2018.06.28 13:15 臺北時間

【全球科技創新青年】痛失親人 學者發現癌變的祕密

mm-logo
【全球科技創新青年】痛失親人 學者發現癌變的祕密
他們的創新正引領風潮,將「培育」出更好的基因編輯、更聰明的人工智慧以及更安全的網路。
Alexandre Rebert

Alexandre Rebert,28歲,ForAllSecure

他發明了讓電腦能自我修復的方法。
當一台電腦系統被駭客入侵了,我們往往只能在入侵結束之後才可以進行修復工作。但Alexandre Rebert開發了一種軟體系統,它能使電腦在被攻擊伊始就進行修復。
這種別出心裁的點子來源於 Rebert 對於電腦的認識,他覺得。現在的電腦雖然缺乏創造性,但是它們對於快速處理大規模的工作十分在行。於是,他就開發了一款名為「Mayhem」的系統,其能同時處理上千種程式,僅幾小時就能處理完成我們數年才能完成的工作。
Mayhem之所以如此高效,是因為它結合了兩種關鍵技術。一種是名為Coverage-based Fuzzing的自動化安全測試標準。簡單而言,該技術就是將資料登錄到一個程式中,並測試是否會觸發新的事件。其核心就是快速流覽和搜索資料。第二種就是符號執行(Symbolic Execution),相對應的,就是更精細且慢速地分析程式。兩種技術互補,相得益彰。
Rebert 是匹茲堡網路安全公司ForAllSecure的聯合創始人,而這家公司正是 Mayhem 專案的重要參與者。創辦ForAllSecure公司的主要動機源於Rebert在卡內基·梅隆大學大學的研究,Rebert覺得他的發明能幫助到易受到攻擊的系統,例如電網、醫院以及銀行等。
對於安全,Rebert有著獨特的見解,他說:「如今的軟體數量太多了,僅僅靠人類自己審查是不夠的,也是不安全的。」
Joy Buolamwini

Joy Buolamwini,28歲 ,MIT媒體實驗室,演算法正義聯盟(Algorithmic Justice League)

當發現人工智慧不能識別她的臉,她開始自己動手改變現狀。
還在大學求學時,Joy Buolamwini就發現一些面部分析系統不能檢測出她黑色的面孔。更諷刺的是,當她戴上白色的面罩之後,系統竟然又正常了,Joy打趣道:「我被技術『忽略了』!」
而這也直接影響了她在畢業時的論文方向。當時,她發現幾乎所有面部分析的資料庫中都以白色皮膚和男性面孔為主。於是,Joy開始開發一種性別均衡的面部分析資料組,樣本來自於非洲和歐洲的一千多名政治家。隨後,她用該資料組來測試IBM、微軟以及曠視科技的人工智慧系統,她卻發現它們面部識別的精確度隨性別和膚色的變化而偏差很大。判別性別時,這幾家人工智慧系統對於淺膚色人群的出錯率小於1%,而對於深膚色的女性面孔,出錯率卻高達35%。
在某些極端情況中,Facebook還會錯誤識別照片中的面孔,而這樣的錯誤就會讓人感到十分困擾。隨著越來越多的領域都開始採用人工智慧系統,例如執法部門將人工智慧用於預測性警務、法官正在使用它來判斷囚犯是否有可能再次犯罪,在這種情況下,人工智慧一旦出錯,後果將會很嚴重。對此,Buolamwini表示:「我們必須不斷檢查我們的系統,因為它們可能會以我們意想不到的方式失效。」
Joy Buolamwini除了是前羅德學者(Rhodes scholar)和福布萊特研究員(Fulbright fellow)之外,她還是演算法正義聯盟(Algorithmic Justice League)的創始人。除了發現並公佈演算法中的錯誤,她希望開發實踐機制將錯誤「掐滅」在最初的狀態,正如她之前做過的,利用精確性測試調試面部識別系統。
Nabiha Saklayen

