腦細(xì)胞研究員的獨(dú)白：感謝人工智能，不用再每天對(duì)著顯微鏡苦干了

2007年，在進(jìn)入大三之前的那個(gè)夏天，我一直在做一件事：從小鼠身上取下小塊腦組織，放到培養(yǎng)皿中進(jìn)行培養(yǎng)，仔細(xì)觀察其中的神經(jīng)元。在三個(gè)月時(shí)間里，我每周有5、6天，每天有3、4個(gè)小時(shí)都待在一個(gè)小房間里，盯著一臺(tái)顯微鏡看，給腦細(xì)胞拍照。房間漆黑一片，只有神經(jīng)元發(fā)出的瑩瑩綠光。

當(dāng)時(shí)，我正在研究一種特定的生長(zhǎng)因子能否保護(hù)神經(jīng)元免受神經(jīng)退行性疾病的影響，比如帕金森玻這種在神經(jīng)學(xué)研究中很常見(jiàn)的工作需要耗費(fèi)大量時(shí)間，以及對(duì)細(xì)節(jié)幾近病態(tài)的關(guān)注。這就是為什么課題組負(fù)責(zé)人要培訓(xùn)我這樣一個(gè)低級(jí)別的本科生來(lái)做這件事，正如幾十年前，某個(gè)人來(lái)培訓(xùn)他做這件事一樣。

現(xiàn)在，研究人員認(rèn)為，他們可以訓(xùn)練機(jī)器接管這些瑣碎的工作。

在刊于《細(xì)胞》雜志的一項(xiàng)研究中，由格拉德斯通研究所（Gladstone Institutes）和加州大學(xué)舊金山分校神經(jīng)科學(xué)家史蒂芬芬克拜納（Steven Finkbeiner）領(lǐng)導(dǎo)的團(tuán)隊(duì)與谷歌的研究人員進(jìn)行了合作，他們訓(xùn)練出一種機(jī)器學(xué)習(xí)算法，可以對(duì)培養(yǎng)皿中的神經(jīng)元細(xì)胞進(jìn)行分析。

研究人員使用了一種名為深度學(xué)習(xí)的方法，這種機(jī)器學(xué)習(xí)技術(shù)不僅推動(dòng)谷歌取得了一系列成果，在亞馬遜、Facebook、微軟等一系列人們耳熟能詳?shù)?a href="http://m.xsypw.cn/v/" target="_blank">科技公司中，也得到了重用。深度學(xué)習(xí)依靠的是模式識(shí)別：向系統(tǒng)饋入足夠多的訓(xùn)練數(shù)據(jù)可能是動(dòng)物圖像，可能是專業(yè)圍棋棋手的招式，也可能是人工培養(yǎng)腦細(xì)胞的照片然后，它就可以去辨識(shí)貓，去挑戰(zhàn)世界頂級(jí)棋手，或是弄清神經(jīng)元的形態(tài)特征。

用這種方式訓(xùn)練人工智能系統(tǒng)，最難的兩件事在于：

1）生成規(guī)模足夠大的數(shù)據(jù)集；

2）找人對(duì)數(shù)據(jù)集進(jìn)行標(biāo)記。

幸運(yùn)的是，大多數(shù)神經(jīng)科學(xué)實(shí)驗(yàn)室都擁有足夠多的細(xì)胞培養(yǎng)物可供轉(zhuǎn)化為訓(xùn)練數(shù)據(jù)（芬克拜納的實(shí)驗(yàn)室已經(jīng)讓顯微鏡檢查過(guò)程的多個(gè)環(huán)節(jié)實(shí)現(xiàn)了自動(dòng)化，它生成的圖像數(shù)量已經(jīng)超出了實(shí)驗(yàn)室的分析能力），而且也有足夠多的人手對(duì)數(shù)據(jù)進(jìn)行標(biāo)記。

