-
1 # 阿里CEO馬允
-
2 # 哈哈丫丫哇哇
以後可能會行，那些說不行的太絕對了，第一塊硬碟ibm做出來，比卡車還大，才5m
再想想現在，500g硬碟，我墊桌腳呢
-
3 # glsensor
首先你得有本事把DNA蛋白轉化成數字特徵，然後再看這麼長的特徵，當代的計算機算力，是否足夠你計算出網路。可以的話，那就可以。
-
4 # 善哉丶丶善哉
目前的算力應該做不到，dna的序列微小的差別可能帶來相貌上很大的不同，因此在實現上也不能透過一些現有的方法對DNA的序列資訊進行降維，因此單從算力角度來看就沒有可行性。或者生物技術發達，明確出DNA中影響相貌部分的序列片段，可能會減少資料量，產生理論上的可能性
-
5 # 大米baba
基本不可以，基因表達需要一個過程，不是那麼精確的。就拿蛋白質來說，知道氨基酸序列，在不同的外部環境中，蛋白質鏈會摺疊成不同的空間結構。及時相同的環境，空間結構也是區域性震盪的。蛋白質再構成細胞，細胞構成器官，器官構成人體，每一級的形成，在必然中發生著偶然性。所以，神經網路擬合的結果會有很大波動。
-
6 # 陛下請上馬
如果要實現，需要滿足如下條件：
1.樣本足夠多，且要有一定代表性。（各個區域、年齡段都要考慮到）
2.需要定期採集所有樣本的三維外貌資料。（樣貌會隨年齡改變）
3.樣本真實可靠（排除整容）
4. 算力足夠，取樣精度足夠細緻（細化到每個鹼基對）。
-
7 # 星如雨eboy
非常不錯的想法，有幾個關鍵問題：
1.需要生物學家弄清楚哪些基因片段與外貌有關聯性，因為人工神經網路的本質是極度複雜的任意函式擬合，沒有關聯的變數與函式之間是擬合不出什麼結果的。
2.四進位制的一維鹼基序列與二維圖片之間的網路對映關係需要一種全新的數學模型。
3.RNN應該是對一維鹼基序列進行處理的最佳神經網路結構，利用對抗神經網路構建與鹼基序列相關的外貌特徵圖片應該是應用層面的模式。
4.此應用模式應該能應用在法醫根據現場遺留DNA生成犯罪嫌疑人或受害者外貌，根據男女二者DNA預測將來孩子可能的外貌特徵等場景中。
-
8 # 姚江野叟
DNA只是一種編碼，編碼本身是沒有學習能力的。必須藉助合適的材料和能量，經過一個變化時長，才能表徵出一個生物，才能具有資訊攝取和記錄功能。如同一段五線譜，只有藉助材料(樂器或嘴巴)和動能(手動、電動或身體能量)，才能表現出聲音一樣。影象如果沒有介質來轉碼，就不會是聲音。
換個角度，如果把你手腳捆住，眼睛蒙起，嘴巴封上，如同植物人一樣，即使全人類所有知識都輸入到你的大腦，又有什麼意義？只是一個死的圖書館而已。
-
9 # 小魚人的翅膀
DNA並不決定長相，只是裡面包含了，應該長成什麼樣的方向，具體實際怎麼長，還得配合激素，而影響激素的東西那就太多太多了。
-
10 # 86262
你想的太簡單了，不同基因決定不同表型。你把全基因組輸入是無法得出結果的，因為干擾資料太多了，得出的無效資料太多
-
11 # 思奇視界
你這個想法是很有趣。如果要扔進去DNA 就輸出對應的樣貌是不可行。但如果讓它生成一組樣貌，然後其實的人落在這個集合中還是有可能。至於這個集合要多大，這需要仔細計算，和要求的精度有關
回覆列表
也許試試把DNA序列輸入，輸出個1，2，...N這樣的數字，然後再把圖片輸入，輸出也是1-N，然後關聯。但是訓練的時候，不好弄，不好關聯這倆的樣子。不過即使可以訓練，感覺效果上，感覺也不太好。