科学家们构建了一个能够为生物研究生成人工智能模型的系统

煤油灯科技2023-07-10 12:51

不具备机器学习专业知识是否仍可构建机器学习模型?

MIT生物工程系的特米尔教授Jim Collins,以及阿卜杜勒·拉蒂夫·贾米勒医学机器学习诊所(贾米勒诊所)的生命科学指导,与数位同事共同决定应对这一难题。他们提出了一项名为BioAutoMATED的解决方案,并在Cell Systems上发表了一篇开放获取的论文。

招募机器学习研究者对于科学和工程实验室来说是一项耗时且财力投入巨大的过程。即使有了机器学习专家,选择适当的模型,为模型格式化数据集,然后进行调优,都可能极大地改变模型的表现,并需要大量工作。

"在你的机器学习项目中,你通常会花多少时间进行数据准备和转换呢?"这是谷歌机器学习基础(ML)课程2022年的一个问题。提供了两个选择:要么是"少于项目时间的一半",要么是"超过项目时间的一半"。如果你猜后者,你答对了。谷歌表示,数据格式化占据了超过80%的项目时间,而这还不包括将问题框定为机器学习术语所需的时间。

"对于很多希望运用机器学习或生物学的人来说,要找到适用于我们数据集的合适模型需要付出数周的努力,这是一个极具阻碍性的步骤," 来自柯林斯实验室的生物工程学博士五年级学生 Jacqueline Valeri 说道,她也是这篇论文的第一共同作者。

BioAutoMATED是一种自动机器学习系统,可以为给定的数据集选择并构建适当的模型,甚至处理繁琐的数据预处理任务,将一个长达数月的过程缩短为几个小时。首席合著者和Jameel Clinic博士后Luis Soenksen提到,自动化机器学习(AutoML)系统目前仍处于相对初级的发展阶段,目前主要应用于图像和文本识别,但在生物学的次领域中几乎未被使用。

"生物学的基本语言是基于序列的," 解释了索恩森士,他在麻省理工学院机械工程系获得了博士学位。"生物序列,如DNA、RNA、蛋白质和糖类,具有惊人的信息性特征,就像一个固有标准化的字母表。许多自动机器学习工具是针对文本开发的,因此将其扩展至[生物学]序列是有道理的。"

此外,大多数自动机器学习工具只能探索和构建一些较为简化的模型。"但你真的无法在项目开始时就确定哪种模型最适合你的数据集," Valeri说道。"通过将多个工具集成到一个统一的工具中,我们实际上提供了比任何单个自动机器学习工具都更广泛的搜索空间。"

BioAutoMATED 的监督式机器学习模型库包括三种类型:二元分类模型(将数据分为两类),多类分类模型(将数据分为多类),以及回归模型(拟合连续数值或衡量变量之间关系的强度)。BioAutoMATED 甚至能够帮助确定训练所选择模型所需的适当数据量。

"我们的工具探索适用于规模较小、稀疏生物数据集以及更复杂神经网络的模型,"瓦列里说。这对于具有新数据的研究团体来说是一个优势,这些数据可能适用于机器学习问题,也可能不适用。"

"在生物学和机器学习的交叉领域进行新颖而成功的实验往往代价高昂," Soenksen 解释道。"目前,以生物学为中心的实验室需要在确定他们的想法是否能够成功之前,投资大量的数字基础设施和接受人工智能和机器学习培训的人力资源。我们希望降低生物学领域专家的这些门槛。"

借助BioAutoMATED,研究人员能够自由地进行初步实验,以评估是否值得雇佣机器学习专家来构建一个不同的模型进行进一步的实验。

“开源代码是公开可用的,并且,研究人员强调它易于运行。”Soenksen说:“我们希望人们采用我们的代码,改进它,并与更大的社区合作,使其成为一个面向所有人的工具。我们希望推动生物研究界,增强对AutoML技术的认识,并认识到它是一条可以更好地将严谨的生物实践与快节奏的人工智能机器学习实践相结合的有效途径。”

 

---煤油灯科技victorlamp.com编译整理---

你可能也喜欢这些文章

科技互联网,科技,资讯,动态,洞察,量子,计算,AI,人工智能,机器人,区块链,Web3,分布式,操作系统,OS,芯片,视频,深度,论文