全文共1231字，預計閱讀時長3分鐘

利用深度學習技術(shù)真的可以幫助人類找到遠古的“幽靈”嗎？

去年夏天，據(jù)國外《自然》雜志報道，在西伯利亞洞穴中發(fā)現(xiàn)的一塊骨頭碎片，屬于尼安德特人母親和丹尼索瓦人父親的女兒。這一發(fā)現(xiàn)標志著第一代人類雜交物種的第一個化石證據(jù)。而這些所謂的幽靈種群長什么樣?它們生活在哪里?我們一無所知。

今年一月份，發(fā)表于國外《自然通訊》的一篇論文中，研究人員展示了深度學習技術(shù)的潛力，可以幫助填補一些缺失的部分，而這些缺失的部分甚至可能是專家們從未意識到的。他們利用深度學習來篩選另一個幽靈種群的證據(jù):歐亞大陸上一個未知的人類祖先，可能是尼安德特人與丹尼索瓦人的混血，也可能是丹尼索瓦人的近親。

這項工作指出了人工智能在古生物學領(lǐng)域的未來用途，不僅可以用來識別無法預見的幽靈，還可以用來揭示塑造我們的進化過程中已經(jīng)褪色的足跡。

紐約石溪大學人類學家賈森?劉易斯表示，我們的想象力會受到某些限制，比如我們會過多關(guān)注活人以及各個地方發(fā)現(xiàn)的化石這兩方面。而深度學習技術(shù)能以一種奇怪的方式，重新關(guān)注可能性。這種方法不再受我們想象力的限制。

對于人工智能在基因組學方面的應用，學者們持有不同的觀點。

“我認為人工智能在基因組學方面的應用被過分夸大了，”普林斯頓大學生態(tài)學家和進化生物學家約書亞·阿基(Joshua Akey)說，“深度學習是一個奇妙的新工具，但它只是另一種方法。它不會解決我們想要了解的人類進化中的所有謎團和復雜問題。”

一些專家甚至更加懷疑。“我的判斷是，這些數(shù)據(jù)的密度和質(zhì)量不太理想，除了經(jīng)過深思熟慮的、智能的非人為分析。”哈佛大學和皮博迪博物館的古生物學家戴維皮爾比姆(David Pilbeam)在一封電子郵件中寫道。

盡管如此，在其他古生物學家和遺傳學家看來，這是一個很好的進步，可以用來預測未來可能的化石發(fā)現(xiàn)和預期的基因變異，這些應該存在于幾千年前的人類之間。

中培偉業(yè)認為，利用深度學習來推動種群遺傳學的發(fā)展，誰都不知道會導致什么后果，但這種全新的方法卻意味著有無限的可能，我們需要做的就是不斷發(fā)展我們的技術(shù)，開啟人類的新篇章。

為什么有的學者認為深度學習可以解決基因組學方面的問題？在中培偉業(yè)看來，這與深度學習的理論知識有很大的關(guān)系。

在深度學習領(lǐng)域，神經(jīng)元是深度學習的基本單位，經(jīng)由神經(jīng)元作為節(jié)點連接而成的網(wǎng)絡(luò)，是神經(jīng)網(wǎng)絡(luò)。最基本的神經(jīng)網(wǎng)絡(luò)，有兩個神經(jīng)元，分別處在隱含層、輸出層，如下圖：

深度神經(jīng)網(wǎng)絡(luò)，是由含多層隱含層神經(jīng)元組成的神經(jīng)網(wǎng)絡(luò)。具體的原理和實踐我們下文進行深入探討，下面我們先來看看深度學習技術(shù)層面能解決什么問題

深度學習主要通過網(wǎng)狀層級結(jié)構(gòu)來分割世界，自動分析所見對象的分割網(wǎng)下的重要特征，完成剝離人工之后的處理(其實也是數(shù)據(jù))。簡單地說，就是在深度學習中，不需要人為事先明確特征、標簽分類，便可以自動對信息進行處理。

由此看來，深度學習可以應用在很多場景中，比如：人臉技術(shù)、圖像識別、智能監(jiān)控、文字識別、圖像及視頻編輯等等。

未來隨著消費升級，個性化需求將成為常態(tài)。由此帶來的是，深度學習領(lǐng)域應用場景化落地的更高要求。