02小说网

第165章 哑巴与字典求订阅求月票（第3页）

因为这些数据都没有“标签”??没人知道这些分子能不能治病，也没人知道它们能结合什么蛋白。

对于传统的监督学习算法来说，没有标签的数据，就是垃圾。

但现在，在林允宁眼里，这是一座金矿。

这是一本包含了七亿个词汇的“化学字典”。

他不需要知道这些分子能不能治病。

他只需要让AI看着这些分子，去学习化学的“语法”。

哪怕它不知道这个分子有什么用，但只要它看多了，它就会知道:

苯环通常是平的，碳原子通常连着四个键，氮原子旁边经常会有氢键受体……………

这叫“自监督学习”。

在2006年，这还是一个只存在于顶级计算机科学家脑子里的模糊概念，连谷歌都还没开始大规模应用。

但林允宁在学习机器学习时，在一些文献中读到过。

他决定赌一把。

他打开终端，敲下了一行下载命令。

命令违规，此处省略……………

很快，硬盘指示灯开始疯狂闪烁，进度条像蜗牛一样缓慢爬行。

为了让AI学会“识字”，他需要设计一个特殊的训练任务。

林允宁新建了一个代码文件，手指在键盘上飞快地敲击。

他设计了一个类似“完形填空”的游戏。

他编写了一个预处理程序，随机地把ZINC数据库里那些分子结构的一部分“遮住”Masking。

比如，把一个苯环上的碳原子挖掉，或者把侧链上的氨基抹去。

然后，他要求AI根据剩下的部分，去“猜”被遮住的是什么。

如果猜对了，说明AI理解了分子的结构规律;如果猜错了，就通过反向传播算法调整参数，直到猜对为止。

这是一个不需要人工标注，不需要昂贵实验数据的过程。

只要有足够多的分子，AI就可以在这个无人监管的“图书馆”里，通过无数次的自我博弈，从一个对化学一无所知的“文盲”，变成一个精通分子语言的“大师”。

等到它读完了这一亿本书，学会了所有的“词根”和“语法”。

再把它拉回到那三千个真实的药物数据面前。

那就是降维打击。

屏幕上，ZINC数据库的压缩包正在一个接一个地下载完成。

100MB。。。。。。500MB。。。。。。1GB。。。。。。

数亿条沉睡的分子数据，如同一条条看不见的河流，顺着网线涌入服务器的硬盘。

半个小时后，数据下载成功。

林允宁的训练程序也编写完成。

他敲下了最后一行代码，按下回车。

【Pre-trainingTask:MaskedMolecularModelingMMM】

【Status:Initializing。。。】

屏幕上的光标闪烁了一下，然后变成了一个旋转的进度条。

这是一场漫长的、寂静的蜕变。

在这个寒冷的冬夜，在没有人注意的角落里，一个刚刚面世的AI，如同初生的婴儿。

它连话都不会说，却正抱着一本厚厚的字典，开始像那晚的沈知夏一样，一个字，一个字地啃读起来。

。。。。。。