深度科学：机器人感知、声学监测、使用ML检测关节炎

本周“深度科学”栏目的主题是一个从行星科学到鲸鱼追踪的真正的抓包。通过跟踪社交媒体的使用情况，还有一些有趣的见解，以及一些试图使计算机视觉系统更接近人类感知的工作(祝你好运)。

机器学习最可靠的用例之一是根据目标模式(比如特定的形状或无线电信号)训练模型，然后将其放在大量嘈杂的数据上，以找到人类可能难以感知的可能的命中。这在医学领域已被证明是有用的，在医学领域，可以有足够的信心发现严重情况的早期迹象，并建议进行进一步的检测。

这个关节炎检测模型看的是X光，和做这类工作的医生一样。但是当它被人类感知到的时候，损害已经造成了。一个对数千人进行了七年跟踪的长期项目构成了一个很好的训练集，使AI模型可以看到几乎难以察觉的骨关节炎早期迹象，该模型在三年后以78%的准确率预测了骨关节炎。

坏消息是，早知道并不一定意味着可以避免，因为没有有效的治疗方法。但这些知识可以用于其他用途-例如，更有效地测试潜在的治疗方法。“而不是招募10,000人并跟踪他们10年，我们只需招募50名我们知道会患上骨关节炎…的人就行了。然后我们可以给他们实验药物，看看它是否能阻止疾病的发展，“合著者肯尼思·乌里什(Kenneth Urish)说。这项研究发表在“美国国家科学院院刊”上。

令人惊讶的是，船只仍然定期与大型鲸鱼相撞并杀死它们，但这是真的。自愿减速没有太大帮助，但一个名为鲸鱼安全(Whale Safe)的智能多源系统正在圣巴巴拉海峡投入使用，有望让每个人更好地实时了解这些生物在哪里。

该系统使用水声监测、对可能的捕食区进行近乎实时的预测、实际目击和少量的机器学习(以快速识别鲸鱼的叫声)，以产生对给定路线上鲸鱼存在的预测。然后，大型集装箱船可以提前很长时间进行小调整，而不是试图在最后一刻避开吊舱。

“像这样的预测性模型为我们提供了未来的线索，就像每天的天气预报一样，”华盛顿大学领导这项研究的布里亚娜·阿布拉姆斯(Briana Abrahms)说。“我们正在利用最好和最新的数据来了解鲸鱼在海洋中使用的栖息地，因此当它们的栖息地每天发生变化时，鲸鱼最有可能在哪里。”

顺便说一句，Salesforce创始人马克·贝尼奥夫和他的妻子琳恩帮助建立了加州大学圣巴巴拉分校的中心，使这一点成为可能。