Nabiha Saklayen,28歲,Cellino Biotech

她開發了一種利用廉價雷射器進行基因編輯的技術。
基因編輯對於糾正像鐮刀形紅細胞貧血症(sickle-cell anemia)這樣的突變,是非常寶貴的。但是對於其中的關鍵步驟,例如將DNA和其它混合物注入細胞,生物學家們急需更好的技術。一般來說,基因編輯技術採用病毒攜帶的方式將它們帶入細胞中,但此舉可能有嚴重的副作用;但如果採用電穿孔技術,在處理過程中可能會殺死很多細胞。很明顯,這兩種方式都不是很理想。
這種情況下,雷射就提供了一種更加溫和的方式。但需要注意的是,雷射也有自己的不足,那就是雷射器一般需要高能量的配置,這就導致價格會十分昂貴,並且一次注入過程中只能針對一個細胞,這樣的效率對於臨床治療而言是很慢的。
Nabiha Saklayen發明了一種獨特的奈米結構,並將其配置到雷射器上,它能將雷射脈衝在同一時間內傳遞到大批量的細胞上,使得基因編輯的速度達到臨床治療水準。她開發的處理方式並不需要很昂貴的雷射器,廉價雷射器的能量就已經足夠了。不過,說服其他研究者和她的導師還是花了她一番功夫。對於雷射器的選擇,她如此說道:「其實這對細胞來說差別不大。」
Saklayen已經成立了一個公司「Cellino Biotech」,旨在將其的想法商業化,並使用這樣的基因編輯工具來改造細胞。
作為一個物理學家,她對於多種學科的知識融合達到了一種異于常人的境界:她能夠遊刃有餘地應用雷射物理學、奈米材料和合成生物學的知識。這似乎也源自她超強的適應能力,她的成長歷程跨越了沙烏地阿拉伯、孟加拉、德國和斯里蘭卡。對此,她笑稱:「我很能適應新環境,也能在交叉學科中找到方向。」
Chelsea Finn

Chelsea Finn,25歲,伯克利人工智慧實驗室

她開發的機器人動作能夠如蹣跚學步的孩子一般,盯著大人、模仿大人、學會學習之道。
Chelsea Finn正在開發一種僅僅通過觀察和探索新環境就能不斷學習的機器人。她開發的演算法並不需要常規訓練人工智慧那麼龐大的資料量,甚至可以說就是零資料量:機器人僅靠觀察人類的操作就能學習如何進行類似的操作。
她的機器人就像蹣跚學步的孩子,懂得觀察大人怎麼做事情並模仿他們。Finn實驗室裡的一套玩具向我們展示了這個過程:機器人不斷嘗試將一個紅色方塊放入正方形的孔中。
她研究的最終目的就是製造一種機器人,這些機器人可以掌握一整套技能,而且其技能的獲得並不是源自程式設計,而是源自於它們獲得的教導和對周圍的觀察。這可能意味著,未來工廠機器人不必由工程師團隊來訓練,或是配置能識別物體的人工智慧系統。
Finn設立了一個相對合理的中期目標,即讓她的機器人學會怎麼整理桌面。第一步就是讓機器人學會怎樣整理多件物品。對此,Finn這樣解釋道:「在某種程度上來說,機器人系統的能力還處於它們的嬰兒時期,我設立的目標就是先讓它們有點常識。」
Humsa Venkatesh

Humsa Venkatesh,32歲,史丹福大學

她發現了癌變的祕密,給開發新藥提供啟發。
Humsa Venkatesh的研究揭示了癌變組織「劫持」神經網路的活動來促進它們自己生長的原理。她針對不同類型癌症的新發現開闢了一個新的研究領域。對此過程,她解釋道:「這些神經系統能揭示腫瘤生長和功能的祕密」。這樣的研究結果可以發展出適用於各種癌症變種的治療方案。
Venkatesh早年住在加利福尼亞,她的叔叔住在印度,並患有腎癌。雖然Venkatesh的叔叔在美國和印度遍尋治療方案,但唯一的選擇還是標準的放療和化療,而兩種治療手段均不是很有效。她的叔叔在確診為癌症後的兩年內去世了,痛失親人的經歷讓Venkatesh意識到,醫生對於腫瘤生長的基本機制瞭解並不深。
雖然Venkatesh沒有像她最初設想的那樣成為一名醫生,但她依舊選擇了投身癌症的研究之中。她這樣描述自己的雄心壯志:「我希望能改變不同癌症分開研究的現狀,以深化癌症研究來推動癌症治療的新方向。」
現在,Venkatesh正在研究腫瘤在其環境中的基本寄生行為,並以此開發可以阻止腫瘤利用神經網路的新型藥物。這樣的治療方案將比其他方案更早投入臨床,因為相關藥物已經面世了。
John Schulman

