, proteinler ve EGF gibi yapılabilecek birçok şey vardır. Kısa süre önce bir şirkette hissedarlık yaptık, bu şirket çok ilginç, AO BIOME adında. Banyo yapmanın cilt mikroplarına zararlı olduğunu herkes bilir, 13 yıldır banyo yapmamış bir kişiden cilt için probiyotik çıkarırlar. Şimdi Amerika Birleşik Devletleri'ndeki Amazon, akne tedavisi, bebek kırmızı kalçaları, alerjiler, rinit, farenjit ve astım gibi çok fazla faydası olan böyle bir ürün satıyor. Rinit ve farenjit, doğrudan probiyotiklerle hafifletilebilen burun ve yutaktaki mikrobiyal bozukluklardan kaynaklanır. Son zamanlarda, tıpkı Viagra'nın başlangıçta kalp hastalığını tedavi etmek için kullanıldığı gibi, bir akne tedavisinin yüksek tansiyon tedavisi için çok iyi olduğu keşfedildi ve afrodizyak olduğu ortaya çıktı.
Bu yüzden daha önce yaptığım tüm iş, cildi iyileştirmek için malzemeler bulmak ve ardından verileri her iki tarafa da bağlamaktı. Beslenme aynıdır.Vücudunuzun verilerini beslenme verileri ile birleştirirseniz, hangi beslenmenin sizin için iyi olduğunu bilirsiniz. Bir başka örnek de bağırsak probiyotikleridir. Dünyadaki mikroorganizmaların yalnızca yüzde birinden daha azı gerçekten ayrıştırılabilir ve yetiştirilebilir. Her bir mikropu aynı anda bir delikte yetiştirmek için bir çip kullanabilen bir şirket bulduk, böylece aynı anda binlerce mikrop taranabilir. Örneğin dışkıdaki tüm bakterileri izole edip yetiştirip bir çipin üzerine koyabilirsiniz.Yapmanız gereken girişim planına geri dönüp baktığınızda bağırsaklarınızda ne tür mikroorganizmaların eksik olduğunu görebilir ve doğrudan yerleştirebilirsiniz. Bir kokteyl kombinasyonu yapmak için seçin ve parazitini denemek için yerine koyun. Spor aynıdır, bu yüzden bunun hakkında konuşmayacağım.
Tümörler hakkında birkaç söz daha söyleyeyim Tümörler artık çok sıcak bir konu. Örneğin, Angelina Jolie genetik bir test yaptı ve vücudunda göğüs kanseri riskini% 85'e kadar çıkaran bir gen olduğu söylendi, bu yüzden göğsünü aldırmayı seçti. Bu çok normal ve çok gerçekçi bir sorundur. Aslında neredeyse herkes yaşamları boyunca vücutta tümör hücreleri bulacaktır, tümör hücrelerinin oluşumu geri döndüğü için vücutta ilk hücreye kadar giden her hücre döllenmiş yumurta hücresidir ve sonra döllenmiş yumurta hücresi her nesil hücrede bulunur. Hepsinin genetik mutasyonları var. Bazen genetik bir mutasyon, bir kanser hücresine dönüşür. Kanser hücreleri vücudunuzda ortalama 15 yıl yaşarlar, çoğu zaman bağışıklık hücreleri tarafından öldürülürler ve tümör oluşturmazlar, ancak bazen büyürler ve tümör haline gelirler. Bu konu ne zaman teşhis edilebilir? Tümör hücresi mutasyonu teşhis edildikten sonra, tedavi etmek ve önlemek için kişiselleştirilmiş bir tümör aşısı geliştirilebilir mi? Veya doğrudan bağışıklık hücreleri ile tedavi edilebilir mi? Çeşitli olasılıklar. Bu küçük İngiliz kızda lösemi vardı. Vücudundaki tüm bağışıklık hücreleri yok edildi. Sonra bir donörün bağışıklık hücrelerini kullanarak gen düzenlemesi yaptı. Lösemi tedavi edildi. Gelecekte buna benzer vakalar giderek artacak.
