※ 引述《klain (klain)》之铭言： : 抱歉，我提出一些疑问以及挑一些骨头。 : : 找出来的解答　都不会有多好 : 这应该是因问题而异吧， : 有些问题的approxmation algorithm已经达到很低的approx factor， : 对於那些问题我们可以当作"能於poly-time内找到很好的解答"。 : 但是因为我也对生物，医药不了解， : 所以未知生物医药界的人所遇到的问题是否有好的approxmation algorithm。 我这边的叙述是用一种很武断的讲法 否则又要但书一堆 看了会很昏 如果要精确一点的讲法 可能就要写 "如果在力场中估计的很接近的话" "并考虑到proteomics pathway的information" "....."bala一堆 这种天书谁有兴趣继续往下看 因此我用一种很武断的讲法 但至少很逼近事实　那就是在folding问题中 真正完全用电脑模拟的结果 只占了3% 如果模拟能够很准确的话 科学家也不用花大把钞票　人力亲自去作实验 但在这些实验上　电脑是有很大帮助的 只是不能够完全取代 我在举一个例子 为什麽NPC问题会影响到folding问题的结果那麽大 比方说我的估计已经非常逼近正解 假设有99%这麽高 但对protein而言　这还是不够的 因为在每一个aa上面有1%的误差 累积到10 aa整个形状就变掉了 一个protein少说也有个一百个aa 而形状是protein行使功能的一个很大的指标 形状稍微不对　算出来的结果就没用了 但既然我们目前的电脑架构是如此 我也不认为就应该要坐以待毙 我们可以改变演算法　来transform protein folding问题的domain 比如说　避开上述这种误差　直接用2D graph来逼近3D protein structure等等 我对这些问题比较没兴趣　所以就没花精力在这边研究 但有兴趣的人我还是很乐意跟您讨论的 : : 例如　以folding当例子 : : 解蛋白质结构 : : 完全使用电脑技术　不作实验的 : : 不到全部的3% : : 因为会错的很惨　为什麽呢? : : 其中一个很简单的原因　NPC问题根本不可能找过全部的space : : 而药物设计就比较难统计出比例 : : 因为绝大部分是要厂开发　因此他们不会告诉你他的开发流程是什麽 : : 但以在学术借来看 : : 完全以电脑模拟设计药物 : : 大约有九成失败率　因为要考量东西太多(pathway) : : 加上又一堆NPC问题 : : 而NPC问题没办法用目前电脑解 : : 那要怎麽办呢 : : 我有两个寄於厚望的方向 : : 一个是大家之前讨论热烈的量子电脑 : : 我就不多说了 : : 第二个就是学习生物　nature方法(其实量子电脑也算是利用nature力量) : : 因为人脑　大自然根本不会遭遇NPC : : 只有人设计出来的东西才有NPC : : 所以直接用大自然来解 : 对上述叙述有点疑惑， : 人脑难道不用花大把时间来解NPC problem吗? 举一个例子 例如目前视觉辨识等等AI技术 想要模拟人脑　都得花上大量计算时间 影像分析常常也得跑很久 但为什麽人脑会马上反应 你的心理一定不是在计算说 "这个门boundary在哪　楼梯间色调完全不一样　而且深度有差　因此可以往上走" 你是瞬间反映到们在哪里　楼梯在哪里　冰箱在哪里 打字的键盘在哪　要如何上逼逼聊天 这些眼　手的协调工作是必须花大量计算的 但我门似乎不费吹灰之力完成? 我个人觉得这种瞬间完成的能力 就是出在於neuron与大脑还有其他balabala的平行处理技术 详细的叙述 如果还有人有兴趣跟我一起研究的 我再继续往下写 否则在这个版就偏离主题太大　讨论到生物资讯　甚至生物学去了 第二个例子我举Smulated Annealing例子 模拟退火有碰AI的网友门应该有听过 在真实的世界里 真实的模拟退火是有办法在温度降低後 自己找到一个最稳定的state 不只模拟退火　大自然的原子都有办法 你可以把水跟油混在一起姚一姚 过没多久他门自己会分开 刚刚下与了　雨水马上会流到他自认为最低的地方 这些东西如果用目前电脑来算　就会算死了 原因就是出在人类所设计的东西　就目前电脑而言是循序的 没有具备平行处理的原因 : 譬如大家日常生活中都会遇到的TSP problem， : (呵呵，至少我个人颇常遇到啦，尤其在规划要去哪些地方玩的时候。) : 只要node、edge多一点， : 相信人脑也没办法在有效时间(efficient time)给出解答， : 另外，大自然不会受困於NPC吗? : 至少目前的结果似乎是倾向於量子电脑不能解NPC problem， : 而DNA computer似乎也停滞不前5年有了吧。 : : 在199x年就有人拿基因序列解NPC问题　而且成功 : : 登在top journal Science上面 : 是Adleman的那个结果吗，也是解TSP的。 是解TSP的　能够解TSP就可以应用到NPC问题上面 但我得回办公室看一下paper才能告知您是不是这位仁兄喔 最近都在外面玩　都没回办公室了 : : 过几年我在bioinformatic上面也看到antibody技术解NPC : 可以解释一下什麽是antibody吗，我也挺好奇这是什麽技术的。 antibody中文叫做抗体 当你的身体被入侵者入侵时 他就会跑出来帮你 相对於antibody的　叫做antigen 这种东西深入研究也没啥意思 我举个概念性的观念跟大家分享 就像antibody能够跟antigen结合 DNA也能够跟DNA结合(science paper用的是DNA) 所以他门所进行的步骤不是那麽重要 但重点就是在利用他们会去认对方　与之结合的特性 而且他们也不会排队乖乖等好　说　一号你快点年上去　不然我不能年 全部的candidate会同时一起竞争　命好的就年上去　命不好的就在旁边看 这种平行的效应　也能够用统计作一个描述　 例如年成功的probability是多少 所以我门先将NPC问题设计成DNA or Antibody的initial set(transform domain) 再叫这些小跟班来解答 这就是我们要的答案了 : : 其中更有许多大大小小篇有提到这些 : : 有兴趣的人我可以翻出来跟大家分享 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 140.109.73.177 ※ 编辑: seagal 来自: 140.109.73.177 (04/26 01:17)