“基本上，這有賴于大量的暑期學(xué)生、研究生和博士后，讓他們來(lái)做人工標(biāo)記，將數(shù)據(jù)饋入計(jì)算機(jī)。”分子神經(jīng)科學(xué)家瑪格麗特薩瑟蘭德（Margaret Sutherland）說(shuō)。她是全美神經(jīng)病學(xué)與中風(fēng)研究所的項(xiàng)目主任，該機(jī)構(gòu)資助了上述研究。（即便有了人工智能，學(xué)生和博士后似乎還是免不了要干這些累活。）

芬克拜納的團(tuán)隊(duì)開(kāi)發(fā)了一個(gè)深度神經(jīng)網(wǎng)絡(luò)，并使用細(xì)胞圖像對(duì)它進(jìn)行了訓(xùn)練，這些圖像有的帶有熒光標(biāo)記，有的則沒(méi)有。這些發(fā)光的標(biāo)記有助于區(qū)分不同的細(xì)胞類型，還可以讓研究人員更容易判斷神經(jīng)元的末端位置以及軸突和樹(shù)突的起始點(diǎn)。（軸突和樹(shù)突是神經(jīng)元中突出的部分，負(fù)責(zé)跟其他神經(jīng)元交換電化學(xué)信號(hào)。）不過(guò)，很多標(biāo)記方法也會(huì)損害你試圖觀察的細(xì)胞。

然而，通過(guò)訓(xùn)練，研究人員的算法能夠識(shí)別出它之前從未見(jiàn)過(guò)的特定類型的腦細(xì)胞。此外，算法還可以辨別死細(xì)胞和活細(xì)胞，定位細(xì)胞核，區(qū)分軸突和樹(shù)突，而且這一切都不需要熒光標(biāo)記的幫助。芬克拜納團(tuán)隊(duì)把他們的機(jī)器學(xué)習(xí)方法稱為ISL。

由于分析細(xì)胞并不需要添加固定劑或熒光染料，因此與傳統(tǒng)方法相比，ISL的優(yōu)點(diǎn)包括：前后標(biāo)記更一致，對(duì)培養(yǎng)物的損害更小，而且能夠?qū)?xì)胞的健康狀況實(shí)現(xiàn)更長(zhǎng)期的監(jiān)測(cè)。

此外，由于只有訓(xùn)練算法時(shí)才需要用到人手，這種方法還可以為研究人員提供一種分析大量數(shù)據(jù)的途徑，他們不再需要招募大量實(shí)驗(yàn)室技術(shù)人員在黑暗中對(duì)著顯微鏡埋頭苦干。

對(duì)生物醫(yī)學(xué)領(lǐng)域的研究人員來(lái)說(shuō)不管他們是在大型研究院校資金充裕的實(shí)驗(yàn)室工作，還是為一家小型初創(chuàng)公司效力這都是個(gè)好消息。“像這樣的技術(shù)往往會(huì)產(chǎn)生民主化效應(yīng)。”計(jì)算機(jī)生物學(xué)家、艾倫細(xì)胞科學(xué)研究所（Allen Institute for Cell Science）的數(shù)學(xué)建模主管莫莉馬拉卡（Molly Maleckar）說(shuō)。馬拉卡沒(méi)有參與芬克拜納的研究。

她和同事們?cè)妙愃频臒o(wú)標(biāo)記機(jī)器學(xué)習(xí)技術(shù)來(lái)識(shí)別亞細(xì)胞結(jié)構(gòu)。她說(shuō)，通過(guò)結(jié)合機(jī)器學(xué)習(xí)方法，規(guī)模較小的生物醫(yī)學(xué)研究機(jī)構(gòu)在研制新藥過(guò)程中的每一個(gè)步驟，或許都可以提速。“如果你了解自己算法的局限性，并清楚如何去解讀、去提升其表現(xiàn)，你就不需要那么多人手來(lái)收集和分析大量數(shù)據(jù)。”