微小精确、逻辑紧密、储存容量大……从计算机初始发明以来，科学家们就在不断用复杂的发光二极管和微电路，挑战着人们对于智能的认知。但除了冰冷的机械部件，生物体内活跃着的分子，也能满足人们在计算机时代对智能的疯狂幻想。人工智能的触角，开始延伸到这片新大陆上。
来自加州理工学院的钱璐璐教授就是这些“冒险家”之一。曾经用核苷酸制造出 DNA 机器人的她，如今把目光转向了大热的机器学习领域。在 7 月 4 日的 《Nature》 上，她与其研究生 Kevin Cherry 向我们展示了一个小小的试管中诞生的人工智能。
图丨钱璐璐
图丨Kevin Cherry
他们开发了一种名叫“Winner-Take-All”的由 DNA 制成的人工神经网络，并选用了机器学习界的经典问题——识别手写数字，作为其首战场。他们期望试管里的充满智慧的混合物，能帮助人类识别上万个潦草的数字。这项工作也是证明将 AI 编入合成生物分子电路的重要一步。
人工神经网络是一种受人类大脑启发的数学模型。尽管与生物的神经网络相比被大大简化，但人工神经网络仍然能够处理某些复杂信息。钱璐璐团队的工作目标就是使用DNA制造的人工神经网络来规划智能行为，包括计算、选择等其他能力。
“人脑有超过800亿个神经元，它们可以进行非常复杂的决策。人类每个人的大脑中都有超过800亿个神经元，他们做出了非常复杂的决定。像蛔虫这样的生物可以使用几百个神经元，则可以做出更简单的决定。在这项工作中，我们设计并创造了一个小型神经网络，可以对分子信息进行更为复杂的分类”，钱璐璐说。
图丨“Winner Take All”实现DNA计算
具体而言，传统的神经网络会对图片的每个像素进行数字编码，一个编码对应像素的位置，另一个编码对应像素的“有”或“无”，这些编码被储存在计算机中等待运算。而在 DNA 神经网络中，它可以通过精准的化学反应计算识别“分子笔迹”。与视觉笔迹的几何图形不同，分子笔迹并不具有数字的形状，虚拟的数字变成了实在的分子——每个试管含中有 100 种不同的 DNA 分子，这 100 个分子代表着一幅 10*10 大小的图片，每个分子对应着像素的不同位置；而其中根据不同的图片会有 20 个特殊的 DNA“脱颖而出”，代表着该位置像素的“有”。通过这种方法，DNA 模拟了计算机对于像素的编码。
图丨此次发表的论文
而钱璐璐之前制造的 DNA 机器人，则在模拟计算机的运算过程中派上了用场。其中的主角“入侵链”，是一个具有特定核苷酸序列的单链 DNA 分子；它会与另一双链 DNA 结合，迫使其断裂原有的氢键，释放出双螺旋的另一条链，该链叫做释放链。
其中，入侵链可以看作一个输入信号，而释放链则是输出信号；输入链在释放后，可以转化为入侵链，与不同的分子反应，最终分子之间形成了一个相互作用的网络，可以模拟复杂的“输入-输出”的运算功能。
“Winner-Take-All”神经网络，被认为能够对 MNIST 数据库中 98% 的手写数字进行正确分类识别。而在此之前，钱璐璐就做过类似的尝试。只是在过去的实验中，仅通过四种不同的 DNA 分子组成的识别模型，在图像的数量与复杂性上都大大受限；相比之下，新模型具有更强大的计算力，即可以大规模“扫荡”简单图形，又可以小范围识别复杂图像。
图丨有人工智能神经网络的分子机器概念图，可用来识别复杂、含噪声的分子信息
如果在 20 世纪，我们因为一个手掌大小的灰色金属仪器而震惊，那么在 21 世纪，我们是不是会看到一碗含有智能分子的“智慧汤”：通过在汤中加入特定的原材料，我们可以训练其执行不同的任务；在一个接一个的化学反应中，“智慧汤”不断学习进化，得出结论，并以分子化合物的形式储存，形成“记忆”。这就像你对着汤抛出一个问题，它想啊想，最终给你答案一样，无疑充满了科幻色彩。
这个幻想其实还很远，但科学家们期望的，也不仅是将这种智能分子机器作为一个计算机的替代品，即便它或许能做出更复杂的计算与决策，我们更想看到的是其生物属性里蕴涵着巨大的潜能。
“常见的检测或许能够探查到一些生物分子的存在，例如胆固醇，或血糖，”Cherry 说，“但利用更复杂的 DNA 神经网络，我们可以在人体中一次性的监测数百种生物分子，分析其含量并作出干预。比如，如果检测到血糖降低，可以立即释放适量的胰岛素使之恢复，而不需任何人工干预。”
图丨钱璐璐团队此前开发的可以“行走”的DNA机器人
钱璐璐说：“虽然科学家们刚刚开始探索在分子机器中创造人工智能，但其潜力已经不可否认。类似于计算机和智能手机使人类比一百年前更强大，人造分子机器可以制造所有由分子组成的物体（从而帮助人类更强大）。”
这项研究，则更多充当了概念证明的角色，开辟了使用“分子机器”探索人工智能的可能性。未来，这类神经网络将会高度专业化的用于生物环境下，为人类在疾病的防治探索新天地。
“掌”握科技鲜闻 （微信搜索techsina或扫描左侧二维码关注）
