如何在AI中使用这些并行通信方法背后的原理

麻省理工学院的研究人员已经认识到免疫系统解码病毒的方式与人们通过语言相互理解思想之间的相似之处。

在《科学》杂志上发表的一份研究报告中，研究团队详细介绍了如何将这些并行通信方法背后的原理与AI相结合，以预测某些病毒（包括SARS-CoV-2）的哪些变体会发生变化。

最有害的。

研究人员认为，这样的预测可以帮助指导现有疫苗的改进。

这样做的目的是避免严重的聚集威胁，而不会从不太可能传播的菌株中散发出臭味。

病毒突变为免疫系统无法识别的毒株的过程称为病毒逃逸。

在本文中，生物工程师Bryan Bryson博士，计算机科学家Bonnie Berger博士及其合作者描述了他们的工作模型，该模型使用了最初为自然语言处理而开发的AI算法来对病毒逃逸进行建模。

NLP系统旨在处理语法（即句子或从句构造）和语义（即含义）。

对于病毒逃逸预测项目，研究人员在数千种刺突蛋白的遗传序列上训练了他们的实验系统，现在它们的艺术描绘无处不在。

为了使模型能够区分COVID-19和感冒或流感病毒，训练集包含SARS-CoV-2以外的冠状病毒峰值。

“这些病毒的语义模式预测了在语法和/或语法上正确但实际上在语义上不同的病毒逃逸突变，因此它们可以逃避免疫系统”。

布赖森和他的合著者解释说。

“我们将逃避的突变识别为保留病毒的传染性但导致病毒看起来与免疫系统不同的突变，类似于保留句子语法但改变其含义的单词更改”。

在《 IEEE Spectrum》一书的对话报道中，合著者张贴了麻省理工学院博士学位的赖恩之（Lai Enzhi）说，他希望该模型最终能够显示以前预测的病毒突变。

Hie说：“这是该研究领域的月球目标：为病毒的未来形式接种疫苗”。