加州大学用AI发现了72个可能来自外星人的无线电信号
图片：电影《ET》截图
据悉，搜索外星智能（SETI）研究所利用英伟达和谷歌的现成机器学习技术，在寻找宇宙中的其他生命方面取得了重大突破。
在海量数据中，SETI发现了至今观察到的唯一一个能重复发射的快速射电暴FRB。
根据资料显示，SETI是一项由加州大学伯克利分校发起的在全球征集联网计算机以及大型天文望远镜数据来共同搜寻地外文明的科学实验计划。
志愿者可以通过运行一个免费程序，然后下载并分析从射电望远镜传来的电磁波、无线电或者激光在内的多种信号数据来加入这个项目。
在人工智能大潮汹涌袭来后，SETI也积极投身其中。通过利用谷歌以及英伟达的机器学习技术，SETI在外星文明的搜寻进程中进展飞速。
由于SETI每年存储的数量在PB（2的50次方个字节，等于个TB）级别。因此在海量数据的加持下，AI技术部署没多久，该团队就取得了突破性成果。
根据西弗吉尼亚州绿岸望远镜产生的数据，SETI在6小时内检测到了21个快速射电暴信号（FRB）。一个月后，由研究生开发的算法又发现了另外72个快速射电暴信号，构建了SETI有史以来最丰富的数据集。
（快速射电暴是一种高能天体物理现象，呈现瞬态电波脉冲，仅维持数毫秒的爆发，其来源目前我们还无法做出判定，有人推测它来自其他的未知先进文明。）
在这些数据中，FRB是至今观察到的唯一一个能重复发射的快速射电暴。此前，在年和年它曾两次被人类捕捉到，后来在年3月后的两个月时间里它又被捕捉到了11次。
真相只有一个
FRBs，也被称为“宇宙口哨声”，是来自于深空的强大的、短脉冲的能量脉冲。科学家们不知道他们从何而来，但是有一些理论——它们可以由磁化的中子星和黑洞产生，也可以是来自外星社会的传播。
根据科学家测算，FRB来自于一个距离地球30亿英里的矮星系，此前算法还曾在该星系发现了21个快速射电暴。
也就是说在这一个星系内，很有可能隐藏着我们所不了解的文明形式。
AI可提前6年识别老年痴呆症，准确率高达98%对阿尔茨海默氏症患者大脑的PET扫描
阿尔茨海默症，又称老年痴呆症，不仅给患者带来痛苦，也会给患者的家庭造成困扰。目前阿尔兹海默症并没有治愈的方法，但是近期，来自加州大学旧金山分校的医学博士JaeHoSohn利用机器学习方法，应用于PET扫描，能够在确诊前6年做出诊断，准确率高达98%。研究人员利用一种常见的脑部扫描编写了一种机器学习算法，在确诊出早期阿尔茨海默症(Alzheimersdisease，又称老年痴呆症)前大约6年前就可以做出诊断，这可能会给医生提供一个干预治疗的机会。
目前还没有治愈阿尔茨海默症的方法，但近年来出现的药物有希望阻止病情的发展，而且这些治疗必须在疾病的早期进行。这场“与时间赛跑的比赛”激发了科学家们寻找早期诊断病情的方法。
加州大学旧金山分校放射学和生物医学成像系医学博士JaeHoSohn说：“阿尔茨海默症的一个难点是，当所有的临床症状出现并且我们可以做出明确诊断的时候，太多的神经元已经死亡，而且基本上不可逆转。”
机器学习应用于PET扫描，全局监测大脑细微变化
在最近发表在《放射学》(Radiology)杂志上的一项研究中，Sohn将神经成像与机器学习结合起来，试图预测患者在首次出现记忆障碍时是否会患上阿尔茨海默症——这是进行干预的最佳时机。
正电子发射断层扫描(PET)是一种测量大脑中特定分子(如葡萄糖)水平的扫描技术，已被当做一种研究工具，可以在症状变得严重之前，帮助诊断阿尔茨海默症。
其他类型的PET扫描主要是寻找与阿尔茨海默病相关的蛋白质，但葡萄糖PET扫描更常见、更便宜，尤其是在较小的医疗机构和发展中国家，因为它们也用于癌症分期。
放射科医生利用这些扫描来检测阿尔茨海默氏症，主要是寻找整个大脑，尤其是大脑额叶和顶叶的葡萄糖水平降低的情况。然而，由于该病是一种慢性疾病，葡萄糖的变化非常细微，很难用肉眼发现。
为了解决这个问题，Sohn将机器学习算法应用于PET扫描，使得早期阿尔茨海默症的诊断更加可靠。
Sohn说：“这是深度学习的理想应用，因为它在寻找非常微妙但分散的过程方面特别强大。人类放射科医生非常擅长识别像脑肿瘤这样的微小病灶，但我们很难发现更缓慢的全局变化。”
预测准确率高达98%，下一步着眼更多样化样本
为了训练算法，Sohn从阿尔茨海默症神经成像计划(ADNI)中获取了大量图像。ADNI是一个庞大的公共数据集，收集了最终被诊断患有阿尔茨海默症、轻度认知障碍或无障碍患者的PET扫描数据。
最终，该算法开始自主学习哪些特征对于预测阿尔茨海默症的诊断是重要的，哪些不是。
阿尔茨海默症患者的大脑(左)与未患此病的患者的大脑进行比较。
一旦算法在次扫描中进行了训练，科学家们就会在两个新的数据集上对其进行测试，以评估其性能。第一个是来自同一ADNI数据库的张图片，但尚未提交给算法。第二个是来自40名患者的全新扫描，他们被送到加州大学旧金山分校的记忆与衰老中心，可能患有认知障碍。
算法的执行效果很好。在第一次测试中，有92%的患者患上了老年痴呆症，而在第二次测试中有98%的患者患上了老年痴呆症。更重要的是，在患者接受最终诊断之前，它平均预测了75.8个月，略多于6年。
Sohn说，下一步的医院和国家的更大、更多样化的数据集上测试并校准算法。
他说：“我相信这种算法具有很强的临床相关性。然而，在我们能够做到这一点之前，我们需要在更大、更多样化的患者群体中验证和校准算法，理想情况下，患者群体来自不同的大洲和不同类型的环境。”
Sohn认为，如果这种算法能够经受住这些测试，那么当神经学家在记忆诊所看到病人时，就可以将其作为阿尔茨海默症的预测和诊断工具，帮助病人更快地得到他们需要的治疗。
Nature：AI算法显示，人类“第三祖先”可能是杂交后代AI和机器学习正在帮助进化生物学家找到古老的人类祖先，尽管这一发现背后的现代科学原理尚不为人所知，这个可能的“人类祖先”的具体未能最终确定，可能是尼安德特人和丹尼索瓦人杂交的后代。近日发表在《自然·通信》上的一项新研究的结果表明，在今俄罗斯发现的尼安德特人和丹尼索瓦人的杂交体不是个例，而是一个更普遍的、逐渐渗透过程的一部分。请加