Ama tüm bunlar aslında çok kişiseldir.Herkesin hücreleri vücudunuza aktarılamaz, vücudunuza herhangi bir aşı enjekte edilemez veya herhangi bir ilaç alamazsınız. Yapmanız gereken müdahale yöntemleri ve yöntemleri, kendi verilerinize ve yapay zeka modeli durumunuza bağlıdır. Bu nedenle, gelecekteki tahmin, önleme, kişiselleştirilmiş tıp ve ilaçlar, immünoterapi, immünoterapi, kişiselleştirilmiş rehabilitasyon dahil, kanser hastaları için çok önemli yönler olacaktır. Yani gelecekte sahip olmak istediğiniz şey aslında Dijital Yaşamın GPS'sidir.Size ne yapmanız gerektiğini söyler, ancak sık sık itaatsiz olursanız, yeniden inşa edilecek ve sonra devam edecektir.Umarım herkes iyi gidebilir. Bu yüzden gelecekte çok konuştum.Dijital yaşamınızın bilgi gövdesi şimdi depolanmalıdır.Kök hücreler, dışkılar ve üreme hücreleri şu anda yaşam bedeniniz hakkında bilgilerdir.Orada var olmalıdır ve gelecekte faydalı olabilir.
Hayatın kendisi bir yolculuktur ve genler sadece başlangıçtır, son değil. Bu süreçte kendi seçiminizsiniz, bu yüzden dijital yaşam modelinize göre en iyi seçimi yapmanız gerekiyor.Umarım herkes daha kötü ve daha kötü seçimler yapmaz, daha akılcı seçimler yapabilir. İyi seçimler vücudunuzu daha sağlıklı kılar. Bence bu soruyu cevaplayabilecek temel nokta, hayatın temel noktası nedir, öğrenme sisteminde yatıyor ... Tüm insanlardan dijital bir insan yapabilirsek, bu sistem, başlangıçta yaptığım uğur böceğinin yırtıcı davranışı gibi olacaktır. Bir öğrenme sistemi ancak o zaman hayatın kendisini gerçekten anlayabilir. Bu basit bir denklem değil, bir öğrenme sistemidir. Bu nedenle, Carbon Cloud Intelligence üç temel varsayıma dayanmaktadır: hayat dijitalleştirilebilir; hayat hesaplanabilir; hayat ayrıca ağa bağlanabilir. Teşekkür ederim!
Konuşma bölümü
Lei Ming: Harika, teşekkürler! Sonra diyalog bağlantısına giriyoruz. Çünkü buradaki insanların çoğunun bilgisayar ya da matematik dalında uzman olduğunu düşünüyorum ki bu oldukça kısmi. Bu tür yaşam bilimleri konuları için, sanırım ben de dahil olmak üzere, sınıfa gelen ve çok şey öğrenen gerçekten Xiaobai.
Şu an çok heyecan verici olduğunu düşündüm. Aynı zamanda hayatın karmaşıklığını ilk kez bu kadar derinden anlıyorum. Yaşamın birçok temel özelliği de dahil olmak üzere genetik proteinler de dahil olmak üzere yaşamın bazı temel şeylerini görmek için yüzeye giriyoruz. Sadece Wang Jun'un gen ya da protein olsun, bu şeylerden bahsettiğini hissettim Geçmişte, tıbbi tedaviden bahsettiğimizde, daha çok bir testti. Ama şimdi, genetik teknoloji protein tespiti gibi bir dizi şey olduğunu hissettikten sonra, bu konuyu daha doğru anlayabilmemiz için neden ve sonuç arasına bir dijital özellik tanımlama katmanı eklendiğini hissediyorum.Örneğin, bu etkileri yaptım ve Kısıtlayıcı faktörler, bu faktörler bu hastalığın korkunç olmasına neden olabilir. Önceki duygu yerine yaşam sistemini büyük bir kara kutu gibi çözdüğümüzü hissediyoruz ve ben de Shennong'un şifalı otları tattığı gibi hastalığı iyileştirmeye çalıştım. Doğru anladığımı bilmiyorum.
Wang Jun: Aslında yapay zeka sisteminin gelecekte hala bir kara kutu veya siyah beyaz bir kutu olacağını düşünüyorum.Birçok karar vermenize yardımcı olabilecek bazı mevcut bilgiler var ve o da bir kara kutu çünkü bu bir öğrenme sistemi. . Aynı zamanda Baicao'nun da tadına baktığı doğru, bu yüzden aslında bu konunun anahtarının burada olmadığını düşünüyorum.
