生物学中的电路设计与机器学习. I. 随机网络与维数归约

生物电路是一种神经或化学级联电路，接受输入并产生输出。生物电路如何在生命历史中学习解决环境挑战？这个问题的答案当然遵循多布尔斯基名言的话：“除了在进化的光线下，生物学中的任何事情都没有意义。”然而，这一名言未涉及由自然选择的试错式学习所驱动的机制基础，这正是我们必须理解的部分。生物电路的学习过程如何实际运作？通过研究使这些电路得以实现的过程，我们能否获得关于生物电路形式与功能的洞见？由于生物电路常常必须解决与机器学习相同的问题，如环境跟踪、恒温控制、维数归约或分类，我们可以从机器学习如何设计计算电路来解决问题的方式入手。我们可以进一步询问：这些计算电路如何为生物电路的设计提供洞见？生物学与计算机在解决问题时使用的特定电路设计有何不同？本文通过两个经典机器学习模型来奠定分析关于生物电路设计的广泛问题的基础。一个启发性发现是随机连接网络的惊人强大功能。另一个发现是生物电路中嵌入环境内部模型的核心作用，这通过维数归约和趋势预测模型得以说明。总体而言，生物学中的许多挑战都有机器学习的类比，暗示了关于生物电路设计的假设。