※ 引述《klain (klain)》之銘言：
: 抱歉，我提出一些疑問以及挑一些骨頭。
: : 找出來的解答 都不會有多好
: 這應該是因問題而異吧，
: 有些問題的approxmation algorithm已經達到很低的approx factor，
: 對於那些問題我們可以當作"能於poly-time內找到很好的解答"。
: 但是因為我也對生物，醫藥不了解，
: 所以未知生物醫藥界的人所遇到的問題是否有好的approxmation algorithm。
我這邊的敘述是用一種很武斷的講法
否則又要但書一堆
看了會很昏
如果要精確一點的講法
可能就要寫
"如果在力場中估計的很接近的話"
"並考慮到proteomics pathway的information"
"....."bala一堆
這種天書誰有興趣繼續往下看
因此我用一種很武斷的講法
但至少很逼近事實 那就是在folding問題中
真正完全用電腦模擬的結果
只佔了3%
如果模擬能夠很準確的話
科學家也不用花大把鈔票 人力親自去作實驗
但在這些實驗上 電腦是有很大幫助的
只是不能夠完全取代
我在舉一個例子
為什麼NPC問題會影響到folding問題的結果那麼大
比方說我的估計已經非常逼近正解
假設有99%這麼高
但對protein而言 這還是不夠的
因為在每一個aa上面有1%的誤差
累積到10 aa整個形狀就變掉了
一個protein少說也有個一百個aa
而形狀是protein行使功能的一個很大的指標
形狀稍微不對 算出來的結果就沒用了
但既然我們目前的電腦架構是如此
我也不認為就應該要坐以待斃
我們可以改變演算法 來transform protein folding問題的domain
比如說 避開上述這種誤差 直接用2D graph來逼近3D protein structure等等
我對這些問題比較沒興趣 所以就沒花精力在這邊研究
但有興趣的人我還是很樂意跟您討論的
: : 例如 以folding當例子
: : 解蛋白質結構
: : 完全使用電腦技術 不作實驗的
: : 不到全部的3%
: : 因為會錯的很慘 為什麼呢?
: : 其中一個很簡單的原因 NPC問題根本不可能找過全部的space
: : 而藥物設計就比較難統計出比例
: : 因為絕大部分是要廠開發 因此他們不會告訴你他的開發流程是什麼
: : 但以在學術借來看
: : 完全以電腦模擬設計藥物
: : 大約有九成失敗率 因為要考量東西太多(pathway)
: : 加上又一堆NPC問題
: : 而NPC問題沒辦法用目前電腦解
: : 那要怎麼辦呢
: : 我有兩個寄於厚望的方向
: : 一個是大家之前討論熱烈的量子電腦
: : 我就不多說了
: : 第二個就是學習生物 nature方法(其實量子電腦也算是利用nature力量)
: : 因為人腦 大自然根本不會遭遇NPC
: : 只有人設計出來的東西才有NPC
: : 所以直接用大自然來解
: 對上述敘述有點疑惑，
: 人腦難道不用花大把時間來解NPC problem嗎?
舉一個例子
例如目前視覺辨識等等AI技術
想要模擬人腦 都得花上大量計算時間
影像分析常常也得跑很久
但為什麼人腦會馬上反應
你的心理一定不是在計算說
"這個門boundary在哪 樓梯間色調完全不一樣 而且深度有差 因此可以往上走"
你是瞬間反映到們在哪裡 樓梯在哪裡 冰箱在哪裡
打字的鍵盤在哪 要如何上逼逼聊天
這些眼 手的協調工作是必須花大量計算的
但我門似乎不費吹灰之力完成?
我個人覺得這種瞬間完成的能力
就是出在於neuron與大腦還有其他balabala的平行處理技術
詳細的敘述
如果還有人有興趣跟我一起研究的
我再繼續往下寫
否則在這個版就偏離主題太大 討論到生物資訊 甚至生物學去了
第二個例子我舉Smulated Annealing例子
模擬退火有碰AI的網友門應該有聽過
在真實的世界裡
真實的模擬退火是有辦法在溫度降低後
自己找到一個最穩定的state
不只模擬退火 大自然的原子都有辦法
你可以把水跟油混在一起姚一姚
過沒多久他門自己會分開
剛剛下與了 雨水馬上會流到他自認為最低的地方
這些東西如果用目前電腦來算 就會算死了
原因就是出在人類所設計的東西 就目前電腦而言是循序的
沒有具備平行處理的原因
: 譬如大家日常生活中都會遇到的TSP problem，
: (呵呵，至少我個人頗常遇到啦，尤其在規劃要去哪些地方玩的時候。)
: 只要node、edge多一點，
: 相信人腦也沒辦法在有效時間(efficient time)給出解答，
: 另外，大自然不會受困於NPC嗎?
: 至少目前的結果似乎是傾向於量子電腦不能解NPC problem，
: 而DNA computer似乎也停滯不前5年有了吧。
: : 在199x年就有人拿基因序列解NPC問題 而且成功
: : 登在top journal Science上面
: 是Adleman的那個結果嗎，也是解TSP的。
是解TSP的 能夠解TSP就可以應用到NPC問題上面
但我得回辦公室看一下paper才能告知您是不是這位仁兄喔
最近都在外面玩 都沒回辦公室了
: : 過幾年我在bioinformatic上面也看到antibody技術解NPC
: 可以解釋一下什麼是antibody嗎，我也挺好奇這是什麼技術的。
antibody中文叫做抗體
當你的身體被入侵者入侵時
他就會跑出來幫你
相對於antibody的 叫做antigen
這種東西深入研究也沒啥意思
我舉個概念性的觀念跟大家分享
就像antibody能夠跟antigen結合
DNA也能夠跟DNA結合(science paper用的是DNA)
所以他門所進行的步驟不是那麼重要
但重點就是在利用他們會去認對方 與之結合的特性
而且他們也不會排隊乖乖等好 說 一號你快點年上去 不然我不能年
全部的candidate會同時一起競爭 命好的就年上去 命不好的就在旁邊看
這種平行的效應 也能夠用統計作一個描述
例如年成功的probability是多少
所以我門先將NPC問題設計成DNA or Antibody的initial set(transform domain)
再叫這些小跟班來解答
這就是我們要的答案了
: : 其中更有許多大大小小篇有提到這些
: : 有興趣的人我可以翻出來跟大家分享
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.109.73.177
※ 編輯: seagal 來自: 140.109.73.177 (04/26 01:17)