Yaşam bilimlerinde öğrenme süreçlerinin çoğu henüz kuramlaştırılmamıştır Yaşam bilimlerinde üç aşama vardır. İlk aşamaya gözlemsel bilim denir. İlk aşamaya yaprak sayma denir, masada on yaprak vardır, bunlar ne tür yapraklardır? Yani yaşam bilimleri uzun zamandır gözlem bilimleri olmuştur, yani gözlemlemeye devam edersiniz, sonra bazı teoriler ortaya koyarsınız ve bazı şeyler yaparsınız. Daha sonra sözde gözlemsel bilimden deneysel bilime. Hipotezler ortaya koyun ve ardından doğrulamak için deneyleri kullanın. Sonra antropomorfik biyoloji var: Biyolojiyi matematikle tanımlamak için bilgisayarları kullanabilirsiniz. Örneğin, Öğrenme Sistemi çok doğru bir şekilde öngörüde bulunabilir, ben de bu Öğrenme Sistemini inceleyeceğim. Örneğin, yaprak bitlerini yiyen uğur böceklerinin sürecini simüle etmek için yedi nörondan oluşan bir sinir ağı yaptım.Aslında sonunda hangi ağırlıkların geliştiğini bilmiyorum. Bu kalıbı ortaya çıkardığında, onu tekrar incelemeye gittim ve üç nöronunun hafıza sinirlerine dönüştüğünü buldum. Yani önceki adımda ve ilk iki adımda yaprak biti yiyip yemediğimi hatırladı. Yedim, bu yüzden bir sonraki adımda dolaşmaya karar verdim, eğer yemeseydim rastgele yürürdüm. Yani bunun gibi bir şey onun aracılığıyla oluşturduğum şey ve sonra onun biyolojisini inceleyeceğim ve açıklamasını bulacağım. Yani daha kesin. Gelecekte böyle bir araştırma yöntemi olabileceğini düşünüyorum, yani benim hiçbir yerden gelme teorim değil, şu anda veri odaklı bir yaklaşım olabilir. Veri odaklı demek, hangi genin diyabetle ilişkili olduğunu bilmediğim anlamına gelir. Yapabileceğim bir şey, diyabetli bin kişinin genlerini test etmek ve sonra başka bin normal insanı test etmek. Sonra karşılaştırıyorum ve hangi genin farklı olduğunu görüyorum, değil mi? Bu veri odaklıdır. Yaşam bilimlerinin geleceğinin model odaklı yapay zeka olabileceğini düşünüyorum. Yani veri yönelimi artık yeterli değil, veriler modeli eğitmeye devam edecek ve bilim insanı modelin neden böyle olduğunu inceleyecek.
Lei Ming: Yapay zekanın yeni bir şey olmadığını biliyoruz, bu yapay zeka dalgasının nedenini devasa miktarda veriye bağlayacağız. Taşınırsanız yüz binlerce milyon veri söyleyeceksiniz. Derin sinir ağı algoritması da dahil olmak üzere, bu algoritma aslında yeni değil, ancak son zamanlarda büyük verilerle etkinleştirildi. Aslında şu anda bu konuyu analiz ederken çok konuştuk. İsrail'de 800 kişiyi içeren bir deneyden bahsettiniz ve birkaç kurucunun birlikte deneyler yaptığından, temelde bu birkaç kişiden söz ettiniz. Bu, şu anda anladığımız yapay zekadan biraz farklı: mevcut AI, temelde büyük verilerden bir model öğrendiği anlamına geliyor ve sizin söylediğiniz şey büyük verilere bağlı değil, değil mi? Az miktarda veriyle bile Desen'i neden öğrenebileceğimizi açıkça inceleyelim.
Wang Jun: Aslında soruna bağlı. Örneğin, tek bir gen hastalığı üzerine yapılan bir araştırma için sadece bir aileye ihtiyaç vardır, ancak diyabet kadar karmaşık bir şey için 100.000 kişiye mal olabilir. Aslında, boy ve IQ gibi şeyler milyonlara mal olabilir, bu da çalıştığınız problem farklı olduğunda, farklı veri noktaları gerektirdiği anlamına gelir. Bu birincisi; ikincisi, genler gibi farklı miktarlarda bilgiye baktığınızda farklı. İnsanlar arasındaki genetik fark binde birdir, bu fark çok küçüktür, bu nedenle gerçek biyolojik olarak önemli farklılıkları bulmak için büyük bir örneklem boyutuna ihtiyacınız vardır. Ancak birçok durumda, örneğin bağırsak mikroplarındaki fark o kadar da küçük değildir. Mesela bende bin çeşit mikroorganizma var ve vücudunuzda bin çeşit mikroorganizma var, fark çok büyük. Genel resmi çekmek için bağırsak mikropları ile diyabet arasındaki ilişkiyi keşfettik - yani Nature-400 kişi hakkında yayınladığım makale. Yani farklı seviyelerde farklı veriler farklıdır.Tüm bunları bir araya getirirseniz, kaç tane veri noktasına ihtiyaç duyduğu, algoritmanızın kendisine ve üzerinde çalıştığınız problemin karmaşıklığına bağlıdır.
