Новый подход к машинному обучению может ускорить разработку лекарств

Новый подход к машинному обучению, разработанный командой исследователей из Университета Кембриджа, может ускорить поиск новых методов лечения заболеваний. Этот подход “учится учиться” и превосходит существующие методы машинного обучения для разработки лекарств.

Новые исследования были опубликованы в Proceedings of the National Academy of Sciences.

Этот подход, называемый трансформационным машинным обучением (ТМО), был разработан исследователями из Великобритании, Швеции, Индии и Нидерландов.

ТМО против традиционного МО

Метод ТМО улучшает производительность при обучении и может учиться на нескольких задачах. Он также может ускорить выявление и производство новых лекарств, совершенствуя системы машинного обучения, используемые для их выявления.

Текущие модели машинного обучения (МО) часто используют помеченные примеры, которые обычно представлены в компьютере через внутренние особенности, такие как цвет или форма объекта. Это позволяет компьютеру формировать общие правила, связывающие особенности с пометками.

Профессор Росс Кинг из Департамента химической инженерии и биотехнологии Кембриджа возглавил исследование.

“Это похоже на обучение ребенка распознавать разных животных: это кролик, это осел и так далее”, – сказал Кинг. “Если вы научите алгоритм машинного обучения, как выглядит кролик, он сможет определить, является ли животное кроликом или нет. Это то, как работает большинство машинного обучения – оно решает задачи по одной.”

Человеческое обучение работает иначе. Мы становимся лучше в обучении благодаря нашим предыдущим опытам. Мы не решаем одну задачу за раз.

Кинг также является членом Института Алана Тьюринга.

“Чтобы разработать ТМО, мы применили этот подход к машинному обучению и создали систему, которая учит информацию из предыдущих задач, с которыми она столкнулась, чтобы лучше учиться новым задачам”, – сказал Кинг. “В то время как типичная система МО должна начинать с нуля при обучении распознавать новый тип животного – скажем, котенка – ТМО может использовать сходство с существующими животными: котята милые, как кролики, но не имеют длинных ушей, как кролики и ослы. Это делает ТМО гораздо более мощным подходом к машинному обучению.”

Тестирование метода

Исследователи протестировали метод и доказали его эффективность на тысячах задач из науки и инженерии. Согласно команде, он особенно перспективен в области открытия лекарств, поскольку может ускорить процесс, проверяя, что другие модели машинного обучения говорят о определенных молекулах.

В то время как типичные модели машинного обучения ищут молекулы лекарств определенной формы, новый подход ТМО использует связь лекарств с другими задачами открытия лекарств.

“Я был удивлен, как хорошо это работает – лучше, чем все, что мы знаем для разработки лекарств”, – сказал Кинг. “Это лучше выбирает лекарства, чем люди – и без лучшей науки мы не получим лучших результатов.