John Schulman,30 歲,OpenAI

他在遊戲「音速小子」中訓練人工智慧,讓AI更智慧。
John Schulman是OpenAI的一名科學家,他在強化學習(Reinforcement Learning)領域中有諸多關鍵演算法貢獻。顧名思義,強化學習意味著你訓練你的AI系統就像訓練一隻狗一樣,其中存在為正確的反應提供獎勵機制。而對於一台機器來說,獎勵可能是視頻遊戲中的高分。
用遊戲訓練AI?這也難怪,Schulman曾對1991年的主機遊戲音速小子十分著迷。他甚至以為這樣的遊戲對於測試新的機器學習演算法來說是完美的,它能顯示演算法將如何把學會的技能用於新情況。遊戲的設置是這樣的,音速小子是世界上最快的角色,遊戲的進程十分迅速,而其中也有著十分有意思的物理機制。一旦AI系統學會了怎樣玩遊戲,研究者很容易測試其將知識轉移到不同場景的能力。
這些訓練過的演算法已經能夠被用於現實世界,並且它們可以用來改善機器人的運動能力。不過,傳統的方式只適用於一些特定的情境,那麼到了新環境中,採用舊演算法的機器人將會失效。所以,Schulman希望,一台採用強化學習演算法的機器人或者人工智慧系統能夠重新開始嘗試新事物,直到它解決問題為止。
Julian Schrittwieser

Julian Schrittwieser,25歲,DeepMind

AlphaGo打敗了世界上最強的職業圍棋選手,而他推動了AlphaGo的進化。
幾年前,Julian Schrittwieser加入了谷歌旗下的人工智慧公司DeepMind,開始進行圍棋人工智慧的開發。圍棋一直被稱為機器學習的「聖杯」,這是一種雙人遊戲,源自古代中國。圍棋普遍被被認為是一種不受規則束縛、憑直覺驅使的遊戲,而一般觀點認為,人工智慧將需要很長時間才能超越世界上頂尖的棋手。但是在2016年3月,Schrittwieser及其同事開發的程式AlphaGo擊敗了曾經的世界冠軍韓國棋手李世乭。這場五局三勝的比賽吸引了上億觀眾的目光,圍棋的狂熱粉絲將其稱為圍棋的世紀之戰。
但那之後,Schrittwieser和他的同事並沒有停滯不前,他們繼續開發,並完成更新反覆運算。2017年的10月,AlphaGo Zero擊敗了前一個版本AlphaGo,100場對弈中未嘗敗績。與AlphaGo不同,AlphaGo Zero並沒有從研究人類對弈中學習,它從與自己的對弈中學習。這也是對人工智慧有重大意義的創新。Schrittwieser解釋道:「從AlphaGo Zero中我們可以知道,在我們人類沒有涉足的領域,我們可以引導程式進入這個領域並進行自我學習。」
Schrittwieser如今是AlphaGo Zero計畫的首席軟體工程師。他還極力推動了DeepMind第三代人工智慧Alpha-Zero的研發,這將是一個更具普適性的演算法,能駕馭圍棋、國際象棋以及日本將棋。Schrittwieser解釋說,普適性將是DeepMind打造獨立於人類的人工智慧的關鍵。它將能找到不受到人類影響的最優解。最終,他認為,這可能促進全新的、人工智慧驅動的藥物、材料科學等領域的創新。
Alessandro Chiesa

Alessandro Chiesa,30歲,加州大學柏克萊分校

他創造了與現金一樣具備「私密性」的數位加密貨幣。
區塊鏈的前景是廣闊的,而將所有交易視為公共資訊將是它不可避免的問題。但是由Alessandro Chiesa聯合發佈的數字加密貨幣「Zcash」卻改變了這一狀況,它的交易不僅安全而且匿名,就像從你的錢包拿出20美元鈔票並交給某人一樣私密。
這樣安全的機制源於Zcash採用的一種加密協議,名為「簡明零知識證明(succinct zero-knowledge proof)」。簡單來說,就是一種高效確認方式,讓交易的雙方都認為某事物為「真」而不洩露任何其他資訊。
Zcash對交易有巨大的影響,能讓人們進行網上交易而不暴露自己的私人資訊或者是將自己置於身份盜竊的危險中。Zcash是Chiesa 4年前推出的,現在市值超過10億美元。
更新時間|2023.09.12 20:27 臺北時間
延伸閱讀

支持鏡週刊

小心意大意義
小額贊助鏡週刊!

每月 $79 元全站看到飽
暢享無廣告閱讀體驗

更多內容,歡迎 鏡週刊紙本雜誌鏡週刊數位訂閱了解內容授權資訊

月費、年費會員免費線上閱讀動態雜誌

線上閱讀

更多內容,歡迎 鏡週刊紙本雜誌鏡週刊數位訂閱了解內容授權資訊

月費、年費會員免費線上閱讀動態雜誌

線上閱讀