今日芯声｜用AI验毒，动物能离开实验室的樊笼吗？

1. AI能验毒，小白鼠有救了？

解剖、毒理实验、药物实验……可以说，动物为人类医学研究的进步做出了巨大牺牲。

以动物作为标本进行适用于人类的医学实验，这本身就是一个最大的悖论。但动物实验的痛点，还远不止这点。

首先是实验动物生命风险。在实际的操作过程中，由于实验设计、操作失误等一系列人为因素，造成的实验动物意外死亡数量很多，这是一种资源的巨大浪费。

其次是动物实验的周期较长。对很多病人来说，药品研发的速度往往跟不上病情加剧的速度。

最后是动物实验的重复性。由于实验品的毒性未知，其需要对动物进行一遍又一遍的给药，简直是在挨千刀。这个过程无疑会令动物产生更大的痛苦。

也就是说，抛却动物实验并不能完全适合人类机体这方面的局限，其仍然存在着上述不得不面对的客观现实。其中给动物增加的痛苦也就不言而喻。

随着技术的进步，科学家开始使用另一件秘密武器：机器学习。至少在测试毒性方面，动物将因此而受益良多。

验毒的不再是动物，而是AI。

最近，一项来自《毒理科学》杂志的研究表明，通过一种新的机器学习系统，利用动物测试毒性的历史很可能将被改写。

其绘制了分子结构与特定毒性类型之间以往并未被获知的关系，比如其可能对眼睛、皮肤或DNA造成的影响。

最终结果显示，利用计算机测试得到的毒性准确率为87%，而使用动物再次进行测试的正确率则为81%。

也就是说，在毒性测试方面，AI已经完胜动物。单单基于这个数据，AI就已经可以实现对动物的替代。

诚然，这仅仅是计算机在生物实验领域的一小步。而这一小步，也让我们看到了其在生物实验方面带来的积极意义。

2. 谷歌研发“涂色机器人”，可以给黑白视频上色

如今，AI把黑白照片上色成彩色已不是新鲜事，例如一键卸妆的工具MAKEAPP，当然还有让普通照片秒变艺术风格的滤镜应用Prisma，它们都是在用AI算法对原有图片进行修改。

不过，最近谷歌研发的“涂色机器人”，不只是给图片上色，它更能给黑白视频上色。

而据研究人员介绍，其从彩色视频里截取某一帧作参考，再把所有帧都变成黑白，他们开发的AI仅仅依靠参考帧的颜色，便可以还原整段视频的色彩。

并且，AI可以自动识别出视频中的人和物体等不同元素。而从转变的结果看，最终的上色效果还是很真实的，人的肤色、动物毛发、景色都可以得到比较自然的还原。

谷歌向外媒透露，虽然神经网络在某些方面比较擅长，但在其他方面，则更具挑战性。

因此，谷歌正在努力改进该功能，并且直到它识别并着色得“非常准确”时才会发布它。

不过，谷歌拥有庞大的图像库，以及世界级的研究人员和开发人员和AI的实力，相信我们很快就会看到谷歌在视频着色方面探索出的更多可能性。

不管怎么说，该“涂色机器人”的出现，对一些黑白电影来说，具有重大的意义，因为有了其上色，使这些电影更加生动形象。

而对一些老年观众来说，“涂色机器人”的出现，或许可以让他们回忆起童年时期的记忆。

3. 瑞士科学家研躯干控制无人机技术，效果比遥控器好

继成功研制「FlyJacket」无人机体感控制背心，瑞士洛桑联邦理工学院早前成功建立一套专为无人机而设的新躯干控制系统，更在今次实验中发现躯干控制技术的效率较遥控器优胜。

在实验中，洛桑联邦理工学院的研究团队挑选了17 位参加者测试躯干控制技术，并在各人的上半身贴上19 个红外线标记，以观察他们的动作和肌肉活动。

他们戴上VR 眼镜后，便跟随飞行模拟器内的无人机移动躯干，并逐渐发展出多套移动模式。

研究员再依照他们的动作建立一套躯干控制方法，并发现单单利用4 个红外线标记，便能有效操控飞行模拟器内的无人机，甚至控制现实中的无人机穿越障碍物。

结果显示，躯干控制技术的精准度和可靠性较遥控器优胜，所需训练时数也相对较短。

今次研发的躯干控制技术简单方便，可应用到不同机器和工作，有助改善现有的自动遥控技术。

虽然这项躯干控制技术容许使用者腾出头部、双手和双脚应付其他工作，但控制系统仍须依靠红外线标记和动态感应器运作。

是次研究结果已上载至美国国家科学院院刊。研究团队下一步会将这项躯干控制技术转化成一款便携控制器。

4. Facebook人工智能的新任务：带着“游客”逛纽约

通过使用自然语言，AI算法可以在现实世界中学会导航。这可能有助于让聊天机器人和语音助手变得更加聪明。

如果你在美国纽约迷路了，手头没有智能手机，也没有地图，你可能会找当地人问路。现在，Facebook的研究人员正在训练AI程序做同样的事情，通过这种方式，他们希望AI能够更好地理解和使用语言。

FAIR是Facebook的人工智能研究机构，位于美国纽约。

最近它创建了两个AI角色，一个是在纽约城里迷路的“游客”，另一个是帮助“游客”的“导游”。

“导游”通过自然语言引导的方式帮助“游客”找到路。在这个程序中，迷路的“游客”宛如置身现实世界，可以看到周边360度的景物，“导游”则会看到2D地图。只有“游客”和“导游”携手合作，才能到达指定目的地。

这样的设计，是为了让AI理解指令与真实物体之间的联系，“游客”算法从这里学习理解这些事物是什么，或者至少学会融入真实世界里的一个街区。

AI研究人员们希望通过这种方式训练算法，让它能够在更复杂的环境里使用语言。

Facebook的这项研究是一种尝试，通过把对于语言的理解转化为现实世界里的简单表达，给AI算法提供一些常识。

说起来，“认知式AI”的概念已经出现了一段时间，但是到目前为止，大多数努力都依赖于模拟的环境，而不是真实的图像。

现实主义的增强让事情变得更具有挑战性，但如果人工智能算法变得更有用，那就变得至关重要。

素材来源：搜狐科技、雷锋网、新浪科技等

如需转载，请后台留言，遵守转载规范