人工智能时代的生物学理解
人工智能
2024-03-08 v1
摘要
现代生命科学研究越来越依赖人工智能方法来建模生物系统，主要集中在机器学习 (ML) 模型的使用上。虽然 ML 在识别大型复杂数据集中的模式方面无疑是有用的，但其在生物科学中的广泛应用代表了与传统科学探究方法的显著偏离。因此，这些模型与生物学科学理解之间的相互作用是一个对未来科学研究具有重要影响的话题，然而这一主题受到的关注却很少。在此，我们借鉴认识论工具包，在现代理解哲学理论的背景下审视 ML 在生物科学中的最新应用，确定可指导 ML 系统设计和应用以模拟生物现象并推进科学知识的一般原则。我们提出，将科学理解视为信息压缩、定性可理解性和依赖关系建模的概念，为解释 ML 介导的生物系统理解提供了一个有用的框架。通过对现代生物研究中 ML 的两个关键应用领域——蛋白质结构预测和单细胞 RNA 测序——的详细分析，我们探讨了这些特征迄今为止如何使 ML 系统推进对其目标现象的科学理解，它们如何指导未来 ML 模型的开发，以及阻碍 ML 实现其作为生物发现工具潜力的关键障碍。考虑 ML 在生物学中应用的认识论特征，将改善这些方法解决重要问题并推进对生命系统科学理解的前景。
引用
@article{arxiv.2403.04106,
title = {Understanding Biology in the Age of Artificial Intelligence},
author = {Elsa Lawrence and Adham El-Shazly and Srijit Seal and Chaitanya K Joshi and Pietro Liò and Shantanu Singh and Andreas Bender and Pietro Sormanni and Matthew Greenig},
journal= {arXiv preprint arXiv:2403.04106},
year = {2024}
}