允中 编译 Google博客
量子位 出品 | 公众号 QbitAI
Google AI入驻计划，是一项为期12个月的研究培训项目，希望帮助不同领域的科学家和研究员，掌握机器学习和AI的方法。
最近，该计划中的常驻生物学家Suhani Vora，与外界分享了Google AI入驻计划的内部情况。比如他们如何学习机器学习、如何利用AI相关的方法推进研究。
这其中可能有一些值得借鉴的地方。
Q：你是如何把机器学习与基因研究结合起来的？
Suhani Vora：在之前的研究中，我主要围绕CRISPR / Cas9系统的工程设计，展开基因组研究，虽然我知道通行的生物学方法，是比较有效的基因组编辑工具，但也有一些“端倪”，让我知道可以把研究推进得更快。
其中一个很重要的环节，是预测新型生物设计中的作用因子。在每个设计周期中，我们使用之前搜集的非常少的数据，并依靠对这些数据的解析，来解释实验室各项数据结果。
由于缺乏强大的计算方法来利用大数据，以及帮助设计整个工作流程，我们的研究进展始终受限。
但之后了解到机器学习的原理，毫无疑问，如果能够将我们的研究与机器学习结合，必然能大大提升效率，所以我们决定将机器学习应用到基因工程研究中。
起步阶段，最关键的是进一步了解机器学习的原理。于是在Google员工的推荐下，我把Coursera上吴恩达(Andrew Ng)的机器学习课程学习了一遍，有了不少入门知识和乐趣，如果现在让我推荐入门课程，我想没有比吴恩达的课程更好的了。
其后，有了基础知识和乐趣，我又开始学习MIT的机器学习课程，并阅读基因组研究和深度学习结合的相关论文，这促使我进一步对想做的事情有了更深入的认知，并最终让我在研究院毕业后能够进入Google AI入驻计划。
Q：能介绍下你的工作吗？
Suhani Vora：我是一名跨学科的深度学习研究员，我利用编程、深度学习，去探索他们对基因组问题的适用性。
举个例子，就像众所周知用机器学习模型去做图像识别一样，我研究如何用神经网络自动预测DNA序列的属性，这其中还会有各种各样的应用：比如预测DNA突变是否会诱发癌症等。
Q：典型的一天生活是什么样的？
Suhani Vora：在每一天的工作中，我基本都是通过编写代码来处理新的基因组数据，或在TensorFlow中创建神经网络来模拟数据，我现在在这些模型上花费不少时间。
我还会花时间与其他成员\TensorFlow团队成员聊天，以获知他们的进展。其中还包括了与两位Google导师会面，Mark DePristo和Quoc Le都是机器学习方面的大咖，他们会定期为我搭建的神经网络模型给于指导。
Q：你认为机器学习对知识背景有要求吗？
Suhani Vora：Google AI入驻计划中，背景太广泛了。我看到的共同点是：大家都对机器学习有强烈的兴趣，或者将机器学习应用到特定的领域。
另外，我认为在线性代数、统计学、计算机科学，以及建模方面的专业背景，会让整个工作更简单一些，但并不是意味着不能从现在开始，因为你可以通过MOOCs这样的在线学习平台进行学习。
Q：你认为AI能为世界解决什么样的问题？
Suhani Vora：我想这与目的有关。取决于我们如何创造AI，以及利用AI为我们做些什么。目前，深度学习方法已经被广泛用于图像识别、自然语言处理、语音识别等领域，我们已经从自动检测宠物，中英文自动翻译中受益。
未来，我想在机器人处理和医学领域，也将出现一批造福人类的AI应用。