Lei Ming: Yaşam bilimlerinde hastalık mantığı gibi temelde yatan birçok şeyin hala belirsiz olduğunu hissediyorum. Aslında, bunu bu şekilde anlayabiliriz Örnek olarak yüz tanımayı ele alalım Bu oldukça karmaşık bir görev çünkü 30'lu ve 40'lı yaşlarımızdayken kendimizi normal bir seviyeye kadar yetiştirdik, bu yüzden makinelerin büyük miktarda veriye ihtiyacı var. Çünkü bu görevin karmaşıklığı çok yüksek. Ancak erkek ve kadın tanıma denen bir şey yaparsak, şu anda eğitime ihtiyaç duyabilecek veri miktarı çok fazla değil. Anladığım kadarıyla, yaşam bilimlerinde, örneğin diyabet kontrolü, çünkü pek fazla insanın çok derinlemesine araştırmalara çok fazla enerji harcaması yoktu, bu yüzden başlangıç noktası, pek çok insanın bunu uzun süredir yaptığı değil. , Bunun ötesine geçmeliyiz, ancak önemli bir korelasyon bulmaktan önce basit bir model kullanın ve sonra yavaşça daha karmaşık bir modele geçin. Örneğin, AlphaGo'nun çok karmaşık bir şey olan satranç oynadığını söylüyoruz. Çünkü önden arkaya yüz adım atıyor. Çok fazla parametre ve büyük miktarda veri gerektirir. Örneğin, tek genli bir hastalık gibi, aslında bir parametre belirlemek olabilir, bu nedenle ihtiyaç duyduğu veri miktarının o kadar büyük olması gerekmeyebilir ve ardından önemli korelasyon hızlı bir şekilde bulunabilir. . Yani bu bir süreç olabilir. İnsanlar için özellikle önemli olan bazı konularla başlayabiliriz, ancak verilerin özellikle büyük olması gerekmiyor. Yavaş yavaş, bu kapsamlı karmaşık sistemi oluşturmak için bir milyon kişi veya birkaç milyon kişi gibi büyük miktarda veriye sahip bazı projeler yapmaya başlayın.
Wang Jun: Aslında, hayat son derece karmaşık bir sistem ve bu kadar çok veriye sahip olmamanın temel nedenlerinden biri de her teknolojinin pahalı olmasıdır. Örneğin, bir kişinin geni olmak, 100 milyon ABD dolarına mal oluyor, o zaman bir milyon insanın verilerini nasıl elde edebilirsiniz? Bir insanın 1000 dolar ödemesi imkansız. Bu şekilde 1 milyon insan 1 milyar ABD doları olur ki bu imkansızdır. Belki 10 dolar daha uygundur. Örneğin, görüntü görevleri için fotoğraf çekmenin herhangi bir maliyeti yoktur.
Lei Ming: Daha önce çekim yaparken oldukça pahalıydı. Bu teknolojik ilerlemenin faydasıdır.
Wang Jun: Evet. Yaşam bilimlerinde veri toplama hala karmaşık ve pahalı bir süreçtir. Ayrıca bazı kolay şeftaliler seçmek istiyoruz, bu yüzden bazı kolay sorular tanımlayacağız, yani büyük bir örneklem boyutu olmadan yararlı şeyler yapabilirim. Böyle bir durum.
Lei Ming: Bu bana bir şeyi hatırlattı, şimdi gen diziliminin maliyetinden bahsetmiştik. Hesaplama maliyetleri söz konusu olduğunda, aynı maliyet koşullarında iki yılda bir ikiye katlanan Moore Yasası'nı düşünürüz, yani aynı bilgi işlem gücüyle maliyet her iki yılda bir yarı yarıya düşecektir. Öyleyse, gen dizilememizin maliyeti her yıl ne kadar düşebilir?
