新方法惩罚和奖励的方法,人工智能培训提供了潜在的侵略性的癌症

一个新的“不拘一格”的教学方法人工智能(AI)决策模型可以提供希望寻找治疗癌症的新方法,根据一项新的研究萨里大学的。

计算机科学家从萨里已经证明,一个开放或模范自由-深入强化学习方法能够稳定大型数据集(200节点)用于人工智能模型。拥有开放的方法发现的前景方面逮捕癌症的发展,预测的反应癌细胞扰动包括药物治疗。

博士装置Moschoyiannis,萨里大学的该研究的通讯作者,说:“有心碎的侵略性的癌症与没有信息他们是从哪里来的,更不用说如何分类他们的行为。这就是机器学习可以为我们所有人提供真正的希望。

“我们已经证明的能力强化学习借方法解决大规模布尔网络的转移性黑色素瘤的研究。这项研究的结果已成功地使用记录数据不仅设计新疗法,也使现有的治疗方法更精确。下一步是使用活细胞用同样的方法”。

强化学习的方法机器学习你的电脑进行奖励正确的决定并对其做出错误的行为进行惩罚。随着时间的推移,人工智能学会做出更好的决策。

强化学习的模范自由方法是当AI并没有一个明确的方向或其环境的代表。模范自由的方法被认为是更强大的人工智能可以立即开始学习不需要详细描述它的环境。

教授弗兰西斯卡无法改写的牛津大学肿瘤学评论这项研究发现:“这项工作使一大步允许预后基因网络的扰动,当我们朝着目标治疗至关重要。这些结果是令人兴奋的我的实验室长期以来我们考虑更广泛的扰动,包括细胞的微环境”。

这篇论文已经发表IEEE控制的网络系统。