Wang Jun: Bu soruya ilişkin argümanları Moore Yasasının ötesinde. Maliyet her iki yılda bir neredeyse 10 kat düşer. Ama yavaşladı ve birkaç yıldır çok hızlı bir şekilde düştü. Ancak şimdi sıralama, toplam maliyetin yalnızca% 20'sini oluşturuyor.
Lei Ming: Peki diğer maliyetler esas olarak neyi ifade ediyor?
Wang Jun: Test için test tüpleri dahil tüm yönler. Örneğin tükürük içeren bir test tüpünün maliyeti 10 dolardır. Navlun, işçilik, bilgisayar işleme vb. Vardır.
Lei Ming: Bu yapay zeka patlaması, bilgi işlem gücünün büyümesi ve verilerin büyümesinden kaynaklanıyor. Küresel veriler yılda% 50 oranında büyüyor. Büyüme sürecinde belli bir noktaya gelir ve bu nokta niceliksel değişimden niteliksel değişime bir süreç doğuracaktır. Öyleyse, şu andaki analizimize dayanarak, yaşam bilimlerinde yakın gelecekte yaşam bilimleri ile ilgili verilerin böyle bir patlamasına neden olacak ve sonra yaşam bilimlerini patlatacak bir nokta olacak mı?
Wang Jun: Kişisel olarak bu sektörde olmama rağmen o kadar iyimser olmadığımı hissediyorum. 1990'ların sonlarında İnsan Genom Projesi'nin başlangıcından itibaren, genetik testler, 2017'nin genine bugün ulaşıldığında gerçekten bir iş haline geldi. Gerçekten kademeli olarak ve yalnızca birkaç yönde tanıtılmaya başlandı. Örneğin hastanelerde hamile kadınlar için testler teşvik edilmeye başlandı. Henüz tümör tespiti yok. Şahsen umarım bir iki uygulama beş yıl içinde sıradan insanlara ulaşır ama bu işlem göz açıp kapayıncaya kadar yapılmamalıdır. Go oynamak, konuşma tanıma ve görüntü tanıma gibi şu anda bildiğimiz uygulamalardan daha karmaşık ve daha uzun olabilir ve gizlilik sorunları, etik sorunlar, düzenleyici sorunlar ve çeşitli şeyler gibi birçok sorunu içerebilir. Konuşma tanımada bir cümleyi yanlış duydun, sorun değil, değil mi? Şu anda yaptığınız şey yaşam ve sağlıkla ilgili. İnsanlarda kanser yok. Yaptıklarını söylerseniz, bu büyük bir şey, değil mi? Yani o kadar basit değil.
Lei Ming: Sanırım sorun değil çünkü hala tıbbi bakım hakkında biraz bilgim var. Tıbbi yanlış teşhis oranı hala oldukça yüksek. En iyi hastaneler genellikle% 20'ye sahiptir. (gülmek)
Wang Jun: İnsanların hata yapabileceği ancak makinelerin hata yapamayacağı söylenebilir. Sürücüsüz araba tipik bir durumdur. Bir kişinin bir araba kazası geçirmesi sorun değildir. Sürücüsüz bir araba bir araba kazasına karışırsa, bu büyük bir olaydır.
Lei Ming: Genel olarak bu alanın özel olarak ölçülmediğini düşünüyoruz. Örneğin otonom sürüş, kaza oranı insanlar kadar yüksekse kesinlikle yolda olmayacaktır.10
99%1%
: SARS
FDA
IBM Watson IBMWatson
IBM Watson ,
IBM Watson manage IBM Watson
Elon Musk
Digital Me learning system
601002020digital life 20digial mind
27 Mart'ta Xinzhiyuan Açık Kaynak Ekolojik Yapay Zeka Teknolojisi Zirvesi ve Xinzhiyuan 2017 Girişimcilik Yarışması Ödül Töreni görkemli bir şekilde düzenlendi. "BAT" dahil olmak üzere Çin'in ana akım AI şirketleri ve 600'den fazla sektör eliti 2017 Çin'e ortak katkıda bulunmak için bir araya geldi Yapay zekanın gelişimi güçlü bir darbe aldı.
Orijinal metni okumak ve konferans kaydının metin versiyonunu görmek için tıklayın
